什么是 OpenClaw 环境准备 硬件要求 软件要求 几种部署路线怎么选 选型建议 Docker 部署 1. 创建项目目录 2. 创建 docker-compose.yml 3. 创建 .env 环境变量 4. 拉取镜像并启动 5. 验证部署 飞书对接 1. 创建飞书应用 2. 配置应用权限 3. 配置事件订阅 4. 发布应用 5. 设备配对 Nginx 反向代理 为什么需要反向代理 1. 添加独立 HTTPS 端口 2. 关键配置说明 3. 重载 Nginx 4. 访问地址 本地模型集成 使用 Ollama 本地模型 1. 部署 Ollama 2. 拉取模型 3. 配置 OpenClaw 使用 Ollama 常见问题排查 1. 镜像拉取失败 2. 配置解析错误 3. "pairing required" 错误 4. "co

- 阅读剩余部分 -

记忆的 1.0 时代：手动贴便签 (Agents.md) 记忆的 2.0 时代：从手动注入到持久化管理 技术深挖：应用层记忆，不等于模型层“有状态” Memory 常见是怎么实现的？ 这对开发者意味着什么？ 总结 本文首发地址 https://h89.cn/archives/534.html 最近在使用 Trae.ai 的时候，很多开发者可能都注意到了 Agent 侧边栏那个 Memories 图标。 如果你曾经为了让 AI 记住项目规范，不得不在每个对话框里重复“请使用 Compose 开发”“注意内存对齐”，那你大概会直观地感受到：记忆能力一旦做得好，交互成本会明显下降。 今天我们就来聊聊：AI 的记忆机制，是怎么从“手动补上下文”演进到“可复用的记忆管理”的？ 记忆的 1.0 时代：手动贴便签 (Agents.md) 在 Trae、Cursor、Claud

- 阅读剩余部分 -

背景 环境说明 证书存放位置 完整脚本 sudo免密配置 定时任务 验证 本文首发地址 https://h89.cn/archives/532.html 背景 手上有台飞牛OS（fnOS）NAS，绑定了域名 f.h89.cn，HTTPS证书需要定期续期。手动更新太麻烦，写个脚本自动化处理。 环境说明 系统：飞牛OS（本质是Linux，但服务管理有自己的套路） 域名：f.h89.cn，DNS托管在阿里云 证书工具：acme.sh 涉及服务： 飞牛OS自带Nginx（5667端口） Docker容器：nginx、vaultwarden、gitea 证书存放位置 飞牛OS的证书放在这个目录： /usr/trim/var/trim_connect/ssls/f.h89.cn/1766413711/ ├── f.h89.cn.crt └── f.h89.cn.key Nginx配置

- 阅读剩余部分 -

免费 TTS 方案：国内基于 Docker 部署 Kokoro 本文首发地址 https://h89.cn/archives/528.html 项目方案地址 https://gitee.com/chenjim/tts-hexgrad-kokoro 一款开源、高质量、支持多语言的文本转语音服务，完全免费，可本地部署。 前言 在 AI 语音合成领域，商业 API（如 Azure、AWS Polly）虽然效果出色，但成本较高。而开源方案中，Kokoro-82M 以其轻量级（仅 8200 万参数）和高质量脱颖而出，成为个人开发者和中小企业的理想选择。 本文将详细介绍如何在国内网络环境下，使用 Docker 快速部署 Kokoro TTS 服务。 Kokoro 简介 Kokoro-82M 是由 hexgrad 开发的开源 TTS 模型，具有以下特点： 轻量高

- 阅读剩余部分 -

核心架构图：三者如何配合 1. Prompt Rules：AI的“行为准则” 1.1 什么是Prompt Rules？ 1.2 核心价值：先把边界定清楚 1.3 实践示例：电商运营助手规则 2. Skills：AI的“专业技能包” 2.1 什么是Skills？ 2.2 Skills vs 传统工具 2.3 实践示例：促销活动策划技能 2.4 Skills的进阶应用 3. MCP：AI 的标准化连接方式 3.1 什么是MCP？ 3.2 MCP架构深度解析 3.3 实际应用场景 3.4 MCP的安全优势 三者协同：一个更完整的应用结构 协同工作流程 三者各自负责什么 实战建议 发展方向：从单点能力到系统协作 结语：先把三件事分开看 本文首发地址 https://h89.cn/archives/521.html 当

- 阅读剩余部分 -

一、 发生了什么？一次“定向打击”的安全危机 二、 漏洞根源：当“家庭服务器”遭遇“专业攻击” 三、 核心防御：开启防火墙，只允许国内IP访问 四、 其他必做的安全加固措施 五、 结语 本文首发地址 https://h89.cn/archives/518.html 近期，对于广大的飞牛（fnOS）用户来说，无疑是一场“安全大考”。从1月底开始，飞牛系统被曝出的路径穿越漏洞和后续的0Day漏洞风波，让无数将NAS暴露在公网的用户惊出一身冷汗。今天，我们就来复盘一下这次事件，并聊聊如何用最简单有效的方法——开启防火墙并限制国内IP访问，来给你的NAS穿上“防弹衣”。 一、 发生了什么？一次“定向打击”的安全危机 2026年1月底至2月初，飞牛fnOS成为黑客的定向攻击目标。首先被曝出的是高危路径穿越漏洞，攻击者无需登录，仅通过构造特殊请求（如包含 ../

- 阅读剩余部分 -

一、uv 安装步骤 1.1 什么是 uv？ 1.2 Windows 安装方法 方法一：使用 winget（推荐） 方法二：使用 PowerShell 脚本 验证安装 1.3 uv 常用命令 二、Spec-Kit 简介 2.1 什么是 Spec-Driven Development？ 2.2 Spec-Kit 核心组件 三、Spec-Kit 完整实践流程 步骤 1：安装 Specify CLI 步骤 2：初始化项目 步骤 3：创建项目宪法（Constitution） 步骤 4：编写功能规格（Specify） 步骤 5：需求澄清（Clarify） 步骤 6：制定技术计划（Plan） 步骤 7：分解任务（Tasks） 步骤 8：执行实现（Implement） 四、自动化程度总览 五、中文项目完整工作流示例 六、支持的 AI 助手 七、进阶用法 7.1 增量开发 7.2 更新规

- 阅读剩余部分 -

🚀 核心规则：复制即用 🛠️ 如何配置到你的工具？ 1. Claude Code (CLI) 2. Trae / Cursor 3. GitHub Copilot / Codex 💡 为什么这套规则有效？ 本文首发地址 https://h89.cn/archives/512.html 在 AI 编程时代，我们遇到的最大挑战往往不是 AI “不够聪明”，而是它“太聪明”了——它会写出过度设计的代码、做出一堆未经确认的假设，或者在修复一个 Bug 时顺手把周围没坏的代码也给重构了。 特斯拉前 AI 总监 Andrej Karpathy 曾多次吐槽大模型编程中的这些陷阱。受此启发，社区提炼出了一套 Karpathy-Inspired AI Guidelines，旨在让 AI 代理（如 Claude Code, Trae, Cursor 等）回归本质：写最简单的代码，做最精准

- 阅读剩余部分 -