LangChain “不务正业”,居然从零造了个数据库?
作者:老纪的技术唠嗑局LangChain 作为世界上最懂 Agent 的公司,突然从零写了一个分布式数据库。是顺势而为,还是迫不得已?#最主流的 Agent 框架公司,居然开始做数据库了?先交代下背景:LangChain 是全球最主流的 AI Agent 开发框架之一,数以万计的开发者用它来构建各种智能体应用。2026 年 5 月 13 日,LangChain 发了一篇官方博客,标题显得十分平静:
DeepMind CEO 访谈:人类离 AGI 只剩 4 年,只差最后 3 块拼图
作者:老纪的技术唠嗑局楔子前几天(4 月 29 日),Google DeepMind CEO、2024 年诺贝尔化学奖得主 Demis Hassabis 在一期播客节目《Agents, AGI & The Next Big Scientific Breakthrough》[1] 中,预测 AGI(通用人工智能)有望在 2030 年实现,并介绍了当前 AI 的几个致命短板。下面这个就是原视频
700 万人围观 AI 删库跑路,罪魁祸首写下奇葩检讨
作者:老纪的技术唠嗑局PocketOS 创始人 Jer Crane 发了一条推文[1],没有太多修辞,就一句话:在 Cursor 里跑了 Claude Opus 4.6,9 秒之后,企业的生产数据库没了,备份也没了。不是因为技术有多复杂,而是整件事情太荒谬了——一个 AI 在没有人类指令的情况下,自己做主把公司的数据库和备份全部删了,事后被质问,它居然还老老实实写了一封“认罪书”,逐条交代自己违反
深度解析 LLM Wiki / Obsidian-Wiki / GBrain:Agent 时代知识的自组织与自进化
深度解析 LLM Wiki / Obsidian-Wiki / GBrain:Agent 时代知识的“自组织”与“自进化”今天这篇文章,会从 Knowledge Engineering(知识工程)的角度,由 LLM Wiki、Obsidian-Wiki 和 GBrain 的设计切入,为大家拆解在 Agent 时代,知识工程为何比单纯优化 RAG 更关键。以及,“Skillify”是如何把零散资料,
工作流程技能怎么写?从7个精品项目中提炼的模式与最佳实践
楔子今天分享的这篇文章,在阿里巴巴和蚂蚁集团内部的技术分享平台 ATA 上,热度远超想象。可见大家在工作中,想把自己的复杂工作流 / SOP(Standard Operation Procedure) 写成 Skill 时,总会遇到不知道怎么写,以及写完之后 Skill 运行不符合预期的情况。在这篇文章中,青斧大佬分析了 7 个最顶尖的 Skill 案例,并根据分析结果总结了 5 种工作流 Ski
Token、Harness、OpenClaw、RAG、MCP、Agent到底啥关系?看完这张图全明白
你是不是也这样——听人说 AI 应用要搞"Agent",要接"MCP",还要装“OpenClaw”,最近还出来个“Harness ”,每个词单独听都懂,但合一起就懵了。今天咱们就来捋一捋,谁前、谁后、谁管谁,看完你就清楚了。我们不讲虚的,直接看一个真实案例:老板让你"根据网上的最新竞品动态,结合公司过去两年的老产品数据,给我出一份带数据图表的新品研
手搓你的 LLM Wiki:让 Agent 自动进化,每次写入新信息即“更新”认知
前不久,AI 领域知名研究者 Andrej Karpathy 开源了他的 LLM Wiki——一个用大语言模型维护的个人知识库。它的思路非常简洁:把知识以纯文本形式存在本地,由 LLM 负责理解和更新。这个项目一经发布便引发了广泛讨论,很多开发者开始思考:LLM + 本地存储,到底能把“个人知识管理”做到什么程度?我在看了 Karpathy 的 LLM Wiki 和 Garry Tan 的 GBr
bubseek —— 让 Agent 的足迹,变成团队的洞察
造一个人人都喜欢的 Agent 很难,但是帮助别人来做一个他/她/它喜欢的 Agent 也很不错~bub 是什么?bub 是一个框架,但是框架意味着什么呢?我想可能是:A common shape for Agent,一个相对稳定的基线微框架,支持深度私人定制。这很容易让人想起《红色警戒》里的基地车,收起来能跑,展开能造。bub 就是那个基地车,不是基地本身,而是让基地成为可能的东西。这个 Age
告别OpenClaw配置丢失——Mindkeeper内测版邀测
给 AI Agent 的配置文件装上“时光机”:告别手滑改崩人设、团队冲突丢逻辑的窘境,让每一次提示词演变都有迹可溯、可查可回滚。
别再盲目跟风,七家企业真实场景的向量数据库选型,揭秘核心原则
做过架构决策的技术人都懂,技术选型从来不是纸上谈兵,而是业务痛点、成本压力与运维能力的综合博弈。 七家企业在不同场景下对比了Milvus与OceanBase,尽管Milvus在向量检索领域名声显赫,但他们最终都选择了OceanBase,这是为什么?
seekdb 1.2.0 发布:主备容灾上线,整库秒级克隆实现了
这个版本为大家带来了 seekdb 的第一个高可用方案——主备库异步复制架构 。除此之外,还有 整库级别快照克隆的 Fork Database ,以及 给数据加上 Git 能力的 Diff & Merge 。 如果你已经开始拥抱 AI,正准备通过 AI Native DataBase 构建 AI 应用,那么 seekdb 1.2 版本,就非常值得大家通过这篇文章来了解一下了~
【节日特刊】小编工作已被 AI 取代!附:seekdb fork table 能力测试报告
如果此刻还不进场拥抱 AI,每天都将错过一个时代。背景今天早上学习技术支持同学今川老师的文章《如何在 OceanBase 中观测锁?》时,突然有了一个灵感:可以让 Agent 替我部署 seekdb,并对我比较感兴趣的新特性进行测试,然后整理成文章。那正好就让 Agent 替我来测试一下 seekdb 的 fork table 能力,看看这个 fork table 特性,对 AI 时代的开发者有哪
别再无节制地烧 Token 了:OpenClaw 记忆插件详细安装指南
今天为大家分享一个可以直接让 OpenClaw 自行安装 PowerMem 插件 的详细步骤(当然,手动安装也很简单),可以 大幅降低 Token 开销,并提高召回率和响应效率 。上手几乎负门槛,欢迎大家试用!
OpenClaw又双叒叕发版,如何实时追踪其每一秒开销,打开Agent“思考”黑盒
OpenClaw又双叒叕发版了,此次发布的2026.3.22-beta.1版本看起来“大换血”——大改插件体系、重构SDK 路径、重写消息机制、改变运行方式、收敛工具能力,以及重构浏览器体系与大模型策略。这次更新让开发者在构建复杂AI应用时拥有了更强的能力,但同时也带来了新的挑战:当多个Agent并行运行、任务跨度数天时,如何精确掌握每个环节的算力消耗和状态变化?根据我们小范围的调研,开发者反馈在
给 OpenClaw 装上长期记忆:PowerMem 1.0.0 正式发布
为大家分享一个解决 OpenClaw 龙虾 token 消耗问题的利器 ~
OpenClaw 为什么越用越好用?
今天为大家分享几个有趣的 养龙虾小 Tips ~ 🥳同时 OceanBase 社区最新的课程《Easy Data x AI》也马上就要跟大家见面了 ,快来了解一下吧~
OpenClaw + 6 个 Agent 运转半个月,从聊天到干活的完整工程实践
最近大家都在谈论 OpenClaw 的安装部署,但实际能在工作中把它用起来的并不多。这两天刚好看了阿里内部一个让 OpenClaw 干正经活儿的工程实践,在这里分享给大家~
Agent / Skills / Teams 架构演进流程及技术选型之道
前几天阅读了一些阿里、蚂蚁大佬们在内部分享的 AI 技术文章。其中有几篇写的实在太好,学习完之后受益极大。在这里分享给大家~
OpenClaw + seekdb skills:打造个人 seekdb 助手
为大家分享一篇如何在 OpenClaw 中加载 seekdb Agent Skills 的文章,让大家能够随时基于 seekdb 官方文档回答有关 seekdb 部署、向量搜索、混合搜索、集成方式等常见问题~
从 Vibe Coding 到 AI Agent,OceanBase seekdb 打造 AI 时代毫秒级数据沙箱
像 Git 管理代码一样管理数据:OceanBase seekdb 推出毫秒级 Fork Table 功能,让 AI 时代的数据实验与版本管理变得如同创建分支般轻量、隔离与高效。