OpenClaw Prompt上下文构建思路
glmos-code-explain 一、整体架构：分层上下文组装 OpenClaw 构建了一套完整的、分层的上下文工程体系，可以理解为一个五层叠加模型： ┌──────────────────────────────────────────────────────────┐
│ Layer 5:
OpenClaw 记忆系统
glmos-code-explain 一、系统概述 OpenClaw 的记忆系统以纯 Markdown 文件为源数据，以 SQLite（含 FTS5 全文索引 + sqlite-vec 向量索引）为检索引擎，通过工具调用（Tool Call）将检索结果注入对话上下文。整套系统实现了"人类可读存储 +
OpenClaw 安装部署记录
变更： 上个月在 NAS 上通过虚拟机方式部署了 OpenClaw ，但想体验下多 agent 场景以及更多玩法，继续在 NAS 上操作不太便捷，以及对于硬件要求会更高，这两天切换到 mac mini 上部署，后续更多实践再保持更新。 本地的 OpenClaw 工作文件和记忆文件已保持和 NAS 同
EAV、CPV、元数据三者数据模型设计区别
glmos-code-explain 一、三个模型介绍 1. EAV 模型（Entity-Attribute-Value） 核心：实体-属性-值，三表搞定一切动态字段 结构： entity：商品/用户/订单 attribute：字段名（颜色、尺寸、功率…） value：具体值（红、L、200W） 理
AI 相关技术及工具的应用认知
glmos-code-explain 一、模型介绍 1.1 模型分类 模型应用 按输入数据类型：语言模型、视觉模型、语音模型、多模态模型 按核心能力：语言模型、推理模型（OpenAI o1、o3，Anthropic Claude 3.7 Sonnet、Baichuan-M1-preview、Deep
程序员入门 AIGC
本文思想： AI、AIGC、GPT...几个专业名词是什么？有什么联系？ AI 浪潮从22年底开始变得火热，全民 AI 的时代已经到来，为何？ 程序员如何学习大模型，需要掌握什么 ？ 扫盲+使用入门为主，不知道自己不知道什么？不知道怎么用？ 一、名词概念 1.1 名词解释
技术交流
未读
Java 之 CompletableFuture 使用
一、 CompletableFuture 介绍 日常开发中经常会遇到一个接口中有多个方法的调用（ RPC 服务或者存储介质），我们必然会想提升接口性能，在 JDK1.8 之前大都使用线程池结合 Future 进行并行调用。Future 用于异步计算，如果要减少阻塞一般会使用回调的方式，大量的回调代码