1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...

项目一个是改的黑马程序员RAG项目，一个是实体教程书上的项目。第一次实习，目标是中小厂，求意见

OpenClaw火了很久了。从最初的”养虾”热，到现在的企业办公标配，很多人都在用。但用得好不好，差别很大。我见过用OpenClaw把工作效率提升3倍的，也见过装了之后基本没打开过的。问题不在工具，在用法。最近看到一份某大厂的OpenClaw内部培训文档《2026OpenClaw完全使用手册》，涵盖玩法攻略、部署方式、本地部署指南、安全实践，还有多平台接入（企业微信、微信、QQ、飞书、钉钉、Telegram、WhatsApp等）。内容很全，但我更想聊聊：OpenClaw到底能帮你解决什么问题？很多人用OpenClaw的方式是：打开聊天框，问问题，等答案。这和用ChatGPT没什么区别，只是换了...