LOCAL AGENT ENGINEERING · Administrator

作品集

OpenClaw × Super-Agent 本地智能体工程实践

收录本地智能体与电商客服工程的 5 件实践：架构融合、记忆闭环、部署手册、知识库质检与拼多多 AI 智能客服。清单驱动——一次维护，网页与 PDF 同步更新。

0件作品
0种类型
0个标签
2026-11-06最近更新
SYSTEM MAP · 体系概览
本地智能体工程体系 · 一张图看懂 干了什么　·　解决了什么　·　优化了什么 ❌ 解决的痛点（之前） ⚙ 工程体系（干了什么） ✅ 优化成果（之后） 商业编排框架贵且黑盒、执行与调度耦合 难维护；Codex 只吃 Respo nses API，与免费模型接口不兼 容；Windows 下长中文提示被壳 在 OpenClaw 上融合 Codex 与 Super 以 OpenClaw 为宿主，把 Codex CLI 的 age ntic 编码循环嵌进 Supe 自建 Responses 协议桥抹平 接口差异，Router 无执行权彻底 解耦调度与执行，免费模型零成本跑通双 层编排与编码。 01 Agent 每次都像「第一天上班」， 经验随会话消散；向量库/记忆框架重且 易失效；知识删除即丢可追溯性。 给 Agent 装上「会复利 的记忆」 参考 HelixHarness 的分层目录 + 人工确认归档，为 本地 superagent 建文 抄模式不抄载体（不装插件），事实失效 用 superseded 而非删除可 溯源，知识复利让同类工单二次建单自动 命中刚归档的新知。 02 原 dsh 原型重（需特定运行时）、 领域语义分散、状态一致性靠手工、孤儿 任务无人回收。 SuperAgent 部署与 使用手册 把 DeepSeek dsh-s uperagent 的领域模型（ Source/Trigger/T 12 张表状态机 + 单事务写入 + 孤儿双路回收，强调审计链与可重放； 门控 + 双层评估复刻 dsh 调度 语义。 03 知识库上线一个月命中率涨了、成功率没 涨——典型的「记忆悖论」；无门控时噪 声源随语料增长被一并注入。 知识库不是更大，而是更准 把本地 superagent 知 识库从「命中即注入」改造成「注入 前质检」：相关性门控、类型化角色 真实语料命中 6 条只注入 4 条（ 砍掉 2 条噪声），semantic /procedural/episod ic 按角色加权，12 项回归实测 04 新店人工客服响应慢（首响≤3分钟不达 标就扣分）、多客服口径不统一、投诉/ 12315/假货等敏感词靠人工识别易 漏网、售后知识散落在培训文档里。 拼多多 AI 智能客服：本地 零依赖搭建 用 Node.js 零依赖（no de:http/fs/readl ine + 全局 fetch）搭 敏感词做成确定性规则硬拦截（不靠 L LM 判断），知识库外问题一律转人工 绝不编造承诺；selftest 在 Node 内部直调 answer() 05
WORKS

作品

如何加入新作品
① 编辑同目录下的 works.json，在 works 数组里复制一条、改好字段（id / title / type / date / tags / summary / did / problem / optimized / highlights / files）；
② 把作品文件放进 works/（或在清单里写 source 绝对路径，构建时自动复制）；
③ 运行 python build.py —— 本网页与 portfolio.pdf 会一起重建。