共 7 篇
从 Java 转过来的人打开 kubernetes 源码，第一反应是找 controller、service、dao——看到的却是 cmd、pkg、staging。顺着这个困惑往下追：这三个目录各是什么来历，为什么 etcd 连 cmd 和 internal 都没有，k8s 的 controller 为什么不是那个 controller，multica 又怎么长回了 handler/service/db 三层，prometheus 为什么连 service 层的生态位都没有。
从一个被 Multica 拉起来的 Claude Code 的角度，把一次 @ 从头走一遍：醒来之前平台和电脑之间传了什么，醒来时工作目录里的 CLAUDE.md、技能和环境变量各告诉我什么，stdin 里的第一条消息长什么样，需求是我自己用 mat_ 令牌拉的，结果怎样发成评论、又有哪些由 daemon 读着我的 stdout 替我报回去；以及干活时被插话、下一轮怎么接上会话、换一个 agent 来接手时又怎么接上前一个的进度。
静态博客贴一小段代码就有了评论区，平台想让评论里的一个 @ 落到用户自己电脑上的 agent，却要从头写一整套系统。把评论框和本地 agent 当 bot 这两件事放在一起看：平台为一个 @ 到底写了什么，评论框的先例能借走什么，现有的方案各补了哪一块，一个像 Redis 一样起实例就能用的中间件该长什么样，身份和写回怎么做，公开评论区带来的新风险，以及它怎样才不会重蹈多说的覆辙。
阿里云万有无界、扣子、Multica 都支持把电脑上的 Claude Code、Codex 这类编程 agent 接进平台，让同事在群里 @ 它干活。顺着这个功能往下追：为什么要把 agent 留在本地，平台怎么找到一台没有公网 IP 的电脑，怎么把交互式 CLI 变成可调用的 worker，几个任务和你自己怎么共用同一个现场，agent 又怎么反过来以平台身份干活；最后看看现在都有谁在做，以及这件事和“给电脑装了个木马”到底差在哪里。
两个 AI Agent 平台不约而同选择了 SKILL.md 作为技能载体，却在元数据设计、触发逻辑、Token 管理和安全模型上走向不同方向。本文以 Todo List 技能为贯穿案例，逐层拆解两者的设计差异。
从 511 行 TypeScript 到 21.8 万 Star，一个 AI 助手项目的九十天蜕壳记录。翻了 15,579 个 commit、11,058 个 Issue 和 11,991 个 PR，这是我找到的故事。
Gateway 是 OpenClaw 的消息中枢和会话状态管理中心。它的会话管理在小规模场景下优雅得令人舒适，但文件系统架构和平台耦合的领域模型，让规模化成为一道难题。