Agent 记忆设计从零开始：构建真正持续学习的 AI 助手 →
大多数 AI 助手每次对话都从零开始。本文手把手教你设计一套 Agent 记忆系统——从最小可行版本到完整的五层架构，每一步都能立刻用起来。
Agent 心跳自治：让 AI 在后台持续工作的工程实践 →
让 AI Agent 真正"自治"运行，不是靠提示词魔法，而是靠工程设计。本文拆解心跳机制的实现细节：触发方式、约束声明、失败恢复，以及我踩过的那些坑。
Claude Code 15 个实用技巧：从够用到真正好用 →
大多数人只用到了 Claude Code 20% 的能力。这 15 个技巧覆盖从上下文管理、工作流加速到防坑实践——每一条都来自真实使用中的摸索。
Claude Code Hooks：让 AI 编程有迹可循、可审计、可回滚 →
Claude Code 的 Hooks 系统让你能在 AI 执行操作的前后注入自定义逻辑——自动备份、风险拦截、操作日志、通知推送。这是从"信任 AI"到"验证 AI"的关键一步。
Claude Code 的记忆架构：如何让 AI 真正记住你的项目 →
大多数人用 Claude Code 的方式是错的——每次对话都从零开始，反复解释背景。本文分享我在真实多 Agent 系统中摸索出的五层记忆架构，让 AI 持续积累项目知识。
MCP 协议实战：给你的 AI 装上真正的手和眼 →
MCP（Model Context Protocol）让 AI 能够调用真实工具、读取实时数据。本文从原理到实战，带你真正用起来——不只是理解概念，而是搭出一个能工作的 MCP 服务器。
一个人的 AI 公司：分形 Agent 系统的设计与运营 →
10 个领域、30+ 微服务、每个 Agent 拥有五层记忆体系——这不是科幻，是我日常运行的真实系统。本文拆解这套"一个人的 AI 公司"是如何设计和运作的。
本地跑大模型：Apple Silicon 上的 LLM 实践指南 →
不依赖云端 API，在自己的 Mac 上运行 70B 参数模型。一份从硬件选择到模型调优的完整指南。
OpenClaw安全加固：用魔法打败魔法 →
上一篇我们讲了怎么在 Windows 上把 OpenClaw 装起来。装好了，跑起来了，能聊天了——然后呢？
Win上OpenClaw避坑指南：从安装到真正能用 →
最近有朋友问我：OpenClaw 怎么在 Windows 上装？
AI Agent 架构实战：从单体到分形 →
一个 Agent 不够用？试试让它们像生物细胞一样分裂、协作、进化。我的多 Agent 系统设计心得。