目录
Agent Skills 最近非常火，它是既 MCP 后 Anthropic 推出的又一个 Agent 领域的行业标准。它的成长路线和 MCP 也非常像，25 年 10 月份发布时只有 Anthropic 自家产品支持，后来 Cursor、Codex、Opencode、Gemini CLI 等产品看到了 Skills 的优势于是纷纷开始支持。再后来社区开始涌现大量的开源 Skills 以及 Skills 开放市场，当下大家已经默认 Skills 成为了又一个扩展 Agent 能力的标准实践。
简单来说，Skills 的作用就是将那些重复性的、专业的流程进行打包封装。当你需要使用某种能力时，不再需要像过去那样每次都去查阅手册或重新输入冗长的提示词，而是像调用工具一样直接使用。
欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 genkit 的适配 鸿蒙Harmony 深度进阶 - 驾驭模型幻觉审计、实现鸿蒙端多维 RAG 向量对齐与端云协同 AI 指挥中心方案 前言 在前文中，我们利用 genkit 实现了基础的 AI 模型流式调用（Streaming）与 Prompt 工程。但在真正的“专业级医疗诊断辅助”、“金融量化分析报告生成”或“大型智能客服矩阵”场景中。简单的模型调用仅仅是起点。面对大模型不可避免的“幻觉（Hallucinations）”问题。面对如何在鸿蒙（OpenHarmony）端实现本地向量库（Vector Store）与云端知识库的实时同步。面对如何在不同算力的设备（从手环到大屏）上分配不同的 AI
欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 google_generative_language_api 适配鸿蒙 HarmonyOS 实战：生成式 AI 集成，构建大语言模型调度与全场景智能推理治理架构 前言 在鸿蒙（OpenHarmony）生态迈向全场景 AI 赋能、涉及高效的语义理解、自动化内容生成及严苛的端云协同智能隐私保护背景下，如何实现一套既能深度对接 Google 生成式语言模型（如 Gemini、PaLM）、又能保障异步请求高响应性且具备多模态输入处理能力的“AI 调度中枢”，已成为决定应用智能化水平与用户体验代差的关键。在鸿蒙设备这类强调分布式协同与端侧算力按需分配的环境下，如果应用依然采用低效的 REST 手写拼接，由于由于 payload 结构复杂性，极易由于由于“协议解析异常”导致鸿蒙应用在大模型推理环节发生由于由于由于由于通讯阻塞。 我们需要一种能够统一模型调用语义、支持流式（Streaming）响应且符合鸿蒙异步异步并发范式的
引言 “同样的「多模型 + 多渠道 + 记忆 + 工具」愿景，用 Rust 重写：单二进制、几 MB 内存、毫秒级启动，还能从 OpenClaw 一键迁移。” 这是"一天一个开源项目"系列的第26篇文章。今天带你了解的项目是 ZeroClaw（GitHub）。 OpenClaw（ClawdBot）是大家熟悉的 AI 助手网关：多 LLM、Telegram/Discord/飞书等多渠道、持久记忆、技能与工具，但基于 Node.js/TypeScript，运行时内存与冷启动对树莓派、低配 VPS 或边缘设备并不友好。ZeroClaw 与 OpenClaw 处于同一赛道—
目录 摘要 📅 前言：起跑与遇见 🚀 第一章：技术筑基 —— 稳扎稳打的创作历程 1.1 从Java速通到前端尝鲜 1.2 啃下C++与Linux这块硬骨头 🤖 第二章：AI破局 —— 拥抱时代的个人成长 2.1 智能体开发：站在巨人的肩膀上 2.2 AI提效编程：手搓系统的降维打击 🌟 第三章：万粉达成 —— 社区与生活的融合 3.1 突破万粉：感恩同行 3.2 博客与生活的平衡术 🔭 结语：2026，行而不辍 摘要 2024年4月敲下第一个字，2025年突破万粉大关。这一年，我从Java图形化编程的“速通”起步，在Linux终端里探索，结束C++的理论学习。更在A佬、小智佬等前辈的指引下，