很久没更新 最近沉下来想了很多事情 做了一些事情
真挚地想请问各位 使用AI类产品这么久 真的没有遇到什么注意力涣散的现象吗
我愈发觉得我自己也掉进了一个怪圈、怪循环
应当是AI帮你更快解决某些事,而非帮你做更多事情…
3
359
最近在干啥?!
最近和🦞产出了一些好东西 比如AgentFarm(灵感来自@YuLin807 ) 再比如Out-Of-Claw 一个让你的龙虾可以蜕壳 拥有强大的OpenClaw的功能而不被OpenClaw束缚的Personalized AI Runtime
至于为什么不更新…还有75天高考…太忙了
8
4
433
新一期的安利帖来了 OpenClaw最灵活也最丝滑的记忆系统 欢迎各位实测完与我交流
具体设计理念:teapawt.org/loryoncloud/status/202…
#ClaudeCode #OpenClaw #AI
安利帖——让龙虾的记忆像树一样生长:解决手动迭代和记忆混乱的痛点
相信很多朋友用OpenClaw时都遇到过这种场景:按照大佬们的教程搭了一堆架构,三层记忆、异步任务啥的,结果打开文件夹一看,全是空壳!龙虾根本不会主动往里写东西。你精心设计的骨架,就这么白搭了。或者,你发现龙虾犯了同样的错误N次,你手动加规则、骂它一顿,它表面答应,下次该犯还犯。记忆文件越来越乱,只进不出,噪声堆积,信噪比直线下降...
操。。这不就是每天在帮它手动迭代吗?太累了!今天安利一个能丝滑解决这些问题的开源项目——Memory-Like-A-Tree(作者就是我嘿嘿😈)。这个项目灵感来自大自然,用“树”的比喻给记忆加了生命属性。不像传统文件存储那样死板堆积,而是让知识像树叶一样自然生长、凋零和循环。
你不用天天手动干预,龙虾自己就能处理迭代。核心机制是置信度驱动的生命周期:每条知识像树叶,从初始0.5置信度开始,被搜索或引用就加分变绿(+0.03/+0.08),久不用就衰减变黄(每天-0.004到-0.008,根据P0-P2优先级)。龙虾定时跑脚本,自动索引新知识、凋零旧的——低置信度的叶子要么随风而去彻底遗忘,要么落叶归根,提取精华滋养新芽。我们把“遗忘”这个看起来Bug的属性做成了Feature,能帮你区分真正重要的记忆,避免噪声泛滥。
它还完美兼容三层记忆结构、可以和@YuLin801 的Async-Issue-Manager等联动,定期归档减少混乱。实测在13个Agent团队中,记忆从一团乱麻变成自然循环。假如你是ClaudeCode用户,也能经过小的修改后适用于Obsidian的知识库整理。
这是我目前开发和用过的记忆系统里体验最好的了,没有之一。这才是解决实质性问题的项目!给你的AI Agent加点生命,让它学会遗忘与重生。非常值得一试!快复制这篇推文的链接,让你的Agent读一下,然后种下一棵记忆树,探索更智能的迭代吧!
GitHub:github.com/loryoncloud/Memor…
原文链接:teapawt.org/loryoncloud/status/202…
2
825
#ClaudeCode #OpenClaw #AI
安利帖——让龙虾的记忆像树一样生长:解决手动迭代和记忆混乱的痛点
相信很多朋友用OpenClaw时都遇到过这种场景:按照大佬们的教程搭了一堆架构,三层记忆、异步任务啥的,结果打开文件夹一看,全是空壳!龙虾根本不会主动往里写东西。你精心设计的骨架,就这么白搭了。或者,你发现龙虾犯了同样的错误N次,你手动加规则、骂它一顿,它表面答应,下次该犯还犯。记忆文件越来越乱,只进不出,噪声堆积,信噪比直线下降...
操。。这不就是每天在帮它手动迭代吗?太累了!今天安利一个能丝滑解决这些问题的开源项目——Memory-Like-A-Tree(作者就是我嘿嘿😈)。这个项目灵感来自大自然,用“树”的比喻给记忆加了生命属性。不像传统文件存储那样死板堆积,而是让知识像树叶一样自然生长、凋零和循环。
你不用天天手动干预,龙虾自己就能处理迭代。核心机制是置信度驱动的生命周期:每条知识像树叶,从初始0.5置信度开始,被搜索或引用就加分变绿(+0.03/+0.08),久不用就衰减变黄(每天-0.004到-0.008,根据P0-P2优先级)。龙虾定时跑脚本,自动索引新知识、凋零旧的——低置信度的叶子要么随风而去彻底遗忘,要么落叶归根,提取精华滋养新芽。我们把“遗忘”这个看起来Bug的属性做成了Feature,能帮你区分真正重要的记忆,避免噪声泛滥。
它还完美兼容三层记忆结构、可以和@YuLin801 的Async-Issue-Manager等联动,定期归档减少混乱。实测在13个Agent团队中,记忆从一团乱麻变成自然循环。假如你是ClaudeCode用户,也能经过小的修改后适用于Obsidian的知识库整理。
这是我目前开发和用过的记忆系统里体验最好的了,没有之一。这才是解决实质性问题的项目!给你的AI Agent加点生命,让它学会遗忘与重生。非常值得一试!快复制这篇推文的链接,让你的Agent读一下,然后种下一棵记忆树,探索更智能的迭代吧!
GitHub:github.com/loryoncloud/Memor…
原文链接:teapawt.org/loryoncloud/status/202…
#OpenClaw #AI #ClaudeCode
安利帖——让你的龙虾瞬间刷上推:x-tweet-fetcher 一行命令抓X推文+评论+时间线等,最重要的是无需登录/无需API key
相信很多朋友让龙虾读X帖子时都遇到过以下这个场景:
“你去读一下loryoncloud的这篇推文teapawt.org/loryoncloud/status/203… 优化一下你的心跳功能”
10s过后...“抱歉,我无法直接读取X上的推文。但是你可以把具体内容手动复制给我,或是截图给我,我可以再做分析...”
“操。。”
今天安利一个能丝滑解决你的龙虾读不了x上内容的插件——x-tweet-fetcher(作者@YuLin807 )相较于很多其他上网搜索的插件而言,这个插件轻量但专精。
轻量在于:无需API、无需OAuth、无需任何多余繁琐的首次认证或登录,龙虾可以直接用!很多其他插件都需要首次登录或者是注册平台账号等等,但这个不用!对于你需要的内容,只用甩一个链接就完事!
专精在于:
1. 普通推文+互动数据全拿。文字、图片、视频、点赞/转发/浏览量、引用推文,一键搞定(基于FxTwitter公用API,稳得一批)
2. 回复线程/楼中楼 + X长文全文 + 时间线/列表抓取
支持翻页、去重、转推自动分离(Camofox加持后,评论区也能完美解析,楼中楼都不放过)
3. 可以实时监控有谁@ mention了你,配合cron的定时任务,可以做到分钟级的推送,并可以帮你分析内容,生成潜在的回复或与你讨论ta的想法等等。
实测下来,让龙虾自动盯x mentions、分析任意X列表、读长文都能很丝滑的完成。更重要的是……token省5-10倍,响应速度起飞!以前要烧半小时的内容,现在几秒搞定。非常值得一试!而且作者就在x上,仍在保持更新和开扩功能等,是我用过x相关的插件里使用体验最好的了,没有之一。
GitHub:github.com/ythx-101/x-tweet-…
我去 这提升居然这么显著😦这是我没想到的…
#ClaudeCode #LLM #OpenClaw
难得的安利帖:让你的Token减少、并发相应更快的神器——oMLX(仅苹果M系列芯片可用)
oMLX是专为Apple Silicon设计的开源MLX推理服务器,核心突破在于用SSD分页缓存解决了Mac跑本地大模型的致命痛点。传统工具如LM Studio在处理OpenClaw这类调用工具频繁的套壳时,每次都要重新计算20k+ token的系统提示词(相当于重读一篇万字长文)
它真正的创新在于:
1. 分层缓存架构:热数据存RAM,冷数据存SSD(按LRU策略),让16G内存的Mac Mini也能跑多开
2. 智能前缀缓存:相同系统提示词只存一份,不同用户会话共享基础缓存
3. 分页缓存技术:将提示词拆解存储,动态内容变更时只需重算变动部分
实测数据显示,它能将OpenClaw的响应速度提升5-10倍,且支持8倍并发。菜单栏就能直接管理,而且用起来还算丝滑。如果能把这个东西用好或者让龙虾改一改提高在自己身上的适应性,我觉得一定会带来更棒的使用体验的,尤其是多龙虾/Agents Team的用户应该能解决高并发响应慢的问题。
Github:github.com/jundot/omlx
#ClaudeCode #OpenClaw #AI
这个开源项目聚焦如何让你的Agent/龙虾无缝衔接任意你使用的软件——通过把软件的UI控制变为Agent/龙虾可使用明白的Cli命令行,相当大程度地解决了很多朋友说装了龙虾不知道能帮自己干什么或者帮不了自己干什么的窘境。值得一试。
没想到安利帖流量都不错😂以后可能多挖掘点小众神器哈哈 高三上下学路上就能更新
#ClaudeCode #OpenClaw #AI
安利帖——如何让你的龙虾/Agent无缝衔接到你所使用的任何软件?
很多朋友安装部署龙虾是为了能够帮自己干活,但真正实操下来发现龙虾并不会使用自己干活的软件,于是尬住。。
这个开源项目解决了这个难题——自动给任何软件生成一套Agent能用的命令行工具。简单来说,你只需要给它一个软件名称(最多一个安装路径),它就会自动分析源码,映射GUI操作到后端API,设计命令结构、状态模型,生成完整的Click CLI命令行最后打包发布。最后交还给你一个Agent能丝滑使用的命令行,你只需发布指令,你的龙虾/Agent就能丝滑帮你完成工作。
从简介来看,这个开源项目已经跑通了微信、飞书、Blender、OBS Studio等一系列软件,非常值得一试!
这个开源项目不仅优化了软件使用体验,而且相较于以往一次次分析截图再操作来说,这巨省token!传一段JSON比传一张截图便宜多了,响应快10倍不是梦。比Api更底层、比Gui更可靠。需要龙虾帮忙盯盘的朋友们可以试试生成一份同花顺的Cli包给Agent用,应该会有奇效!
假如你是ClaudeCode用户,也是可以直接适用的!这才是解决实质性问题的项目,给AI接上现实世界的手脚!快复制这篇推文的链接,让你的Agent用x-tweet-fetcher读一下,然后探索人类世界的万千软件吧!
GitHub:github.com/HKUDS/CLI-Anythin…
3
729
上一篇安利帖流量不错 今天发现了一个十分炸裂的新玩意 可以让你的龙虾/Agent无缝衔接任意软件 推荐给大家
#ClaudeCode #OpenClaw #AI
安利帖——如何让你的龙虾/Agent无缝衔接到你所使用的任何软件?
很多朋友安装部署龙虾是为了能够帮自己干活,但真正实操下来发现龙虾并不会使用自己干活的软件,于是尬住。。
这个开源项目解决了这个难题——自动给任何软件生成一套Agent能用的命令行工具。简单来说,你只需要给它一个软件名称(最多一个安装路径),它就会自动分析源码,映射GUI操作到后端API,设计命令结构、状态模型,生成完整的Click CLI命令行最后打包发布。最后交还给你一个Agent能丝滑使用的命令行,你只需发布指令,你的龙虾/Agent就能丝滑帮你完成工作。
从简介来看,这个开源项目已经跑通了微信、飞书、Blender、OBS Studio等一系列软件,非常值得一试!
这个开源项目不仅优化了软件使用体验,而且相较于以往一次次分析截图再操作来说,这巨省token!传一段JSON比传一张截图便宜多了,响应快10倍不是梦。比Api更底层、比Gui更可靠。需要龙虾帮忙盯盘的朋友们可以试试生成一份同花顺的Cli包给Agent用,应该会有奇效!
假如你是ClaudeCode用户,也是可以直接适用的!这才是解决实质性问题的项目,给AI接上现实世界的手脚!快复制这篇推文的链接,让你的Agent用x-tweet-fetcher读一下,然后探索人类世界的万千软件吧!
GitHub:github.com/HKUDS/CLI-Anythin…
493
#ClaudeCode #OpenClaw #AI
安利帖——如何让你的龙虾/Agent无缝衔接到你所使用的任何软件?
很多朋友安装部署龙虾是为了能够帮自己干活,但真正实操下来发现龙虾并不会使用自己干活的软件,于是尬住。。
这个开源项目解决了这个难题——自动给任何软件生成一套Agent能用的命令行工具。简单来说,你只需要给它一个软件名称(最多一个安装路径),它就会自动分析源码,映射GUI操作到后端API,设计命令结构、状态模型,生成完整的Click CLI命令行最后打包发布。最后交还给你一个Agent能丝滑使用的命令行,你只需发布指令,你的龙虾/Agent就能丝滑帮你完成工作。
从简介来看,这个开源项目已经跑通了微信、飞书、Blender、OBS Studio等一系列软件,非常值得一试!
这个开源项目不仅优化了软件使用体验,而且相较于以往一次次分析截图再操作来说,这巨省token!传一段JSON比传一张截图便宜多了,响应快10倍不是梦。比Api更底层、比Gui更可靠。需要龙虾帮忙盯盘的朋友们可以试试生成一份同花顺的Cli包给Agent用,应该会有奇效!
假如你是ClaudeCode用户,也是可以直接适用的!这才是解决实质性问题的项目,给AI接上现实世界的手脚!快复制这篇推文的链接,让你的Agent用x-tweet-fetcher读一下,然后探索人类世界的万千软件吧!
GitHub:github.com/HKUDS/CLI-Anythin…
#ClaudeCode #OpenClaw #LLM
这个oMLX还有一个很棒的功能:帮你分层级更换Claude Code的模型
很多朋友自己本地部署了大模型 但是卡在接进ClaudeCode这一步 oMLX可以自动检测已有本地大模型 帮你分层级调用 而且会帮你生成好相应的启动指令(见图)
非常棒的产品 省去了不少麻烦事
#ClaudeCode #LLM #OpenClaw
难得的安利帖:让你的Token减少、并发相应更快的神器——oMLX(仅苹果M系列芯片可用)
oMLX是专为Apple Silicon设计的开源MLX推理服务器,核心突破在于用SSD分页缓存解决了Mac跑本地大模型的致命痛点。传统工具如LM Studio在处理OpenClaw这类调用工具频繁的套壳时,每次都要重新计算20k+ token的系统提示词(相当于重读一篇万字长文)
它真正的创新在于:
1. 分层缓存架构:热数据存RAM,冷数据存SSD(按LRU策略),让16G内存的Mac Mini也能跑多开
2. 智能前缀缓存:相同系统提示词只存一份,不同用户会话共享基础缓存
3. 分页缓存技术:将提示词拆解存储,动态内容变更时只需重算变动部分
实测数据显示,它能将OpenClaw的响应速度提升5-10倍,且支持8倍并发。菜单栏就能直接管理,而且用起来还算丝滑。如果能把这个东西用好或者让龙虾改一改提高在自己身上的适应性,我觉得一定会带来更棒的使用体验的,尤其是多龙虾/Agents Team的用户应该能解决高并发响应慢的问题。
Github:github.com/jundot/omlx
我操大佬又发力了 这个搜索技能几乎是万能的了 龙虾就此接上一双能看互联网的眼睛哈哈哈
#openclaw #clawdbot
我来把这个坑填上吧!
下午说要把搜索外脑接进龙虾生态,晚上就做完了。
最终方案没用 Perplexica 全家桶,而是只取其中最核心的一层:SearxNG(聚合搜索引擎)。
为什么?
LLM 叠 LLM 是反模式。Perplexica 的链路是:搜索 → 小模型总结 → 返回给你。但你的龙虾本身就是大模型,让一个小模型帮它预消化信息,等于让实习生帮主刀医生看片子。
正确的做法:SearxNG 毫秒级返回原始搜索结果(title + URL + snippet),龙虾自己判断哪条值得深入,需要时再 web_fetch 下钻全文。
适配:OpenClaw Claude Code Antigravity MCP
零 API key、零成本、全隐私。聚合 Google + Brave + DuckDuckGo + Wikipedia 等 70+ 源。
README 里还写了反爬实战经验——Reddit/知乎这种反爬到变态的网站怎么绕,含 SOCKS 代理方案和 systemd 模板。
链接在评论区!
--------------------------------
我现在越来越用龙虾呢就发现 本地党才是最合适的环境,为啥呢?这套方案我刚才测试 本地的CC抓知乎全文可娴熟了我会贴个图给大家看下,但是 vps 上的反爬太严重了!
知乎原文:《极速登顶全球第一 OpenClaw,能干啥?》
#ClaudeCode #LLM #OpenClaw
难得的安利帖:让你的Token减少、并发相应更快的神器——oMLX(仅苹果M系列芯片可用)
oMLX是专为Apple Silicon设计的开源MLX推理服务器,核心突破在于用SSD分页缓存解决了Mac跑本地大模型的致命痛点。传统工具如LM Studio在处理OpenClaw这类调用工具频繁的套壳时,每次都要重新计算20k+ token的系统提示词(相当于重读一篇万字长文)
它真正的创新在于:
1. 分层缓存架构:热数据存RAM,冷数据存SSD(按LRU策略),让16G内存的Mac Mini也能跑多开
2. 智能前缀缓存:相同系统提示词只存一份,不同用户会话共享基础缓存
3. 分页缓存技术:将提示词拆解存储,动态内容变更时只需重算变动部分
实测数据显示,它能将OpenClaw的响应速度提升5-10倍,且支持8倍并发。菜单栏就能直接管理,而且用起来还算丝滑。如果能把这个东西用好或者让龙虾改一改提高在自己身上的适应性,我觉得一定会带来更棒的使用体验的,尤其是多龙虾/Agents Team的用户应该能解决高并发响应慢的问题。
Github:github.com/jundot/omlx











