Hermes Agent，重点聚焦其核心技术创新——Skills 闭环系统。该系统实现了从经验提取、知识存储到智能检索的完整链路，形成可复用、可迭代的“方法资产库”。文章按生命周期拆解：Agent 如何自主决定何时创建 Skill、在复杂任务中提炼有效步骤、并通过渐进式披露与条件激活机制进行按需加载与控制开销。本文有使用 AI 进行辅助写作及优化。
推荐系统在提升用户体验的同时，也面临着信息茧房、兴趣收敛和内容同质化的挑战。随着用户与系统交互的深入，"推荐→用户反馈→再推荐"的闭环会逐渐强化用户的少数主兴趣，导致推荐结果趋同，降低用户的新鲜感与满意度。 生成式AI技术的快速发展为推荐系统带来了新的机遇。与传统的判别式匹配范式不同，生成式召回通过预测用户下一个可能点击的内容，实现从"匹配已知"到"预测潜在"的范式转变。在得物社区这一潮流生活方式平台上，用户对内容多样性和新颖性的需求尤为突出，这为生成式召回的探索提供了天然的场景。 基于此背景，得物启动了生成式召回方向的一期探索，旨在为下一代智能推荐系统的构建积累经验，探索推荐系统的 scaling-law 规律。
本文从 Coding Agent 为什么能率先跑通谈起，分析 OpenClaw 若要进入真实生产场景还缺哪些关键能力。核心判断是，要让 Agent 在业务世界稳定落地，必须把开放、分散、难回滚的执行环境，重构成一个可视化、相对封闭、可验证、可恢复的操作空间。
文章讲述放弃不稳定的前端UI自动化操作，采用解析并复现底层API请求的方式，来解决浏览器自动化的效率与稳定性难题。（文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。）
我们很荣幸地宣布 CloudBase CLI V3 正式上线，这是一个面向 AI Agent 重新设计的 CloudBase 命令行工具。 这个版本新增了 15 个顶层命令模块，覆盖环境管理、数据库、用户权限、路由、域名、日志、AI 智能体等完整能力。现在，一个云项目从创建到上线的所有操作，都可以在终端内完成，不需要打开控制台。
针对外链启动耗时过长导致的用户流失问题，团队通过从“全量串行”到“按需裁剪”的架构升级，先后落地了标准链路、极简链路（跳过首页、裁剪非必要任务）和最小核链路（采用包含法极致裁剪、启动与资源加载并行化）三代方案，成功将低端设备的唤端耗时从10秒压缩至3秒以内，并配套建立了完善的发布前校验、灰度验证及线上应急换链体系，显著提升了外投承接效率与稳定性。
2026年，全球AI投资持续高涨，仅四大科技巨头的年度资本支出预计突破6000亿美元。但一个日益突出的结构性矛盾是：资本高度集中于电力、芯片、数据中心等硬件环节，应用端的商业回报远未兑现。与此同时，估值杠杆攀升、循环交易隐现、就业替代效应初步显现等风险正在同步积累。本文沿用英伟达“五层蛋糕”框架，逐层梳理全球AI投资现状，分析潜在风险，并探讨中国的差异化优势与政策路径。本文认为，我国AI投资呈现出与全球相异的结构性优势。中国电力成本仅为美国的五分之一以下，DeepSeek验证了低成本模型路线的可行性，国产芯片加速推进。为了加快推动我国AI发展，打造智能经济新形态，建议如下：一是加强算电协同，降低电力对算力的约束；二是巩固低成本模型路线的比较优势；三是推动AI应用高质量发展，防范虚假繁荣；四是阻断AI裁员负向循环，促进AI普及普惠。
2026年春天，AI行业出现了一个值得关注的变化：大家不再只聊模型了。过去三年，整个行业最热衷的话题是模型参数。1750亿、万亿、十万亿，数字越来越大，叙事越来越激进。每一次参数跃升，都伴随着一轮关于“涌现能力”的讨论。模型学会了推理，学会了编程，学会了创作，好像离真正的智能只差一步。然后，一只小龙虾搅动了整个行业。OpenClaw没有发布任何新模型，没有刷新任何基准测试，甚至没有训练一个新参数。它只做了一件朴素的事，给大模型搭建了一套完整的工作环境：文件系统、代码沙箱、工具链、反馈循环、自动验收。同一个模型，在这套环境中，不再是一个只会对话的聊天机器人，而是一个能持续工作、自主解决问题的智能体。
