张雪随笔
张雪随笔

7.AI项目

AI项目开源社区

  1. AI Agent / Coding Agent 社区
  2. 大模型 / 模型社区
    • Hugging Face：全球最大的开源 AI 模型社区，提供模型、数据集与在线 Demo。官网：https://huggingface.co
    • ModelScope（魔搭社区）：阿里推出的中文 AI 模型社区，聚焦国产模型与 AI 应用。官网：https://modelscope.cn
    • Ollama：本地运行大模型的热门项目，支持 DeepSeek、Qwen、Llama 等模型。开源地址：https://github.com/ollama/ollama
    • OpenCSG：国产开源 AI 模型与数据集社区，支持模型共享与协作。官网：https://opencsg.com
  3. AI 推理 / Infra 社区
  4. AI 开发工具 / WebUI 社区
  5. AI 论文 / 学术社区
    • arXiv：全球最大的 AI 论文发布平台，很多前沿 AI 技术首先发布于此。官网：https://arxiv.org
    • Papers With Code：结合论文与开源代码的平台，支持 SOTA Benchmark 查询。官网：https://paperswithcode.com
    • OpenReview：机器学习顶会（ICLR、NeurIPS 等）论文评审平台。官网：https://openreview.net
  6. AI 开源综合社区
  7. AI 技术讨论社区

平台

智谱

自动化工具

  • OpenClaw：是一款本地优先、可自托管、开源的 AI 自主代理（Agent）执行引擎，核心是让 AI 从 "只会聊天" 变成 "能动手干活" 的数字助理。 官网：https://docs.openclaw.ai/
  • Hermes。本质上是一套包裹在大模型外部的"全链路工程化控制系统"。是真正实现agent的工程化、规模化、产业化。一次性解决沙箱、长会话、权限、恢复、追踪等问题。

OpenClaw

  • OpenClaw Zero Token 是基于 OpenClaw 的一个分支版本。通过浏览器自动化技术，模拟你在网页端的登录状态，直接调用各平台的 Web 接口，完全绕过了付费 API 机制。 目前支持 ChatGPT、Claude、Gemini 等 12 个 AI 平台。最有意思的是 AskOnce 功能，一次提问同时发给多个模型，然后你可以对比各家回复，选最好的那个用。 https://github.com/linuxhsj/openclaw-zero-token
  • 国内各大厂都在集成openClaw，例如百度、阿里、腾讯等。

Hermes

Hermes是一层"控制 + 组织 + 评估"模型行为的工程框架

它解决的核心问题是： 模型本身不稳定，但系统必须稳定

hermes-hud：是给Hermes增加一块仪表盘，把平时藏在里面的状态拆开来给你看。 https://github.com/joeynyc/hermes-hud

对比

二者同属开源本地 AI 智能体，但OpenClaw 是 "靠人喂技能的可控管家"，Hermes 是 "自己会长大的自主助手"，设计理念与使用逻辑完全不同。

一、核心定位（本质分野）

  • OpenClaw：网关型可控 AI 智能体，定位是多平台消息中枢、AI 执行管家，主打连接、路由、严格管控，像按规则办事的专职管家。
  • Hermes：自进化型 AI 智能体，定位是任务执行引擎，主打自主学习、自我优化，像会成长的智能学徒。

二、关键能力差异

  1. 技能生成逻辑
    • OpenClaw：人工投喂 / 预定义，能力全靠插件、手动配置，不主动生成新技能。
    • Hermes：运行时自动生成，完成任务后自动复盘、提炼技能并持久化，越用越强。
  2. 记忆与成长
    • OpenClaw：无持久自进化记忆，用完即止，能力不随使用时长提升。
    • Hermes：跨会话持久记忆，持续沉淀用户习惯与任务经验，自适应适配用户 workflow。
  3. 架构侧重
    • OpenClaw：网关优先，中心化调度，强稳定性、确定性，适合标准化流程。
    • Hermes：学习优先，自主运行闭环，适配复杂 / 未知任务，弱化人工配置。

三、适用场景

  • OpenClaw：轻量自动化、代码生成、多聊天平台整合，新手友好、个人 / 小型场景易用。
  • Hermes：通用复杂任务、长期自适应工作流，需要 AI 自主进化的场景更适配。

自我进化能力

设计哲学。

  1. OpenClaw 的设计理念是 "安全、稳定、合规优先"，像一个严格按照标准流程办事的"合规执行官"。其自我进化机制更侧重于在受控和安全的前提下，通过修改规则文件和安装技能来扩展能力。
  2. Hermes 的设计理念是 "学习、进化、灵活优先"，像一个能从经验中不断总结、越用越强的"学习型骨干"。其自我进化机制的核心是构建了一个从任务执行到经验沉淀，再到模型内化的完整数据闭环，旨在实现真正的自主学习和能力提升。

详细对比分析

  1. 核心理念
    • OpenClaw：安全、稳定、合规优先。其设计目标是成为行为可预测、可追溯的"合规执行官"。
    • Hermes：学习、进化、灵活优先。其设计目标是成为能从经验中自主总结、越用越强的"学习型骨干"。
  2. 自我进化核心机制
    • OpenClaw：基于文件系统的可修改与扩展。
      • 核心机制：允许直接读写定义行为、人设、记忆的Markdown文件来更新自身。AGENTS.md（行为规则）、SOUL.md（人设）、MEMORY.md（长期记忆）。
      • 技能获取：通过ClawHub市场发现和安装新技能。
      • 更新方式：通过系统指令应用变更，形成"用户反馈 → 修改文件 → 重新加载 → 行为改变"的循环。
    • Hermes：基于内外双轮驱动的闭环学习。
      • 外驱演进（动态技能生成）：任务完成后，由"后台审查Agent"自动从交互轨迹中提取经验，抽象为结构化、可复用的技能文件。
      • 内驱演进（模型权重训练）：引入基于GRPO等强化学习算法的训练闭环，利用高质量任务数据对基座模型进行微调，从根本上提升能力上限。
      • 记忆系统：采用智能的、分层级的记忆机制。
  3. 技能系统
    • OpenClaw：采用"标准手册"式。技能主要由人工编写或从社区获取，强调标准化和可控性，更新需经过审核流程。
    • Hermes：采用"经验沉淀"式。技能由Agent在任务执行中自动总结、迭代生成，并可通过进化算法自动优化，强调从成功路径中提炼方法。
  4. 记忆系统
    • OpenClaw：采用工作区文件级记忆。记忆存储在可编辑的Markdown等文件中，结构相对简单直接。
    • Hermes：采用三层智能记忆。包含持久记忆文件、高效的会话检索（基于SQLite和FTS5）以及外部插件，能对记忆进行抽象和提炼。
  5. 安全模型
    • OpenClaw：采用"默认拒绝"策略，设有多层防护，操作极为谨慎，适合不允许出错的严肃场景。
    • Hermes：采用"智能审批"策略，在灵活高效与安全之间寻求平衡，例如对高风险操作进行二次确认。
  6. 适用场景
    • OpenClaw：适用于金融、审计、风控、流程化任务等对安全性、合规性要求极高的场景。
    • Hermes：适用于创新、分析、创作、重复性任务优化等需要快速迭代和强适应性的场景。
  7. 技术栈与生态
    • OpenClaw：前端（TypeScript）友好，工程化成熟度较高。
    • Hermes：AI研究（Python）友好，支持更多模型提供商，在多平台网关集成上更灵活。

沙箱

沙箱本质是限制能力（可达面）而非审查行为。它让恶意代码"没有能力干坏事"，而不是"发现并阻止干坏事"。

如何实现沙箱：取决于你选择的保护范围。

隔离方案 ✅ 在沙箱内的调用 ❌ 不在沙箱内的调用
📜 脚本沙箱
（代码执行扩展）		 只有脚本本身
（在受限运行时中执行）		 ⚠️ 脚本内部调用的工具
（仍在宿主机上原样执行）
🔨 命令沙箱
（如 @oddsjam/pi-sandbox）		 凡通过"命令工具"执行的调用
（包括模型调用、脚本内调用、用户 ! 命令）		 ❌ 读写改搜找列
（文件读写工具不受此扩展约束）
❌ 其他扩展与MCP工具
🧱 工具级隔离
（微虚拟机扩展）		 被覆盖的内置工具
（读/写/改/命令/列目录/找文件/搜内容）
+ 用户 ! 命令		 ❌ 其他扩展与MCP工具
❌ 宿主上的 Pi 进程本身
🏰 整体隔离
（容器/VM/托管沙箱）		 ✅ 所有
（所有工具、扩展、MCP、子进程）		 无
（但代价是连界面、凭据等也需一并处理）

💡 必须记住的三个认知坑：

  1. 脚本沙箱 ≠ 保护了工具：脚本自己不能读文件、连网络，但它调用的 bash 工具仍以宿主权限执行。
  2. 命令沙箱 ≠ 全工具沙箱：名字很诚实，只覆盖命令。安装后模型仍可用 write 工具覆盖你项目里的任何文件。
  3. 工具级隔离 ≠ 保护整台机器：只覆盖指定的几个内置工具，其他扩展和MCP工具仍可能直接访问宿主机。

主流沙箱扩展方案一览（这里以pi agent为例，其他扩展类似，只是核心机制不同）

扩展名称 核心机制 特点
@oddsjam/pi-sandbox
 基于 Anthropic 官方 @anthropic-ai/sandbox-runtime
两层隔离：OS级（bash）+ JS层（读写编辑工具）		 功能全面，提供TUI向导配置，保护Pi自身凭据
pi-sandbox
（不同作者）		 专注于 OS 级 bash 沙箱
（Linux: bubblewrap / macOS: sandbox-exec）		 轻量级，专注命令执行，提供交互式提示授权
@erichll/pi-sandbox
 基于 @anthropic-ai/sandbox-runtime
支持子代理沙箱、网络代理		 功能强大，但配置较复杂，需安装原生依赖
@yandy0725/pi-sandbox
 跨平台进程沙箱
（Linux: bwrap/landlock, macOS: sandbox-exec, Win: ACL）		 跨平台，但Windows支持不完整
pi-secure-it
 多层防护：OS bash沙箱 + 进程内工具拦截
（覆盖 read, grep, write, web_search 等）		 覆盖最广，能拦截所有核心工具，但可能较重

如何选择沙箱扩展？ 根据你的需求和安全级别选择：

  • 快速体验，简单命令沙箱：可尝试 @nqbao/pi-sandbox。
  • 全面防护，希望覆盖大部分工具：首选 @oddsjam/pi-sandbox 或 pi-secure-it。
  • 需要运行不受信任的子进程或进行深度网络控制：考虑 @erichll/pi-sandbox。
  • 已在Linux/macOS环境，追求极致轻量：pi-sandbox 是不错的起点。

开源方案。

  1. 腾讯开源的cubeSandbox。
    • 兼容 E2B SDK，CubeSandbox 做到了换 URL 环境变量就跑通，业务逻辑零改动。
    • 支持 Linux KVM 环境，WSL2、物理机、云裸金属都行。一键脚本装，Python SDK 直连。
    • 60ms 冷启动，单实例 5MB 内存，一台普通机器能塞 2000 多个 Agent，内核级隔离。已在腾讯云大规模验证过。

记忆

使用AI每次开新会话，一切从零开始。你得重新解释项目架构、重新描述那个 Bug、重新说明你的代码偏好。所以记忆是非常重要的

  1. agentmemory。长期存储共享记忆。
    • 原理：它在后台运行一个记忆服务器，自动捕获你每次工具调用、每次对话、每次代码修改，压缩成可搜索的结构化记忆，下次新会话开始时自动注入相关上下文。
    • 它有四层记忆架构，模仿人脑的工作方式。工作记忆存原始观察，情景记忆存会话摘要，语义记忆提取事实和模式，程序记忆记录工作流和决策习惯。
    • 而且记忆会随时间衰减，频繁访问的会被强化，过时的自动淘汰。
    • 支持：Claudecode、open code等16+款AI工具。
    • 开源：https://github.com/rohitg00/agentmemory

浏览器

  • Web Access。通过 CDP 协议直连你日常使用的 Chrome 浏览器，你在各个网站上已经登录的账号，AI 可以直接用，不需要重新走登录流程。https://github.com/eze-is/web-access
  • Lightpanda 是一个完全从零构建的开源无头浏览器，用 Zig 语言写的，专门为AI设计的浏览器，没有复杂的渲染层，性能极快。https://github.com/lightpanda-io/browser
  • bb-browser。你的浏览器就是 API。通过 Chrome 扩展加 CLI 加 MCP Server 的组合，让你已登录的真实浏览器直接变成 AI Agent 的操作接口。https://github.com/epiral/bb-browser

爬虫类。核心为MCP。横向对比：https://my.feishu.cn/wiki/UIgtwNalziel5KkXz1RcRqN8n2d

  • Playwright MCP。微软的浏览器自动化工具，结合skills实现浏览器操作。
  • CloakBrowser。基于 Chromium 做改动，通过源码修改浏览器指纹，避免被检测到。
  • Chrome DevTools MCP
  • Chrome MCP
  • Browser MCP
  • BrowserTools MCP

视频

OpenMontage。官方自称世界首个开源Agentic视频生产系统，目前冲到了GitHub Trending TOP1。

  • 包含12条生产管线，动画解说、纪录片蒙太奇、播客切片、电影预告啥的。
  • 里面包含 52个工具，500 多个Agent Skills，覆盖14家视频生成、10家图像、4家TTS、3家音乐。
  • 开源：https://github.com/calesthio/OpenMontage

设计

  1. Claude Design。 美国 anthrophic 公司的 AI 设计工具。
  2. Open Design。 Claude Design 的开源替代品。

金融

  • 金融行业 AI Agent 模板。anthropics 官网开源的金融服务 Agent 模板库。

MaaS

企业级Agent

  • Snail AI。Snail AI 是一个灵活、可扩展的企业级 AI 智能体平台。基于 Spring Boot 4 和 Spring AI 构建，提供多模型管理、智能体编排、RAG 知识库、长期记忆、技能管理等核心能力。拥有完善的后台管理界面和 OpenAPI 接口，支持快速接入和二次开发。
  • AiToEarn。是一个完整的内容营销流水线，围绕创作到赚钱的全链路。核心流程做以下4件事。
    • Monetize 是内容变现，内置了一个内容交易市场，商家发布推广任务，创作者接单完成推广，按 CPS、CPE、CPM 三种模式结算。
    • Publish 是多平台一键分发，国内支持抖音、小红书、快手、B 站、微信视频号，海外支持 TikTok、YouTube、Facebook、啥的总共 13 个平台。
    • Engage 是自动化互动运营，通过浏览器插件实现自动点赞收藏关注，AI 智能回复评论，还能识别"求链接""怎么购买"这类高转化信号。
    • 开源：https://github.com/yikart/AiToEarn
  • Multica。你的下一批员工，不是人类。 开源的 Managed Agents 平台。 将编码 Agent 变成真正的队友——分配任务、跟踪进度、积累技能。

coding

  • tmux 是一个终端复用器（terminal multiplexer），让你可以在一个终端里开多个"窗口/面板"，运行多个程序，而且可以断开（detach）后让这些程序在后台继续运行，再重新连接（attach）回来。
    • 可以在多个窗口中详细查看不同的subagent或者多agent中的执行情况。
  • claude-tap。追踪本地agent执行，看出模型调用过程。通过代理的方式，把 Claude Code、Codex等模型的执行过程进行转发，实现模型请求过程的实时检查，可以查看模型调用过程使用的参数、返回值、调用顺序等。
  • kooky。多个cli工具聚合平台。

办公助手

  • Next AI Draw.io。AI绘图工具。
    • 开源地址：https://github.com/DayuanJiang/next-ai-draw-io
    • 在线工具：https://next-ai-drawio.jiang.jp/。
  • GMSSH。AI驱动的SSH工具。https://www.gm.cn/?ref=gmssh
  • OpenWiki。你复制任何内容，AI 自动采集，帮你整理成一个私人知识库，还能告诉你最近在关注什么。

娱乐

框架

  1. InsForge 是一个面向 AI 编程 Agent 的开源后端平台。它的定位和 Supabase 或 Firebase 不完全一样。Supabase 是给人用的，InsForge 是给 Agent 用的。工程师面对的是一个控制台， Agent 面对的是一个 MCP Server。
    • InsForge 给 Agent 暴露的是后端的「上下文」：Schema 结构、表关系、RLS 权限配置、已投运的函数、日志运行状态。
    • Agent 把这些信息吃透，开始实现创建数据库、配认证、搞 S3 存储、写 Edge Function 等操作。
    • 开源：https://github.com/InsForge/InsForge

项目实战

灵感获取流程

  1. 灵感收集：关注科技前沿
    • 阵地： 只盯着 Twitter 和 YouTube。关注 OpenAI、Anthropic、Google 那帮 CEO 和一线研究员。
    • 神器： 用 GPTAtlas 浏览器插件。看视频不用从头刷到尾，直接出摘要、抓核心逻辑。
    • 过滤： 远离那些虚头巴脑、形而上学的宣发文。我推荐 AI Valley，这里的内容够硬，只谈技术和产品，不谈情怀。
  2. 产品方案：让最强"左右脑"互搏
    • 别纠结用 GPT-5 还是 Gemini，成年人全都要。
    • 我会让 ChatGPT 和 Gemini 针对同一个需求对线。一个出逻辑方案，一个出用户路径。
    • 跳过原型： 方案定了，直接丢给 Figma Make 或者 Gemini AI Studio 生成前端。
    • 避坑指南： 记住了，生成的代码如果有 Mock 数据，一定让 AI 单独写数据表，别硬编码（Hardcode）在代码里。
  3. 全栈开发：Claude Code 才是真正的神
    • 虽然周围有人吹 Codex，但我实测下来，Claude Code 在终端的丝滑程度是断层领先的。
    • 主力： 终端跑 Claude Code。
    • 辅助： IDE 用 Cursor。我会一边开着 Claude 写代码，一边在 Cursor 里看目录结构、切分支、改 Bug。Cursor 的 Agent 模式确实省去了很多写 Prompt 的力气。
  4. 代码审查：别让本地依赖骗了你
    • 本地跑通不代表真的稳。
    • 我会把 GitHub 连上 CodeRabbit 和 DeepWiki。它们不仅能查错，还能从架构设计、性能优化层面给你提建议。这种"云端架构师"的诊断，比你肉眼找 Bug 强一百倍。
  5. 知识沉淀：你的第二大脑
    • 学习搭子： NotebookLM。我建了几个项目库，把所有调研资料、PDF 往里一扔，它就是最懂这个项目的 AI 助手。
    • 任务分发： 个人项目用 Notion，多人协作上 Linear。Linear 和 GitHub 集成后，任务分发简直是艺术。

全自动制作知识讲解视频

视频基于HTML、通过TTS生成语音。播放页面内容，同时播放语音。

  • Skill 开源地址：https://github.com/ConardLi/garden-skills/
文章信息
张雪随笔
master
Homepage
Issues
Download
This Software is under the terms of The Unlicense.