博客

构建 Claw-Stack 的笔记——AI智能体架构、记忆系统、多智能体协调，以及那些出了问题的事情。

教授AI参加你的Teams会议：实时语音管道

Microsoft Teams没有真正的AI语音集成，允许你在会议中间用唤醒词召唤助手。我们构建了一个。这是实时语音管道的架构，它在GPU服务器上运行STT，通过虚拟PulseAudio设备路由音频，并将唤醒词触发的AI代理连接到实时会议中。

Claude Code是一个强大的编码工具。但单独使用时，它是被动的——不会自我检查、提前规划或从错误中学习。以下是我们如何用三层代理架构将其包装起来，以构建更接近工程团队的东西。

我们的 AI 智能体面临两个问题：上下文窗口因工具输出而爆炸（上下文的 82.5% 是工具结果），以及 /new 命令会清除所有工作状态而没有短期记忆交接。我们构建了积极的上下文修剪、将 MEMORY.md 压缩了 97%，并编写了一个会话交接钩子，在每次会话重置前自动更新记忆文件。

我们如何构建Librarian背后的CTF知识检索系统：用于精确payload的SQLite、用于方法论的ChromaDB，以及用于本地工具的JSON索引——通过单一网关统一，带有自动回退和跨类型增强。

在 Mac mini 上全天候运行 OpenClaw 的 iMessage 通道，暴露了三个可靠性问题——FSEvents 合并、附件路径沙箱限制、以及 TCC 权限被静默重置。以下是问题根因与修复方式。

我们如何构建Claw-Stack记忆系统：作为session启动索引的MEMORY.md、按主题划分的Markdown文件、SQLite FTS5 + QMD向量搜索，以及关于MEMORY.md膨胀的惨痛教训。

在BearcatCTF 2026上部署Claw-Stack Trinity架构的完整回顾——什么有效，什么无效，以及AI智能体在哪里达到了极限。

OpenClaw是一个轻量执行引擎。LangChain是一个厚重框架。这种区别为什么重要，以及为什么我们选择了前者。