当前位置: 首页 > article >正文

从 LLM 到 OpenClaw:七步看懂 Prompt、Memory、MCP、Skills、Agent

从 LLM 到 OpenClaw七步看懂 Prompt、Memory、MCP、Skills、Agent这两年 AI 术语越来越多LLM、MCP、Agent、Skills、OpenClaw。如果你不是技术背景第一次看到这串词基本都会懵。下面我用一个统一场景来讲把 AI 当成一个“数字员工”你一步步给它补能力。你可能见过这种反差同样是用 AI有人一句话就能让它查资料、排计划、连工具执行而你这边得到的往往只是一段“看起来对、但用不上”的回答。差别通常不在你“会不会提问”而在于你有没有看清这 7 个概念各自负责哪一层能力。第一步LLM大语言模型LLM 可以理解成语言引擎。你给它一段文本它根据训练数据预测下一个词。能力上它能写、能改、能总结也能处理不少推理任务。但它默认有三个限制不知道实时信息不能直接操作外部系统对话结束后不会长期记住你旅行规划例子你问它“周末去哪玩”它会给你一些常见推荐但不知道你预算是 500 还是 5000也不知道周末天气更不知道你上周刚去过杭州。第二步Prompt提示词Prompt 就是你给 LLM 的输入。同一个模型输入方式不一样结果会差很多。相比“帮我做旅行计划”这种泛指令更有效的是把约束讲清预算、出发地、饮食偏好、时间安排、不能接受的选项。旅行规划例子把问题改成“我吃素预算 1000 元周末两天从上海出发不爬山想找安静一点的地方。”这时建议会明显收敛结果通常更可用。第三步Memory记忆单次对话里的上下文可以看作短期记忆把用户偏好存到数据库是长期记忆。有了长期记忆后AI 才能在下一次对话里延续你之前的偏好而不是每次都从头问一遍。旅行规划例子如果系统记住你长期偏好“吃素、预算约 1000、不喜欢人挤人”你下次只说“帮我安排五一短途”它就能直接给出更贴近你的方案。第四步MCP模型上下文协议MCP 是 Anthropic 提出的开放协议用来标准化“AI 连接外部工具”的方式。没有统一协议时每接一个系统都要单独写一套对接代码。用了 MCP 后AI 接日历、文件、数据库、内部 API 的流程可以统一迁移和维护都更省事。旅行规划例子接了 MCP 之后AI 才能真的做事读你的日历避开冲突时间查实时天气避免踩雷查票务和价格给出可执行方案第五步Agent智能体可以把 Agent 理解成“会分解任务并执行闭环”的系统。常见组成是LLM理解和生成Memory记住用户和上下文规划能力拆任务和排序工具调用真正执行旅行规划例子你说一句“帮我安排这周末苏州行”。Agent 会自己走完整流程检查日历、比较车次、筛选餐厅、生成行程必要时回头调整而不是只回复一段建议文本。第六步Skills技能这里最容易混淆的是 Tools 和 SkillsTools 是单个能力比如“订票”“发邮件”Skills 是流程模板规定“先做什么再做什么”很多系统里Skill 往往就是一份 Markdown 说明里面写清楚某类任务的执行步骤和检查点。旅行规划例子只有订票工具时AI 可能直接下单。有旅行 Skill 时它会先确认预算和时间窗口再给候选方案、等你确认后执行并在执行后回传行程单。第七步OpenClawOpenClaw 是在本地运行的 AI 助手。它可以把聊天入口如微信、Telegram 等和模型、工具层连接起来。你可以把它看成一个网关前面接消息入口后面接 LLM 与 MCP 工具核心逻辑在你自己的机器上跑它受欢迎的点很实际本地部署、可连接真实工作流、可跨平台触发。风险也同样实际如果它拿到了文件、终端或账号权限安全边界就必须认真做。权限给多少、怎么隔离、日志怎么审计这些都不能省。旅行规划例子你在手机上发一句“周末帮我安排个短途。”系统在家里电脑上完成查询、规划和下单再把结果回到聊天窗口。体验很顺但前提是你已经把权限控制和安全策略配好。总结一张对照表就够了LLM会理解和生成文本Prompt你如何下达任务Memory系统如何记住你MCP系统如何接外部工具Agent系统如何自动拆解并执行Skills系统按什么流程做事OpenClaw把这些能力落到本地可用的一层如果你刚入门先抓住一句话LLM 负责“会说”MCP 和 Tools 让它“能做”Memory、Skills、Agent 决定它“做得稳不稳”OpenClaw 则是把整套能力装到你自己的环境里。往期文章【CLAUDE.md 完全指南让 AI 记住你的项目】 https://blog.csdn.net/qq_28299919/article/details/159659294【Claude Code越用越贵5个技巧让成本降70%】 https://blog.csdn.net/qq_28299919/article/details/159775289【从对话到执行一文读懂AI Coding Agent的底层原理】 https://blog.csdn.net/qq_28299919/article/details/159620737【用这套“AI-Native 面试官手册“给自己打分你在 AI 时代有竞争力吗】 https://blog.csdn.net/qq_28299919/article/details/159758251【axios 被投毒了你的小龙虾可能已经中招你却不知道】 https://blog.csdn.net/qq_28299919/article/details/159726666

相关文章:

从 LLM 到 OpenClaw:七步看懂 Prompt、Memory、MCP、Skills、Agent

从 LLM 到 OpenClaw:七步看懂 Prompt、Memory、MCP、Skills、Agent 这两年 AI 术语越来越多:LLM、MCP、Agent、Skills、OpenClaw。 如果你不是技术背景,第一次看到这串词,基本都会懵。下面我用一个统一场景来讲:把 AI…...

A89306电机控制器驱动库:SPI寄存器级控制与FOC系统集成

1. A89306电机控制器驱动库技术解析与工程实践1.1 芯片定位与系统角色A89306是由Allegro MicroSystems推出的高集成度三相无刷直流(BLDC)电机控制器专用IC,面向中高端工业驱动与精密运动控制场景。该芯片并非通用MCU,而是集成了栅…...

002、零基础搭建你的第一个AI开发环境

昨天帮隔壁组实习生看代码,小伙子对着屏幕发愁:“环境都跑不起来,一训练就报cuda版本不匹配。”我凑过去一看,好家伙,系统里装了三个Python版本,conda环境混着pip装,torch版本和cuda差了两位小数…...

Arduino嵌入式多设备协同控制模板

1. 项目概述“TongHopThuVienCon1”(越南语,意为“子库集成1号”)并非一个独立功能完备的嵌入式开源库,而是一个面向Arduino平台的工程模板项目(Arduino_Project_Template)。其核心价值不在于提供特定外设驱…...

百度飞桨PaddleOCR图片印章检测技术简介

百度飞桨PaddleOCR图片印章检测技术简介 全文链接 百度飞桨PaddleOCR图片印章检测技术简介 github仓库:使用PaddleOCR识别图片红色印章文字 red-seal-ocr 3.X和2.X区别较大,建议使用3.X版本。 PaddleX简介 PaddleX github地址PaddleX模型产线使用概览…...

嵌入式与单片机:核心概念与开发实战解析

1. 嵌入式与单片机:从概念到实战的全面解析作为一名在嵌入式领域摸爬滚打多年的工程师,我经常被问到这样一个问题:"单片机不就是嵌入式吗?"这个问题看似简单,却反映了初学者对这两个概念的普遍困惑。今天&am…...

C语言实现进程调度算法:优先级与时间片轮转

1. 项目概述在嵌入式系统和操作系统开发中,进程调度是一个核心概念。今天我要分享的是如何在C语言中实现一个简单的程序调度机制,重点讲解高优先数调度算法和先来先服务算法的实现。这个项目非常适合想要深入理解操作系统底层原理的开发者,特…...

ESP32开发板变身万能协议分析仪

1. ESP32开发板的隐藏潜力:从物联网到万能协议分析仪当大多数人拿到ESP32开发板时,第一反应都是用它来做物联网项目。确实,这款集成了Wi-Fi和蓝牙功能的微控制器在智能家居、远程监控等领域表现出色。但今天我要告诉你的是,ESP32的…...

告别卡顿:在Windows10上通过QEMU与WHPX硬件加速高效部署Ubuntu20.04开发环境

1. 为什么选择QEMUWHPX方案? 很多开发者都遇到过这样的困境:在Windows系统上运行Linux虚拟机时,要么性能拉胯到让人抓狂,要么配置复杂得让人望而却步。我之前用VMware跑Ubuntu时,光是开个浏览器就能让CPU飙到100%&…...

OpenClaw安全实践:千问3.5-27B私有化部署下的权限管控

OpenClaw安全实践:千问3.5-27B私有化部署下的权限管控 1. 为什么需要关注OpenClaw的安全配置? 去年我在尝试用OpenClaw自动整理财务报表时,差点酿成一场灾难。当时我的脚本误将未加密的财务数据同步到了公开目录,幸亏及时发现。…...

信号量实战:多进程协同操作有限缓冲区的伪代码精解

1. 信号量机制与生产者-消费者模型 想象一下餐厅后厨的场景:厨师(生产者)不断制作菜品,服务员(消费者)将菜品端给顾客。如果厨师做菜太快,服务员来不及端走,菜品就会堆积&#xff1b…...

2025届必备的六大降重复率助手横评

Ai论文网站排名(开题报告、文献综述、降aigc率、降重综合对比) TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 纵然人工智能辅助毕业论文写作现如今已然成为一种学术方面的新常态,可是却需要去…...

Android音频开发避坑指南:用OboeTester的Device Report快速排查耳机兼容性问题

Android音频开发实战:用OboeTester精准诊断耳机兼容性问题 当你在星巴克掏出Type-C耳机准备调试刚写完的音频播放代码,却发现设备死活不出声——这种崩溃瞬间每个Android音频开发者都经历过。数字耳机兼容性问题就像薛定谔的猫,不到实际连接那…...

P6 v24.12 新功能实战:如何用‘基线预览’和‘取消链接’高效管理项目变更?

P6 v24.12 新功能实战:如何用‘基线预览’和‘取消链接’高效管理项目变更? 在复杂工程项目管理中,计划变更如同家常便饭。每次设计调整、资源变动或进度延误,都可能引发连锁反应。传统做法中,项目经理往往需要反复试…...

从一次深夜停电抢修说起:聊聊馈线自动化(FA)如何把故障恢复时间从小时级压到分钟级

从深夜抢修到智能自愈:馈线自动化如何重塑电网韧性 凌晨2点17分,某城市核心商圈突然陷入黑暗。传统配电网时代,这样的故障意味着至少3小时的停电——从人工报修、巡线排查到隔离修复,每一步都依赖人力响应。但此刻,调度…...

深入解析epoll:高并发网络编程核心技术

1. 理解高并发场景下的网络通信挑战在现代网络服务中,处理大量并发连接是一个常见需求。想象一个即时通讯服务器需要同时维持上百万用户的TCP连接,但实际活跃用户(正在收发消息的)可能只有几百个。传统做法如select/poll需要每次将…...

ILI9163C SPI TFT驱动库深度解析与嵌入式优化实践

1. TFT_ILI9163C 驱动库深度解析:面向嵌入式系统的高性能SPI TFT显示方案1.1 项目定位与工程价值TFT_ILI9163C 是一款专为嵌入式平台优化的高性能 SPI TFT 显示驱动库,核心目标是在资源受限的微控制器上实现接近硬件极限的图形刷新吞吐量。其设计哲学并非…...

无障碍阅读助手:OpenClaw+Phi-3-vision-128k-instruct实时解析复杂图表

无障碍阅读助手:OpenClawPhi-3-vision-128k-instruct实时解析复杂图表 1. 为什么需要图表无障碍解析工具 去年帮一位视障朋友准备资格考试时,我深刻体会到技术文档中的图表是如何成为"信息黑洞"的。当他用屏幕阅读器听到"参见图3"…...

OpenClaw多模型切换:Qwen2.5-VL-7B与文本模型协同工作

OpenClaw多模型切换:Qwen2.5-VL-7B与文本模型协同工作 1. 为什么需要多模型协同 去年夏天,当我第一次尝试用OpenClaw自动化处理团队的知识库文档时,遇到了一个棘手的问题:有些文档包含大量截图和图表说明,而纯文本模…...

嵌入式系统引导程序uboot原理与应用详解

1. 为什么嵌入式系统需要uboot1.1 计算机系统启动的基本原理任何计算机系统启动时都需要一个引导程序来完成硬件初始化和操作系统加载的工作。无论是PC机还是嵌入式设备,这个基本原理都是相通的。在PC架构中,这个引导程序叫做BIOS(基本输入输…...

OpenClaw调试技巧:Gemma-3-12b-it任务失败的根本原因分析

OpenClaw调试技巧:Gemma-3-12b-it任务失败的根本原因分析 1. 问题背景与现象描述 上周我在本地部署了Gemma-3-12b-it模型,准备用OpenClaw实现自动化周报生成。结果连续三次任务都在"分析本周工作内容"环节卡住,控制台只显示Task …...

电子电路设计中7种关键接口技术解析与应用

1. 电路接口概述:信号传输的关键桥梁在嵌入式系统和电子电路设计中,接口技术就像城市之间的高速公路系统。当CPU需要与传感器"对话",当存储器要与处理器"交换情报",这些不同模块之间的信号传输总会面临三大挑…...

Hailuo 视频生成 API 使用指南

简介 在当今数字化时代,视频内容的需求日益增长。Ace Data Cloud 的 Hailuo 视频生成 API 提供了强大的文本转语音功能,支持多种语言和音调切换,能够轻松生成高质量的视频内容。无论是教育、营销还是娱乐领域,这款 API 都能为您提…...

Linux栈机制解析:从原理到实践应用

1. Linux中的栈机制概述在计算机系统中,栈(stack)是一种后进先出(LIFO)的数据结构,它不仅在软件层面有着广泛应用,在硬件层面也扮演着关键角色。大多数处理器架构都实现了硬件栈,有专门的栈指针寄存器和特定的硬件指令来完成入栈/…...

特征精炼残差改进YOLOv26多层卷积与恒等映射协同优化突破

特征精炼残差改进YOLOv26多层卷积与恒等映射协同优化突破 引言 在目标检测领域,特征表示的质量直接决定了模型的检测性能。传统的卷积神经网络在特征提取过程中往往面临着特征退化、信息丢失等问题。为了解决这些挑战,本文提出了一种基于特征精炼残差模…...

网络基础面试题:简单谈谈你对CDN的理解?原理+流程图+通俗讲解

网络基础面试题:简单谈谈你对CDN的理解?原理流程图通俗讲解一、前言二、CDN 是什么?(一句话核心)三、为什么要用 CDN?四、CDN 工作流程图(最清晰)五、CDN 工作步骤(简单 …...

网络基础必问:简单谈谈你对DNS的理解?原理+流程图+通俗讲解

网络基础必问:简单谈谈你对DNS的理解?原理流程图通俗讲解一、前言二、DNS 是什么?(一句话核心)三、为什么需要 DNS?四、DNS 完整工作流程图(最清晰)五、DNS 解析步骤(简单…...

STM32一键下载电路设计与实现

1. STM32一键下载电路解析作为一名嵌入式开发者,我深知每次烧录程序都要手动切换BOOT0和复位键的痛苦。正点原子的这个一键下载电路设计确实巧妙,让我们来深入剖析它的工作原理。这个电路的核心在于利用CH340芯片的DTR#和RTS#信号,通过三极管…...

OpenClaw浏览器自动化:Qwen3-14b_int4_awq驱动网页检索与数据抓取

OpenClaw浏览器自动化:Qwen3-14b_int4_awq驱动网页检索与数据抓取 1. 为什么需要浏览器自动化助手 作为一个经常需要收集行业动态的技术博主,我每天要花大量时间在不同网站间切换、搜索关键词、复制粘贴数据。这种重复劳动不仅效率低下,还容…...

OpenClaw文件自动化实战:Phi-3-mini-128k-instruct实现智能归档

OpenClaw文件自动化实战:Phi-3-mini-128k-instruct实现智能归档 1. 为什么需要智能文件归档 我的桌面和下载文件夹常年处于"灾难现场"状态——各种PDF、Word文档、截图混杂在一起,文件名要么是随机生成的乱码,要么是随手输入的&q…...