用 Claude Code 写代码的时候，总觉得底部空空的，缺点什么。看到别人的终端底部有 Git 分支、文件变更、模型名，一整条信息栏，既实用又好看。研究了一下，其实就是 tmux 状态栏，配置不复杂，记录一下完整过程。

GSD 不是脚手架，而是一套给 AI 编程工具用的规格驱动工作流。它的目标很明确：把长任务拆成多个短上下文，降低 context rot，让规划、执行、验证都可追踪。

GSD 解决什么问题

典型 AI 编程失效路径是：

• 一个会话里同时做需求澄清、方案设计、编码、验收
• 上下文越滚越大，后半段质量下降
• 计划过大，执行不可验证
• 写完代码，但没有可靠验收闭环

GSD 的做法是把流程拆成阶段，并把状态落盘到 .planning/。核心文件包括：

• PROJECT.md
• REQUIREMENTS.md
• ROADMAP.md
• STATE.md
• config.json
• phases/

适合需要跨会话推进、分阶段交付、保留验收记录的项目。

支持的运行时

• Claude Code
• Codex
• Gemini CLI
• OpenCode

命令前缀不同：

• Claude Code / Gemini: /gsd:help
• OpenCode: /gsd-help
• Codex: $gsd-help

安装

最简单的方式：

npx get-shit-done-cc@latest

非交互安装：

npx get-shit-done-cc --claude --global
npx get-shit-done-cc --codex --global
npx get-shit-done-cc --gemini --global
npx get-shit-done-cc --opencode --global

只装当前项目，把 --global 换成 --local。

安装完成后验证：

# Claude Code / Gemini
/gsd:help

# OpenCode
/gsd-help

# Codex
$gsd-help

标准工作流

完整链路如下：

/gsd:new-project
/clear
/gsd:discuss-phase 1
/gsd:ui-phase 1
/gsd:plan-phase 1
/gsd:execute-phase 1
/gsd:verify-work 1
/gsd:ui-review 1

非前端阶段可跳过 ui-phase 和 ui-review。

工作流流程图

flowchart TD
    A["/gsd:new-project
初始化项目上下文"] --> B["/gsd:discuss-phase N
锁定实现偏好"]
    B --> C{"是否包含前端/UI?"}
    C -->|是| D["/gsd:ui-phase N
生成 UI-SPEC"]
    C -->|否| E["/gsd:plan-phase N
研究 + 规划 + 校验"]
    D --> E
    E --> F["/gsd:execute-phase N
按 wave 执行计划"]
    F --> G["/gsd:verify-work N
人工验收"]
    G --> H{"验收是否通过?"}
    H -->|否| I["生成修复计划"]
    I --> F
    H -->|是| J{"是否还有下一阶段?"}
    J -->|是| B
    J -->|否| K["/gsd:audit-milestone"]
    K --> L["/gsd:complete-milestone"]

核心命令表

补充命令表

阶段职责表

Demo 1：新建 Todo Web App

目标：

• Next.js + TypeScript + SQLite
• 单用户
• 支持新增、完成、删除

执行顺序：

/gsd:new-project
/gsd:discuss-phase 1
/gsd:ui-phase 1
/gsd:plan-phase 1
/gsd:execute-phase 1
/gsd:verify-work 1

new-project 输入示例：

做一个 Todo Web App。
技术栈是 Next.js + TypeScript + SQLite。
第一版不做登录，只做单用户。
目标是完成增删改查闭环，移动端可用。

discuss-phase 1 输入示例：

页面保持高信息密度，不做营销风格设计。
列表项支持快速完成和删除。
空状态必须给明确操作提示。
移动端点击区域要足够大。

plan-phase 1 之后检查：

• 每个 plan 范围足够小
• 每个 plan 都有明确 verify 步骤

verify-work 1 检查项：

1. 新建待办是否成功
2. 状态切换是否即时生效
3. 删除是否可恢复或至少行为一致
4. 刷新后数据是否存在
5. 移动端交互是否误触

Demo 2：在现有项目中追加功能

/gsd:map-codebase
/gsd:new-project
/gsd:discuss-phase 1
/gsd:plan-phase 1
/gsd:execute-phase 1
/gsd:verify-work 1

map-codebase 会生成：

• STACK.md
• ARCHITECTURE.md
• STRUCTURE.md
• CONVENTIONS.md
• TESTING.md
• INTEGRATIONS.md
• CONCERNS.md

后续规划会直接基于现有结构。

小需求可直接用：

/gsd:quick

例如：

为博客新增文章搜索页，支持标题和摘要匹配，保持现有站点风格。

适用场景：

• 小功能
• bug 修复
• 配置改动
• 一次性维护任务

最值得先掌握的命令

• /gsd:help
• /gsd:new-project
• /gsd:discuss-phase
• /gsd:plan-phase
• /gsd:execute-phase
• /gsd:verify-work
• /gsd:map-codebase
• /gsd:quick

命令体系思维导图

mindmap
  root((GSD))
    初始化
      /gsd:new-project
      /gsd:map-codebase
    阶段推进
      /gsd:discuss-phase
      /gsd:ui-phase
      /gsd:plan-phase
      /gsd:execute-phase
      /gsd:verify-work
      /gsd:ui-review
    导航恢复
      /gsd:progress
      /gsd:resume-work
      /gsd:pause-work
    快速任务
      /gsd:quick
    路线图调整
      /gsd:add-phase
      /gsd:insert-phase
      /gsd:remove-phase
    配置
      /gsd:settings
      /gsd:set-profile
    收尾发布
      /gsd:audit-milestone
      /gsd:complete-milestone

配置建议

配置文件是 .planning/config.json。

mode

• interactive: 默认，适合大多数项目
• yolo: 自动化更强，适合熟练用户

granularity

• coarse
• standard
• fine

阶段越复杂，越适合 fine。

model_profile

• quality
• balanced
• budget
• inherit

建议：

• 原型期：budget
• 常规开发：balanced
• 关键阶段：quality

workflow 开关

• workflow.research
• workflow.plan_check
• workflow.verifier
• workflow.nyquist_validation
• workflow.ui_phase
• workflow.ui_safety_gate

不熟悉领域时，建议保持默认；只做快速原型时再酌情关闭。

典型误区

跳过 discuss-phase

常见结果不是功能错误，而是实现风格偏离预期。AI 会用默认判断填满灰区。

phase 切太大

如果一个阶段同时覆盖数据库、API、前端、权限、测试、部署，plan 往往会失真。GSD 不是拿来吞掉模糊范围的。

不做 verify-work

测试通过不等于功能完成。尤其是交互、空状态、错误流程、移动端兼容这类问题，必须人工验收。

老项目不跑 map-codebase

这会增加“风格不一致”和“破坏现有结构”的概率。

结论

GSD 的价值在于把 AI 编程从单轮 prompt 提升为阶段化工作流，更适合多阶段任务和持续交付。

如果你的项目已经开始出现需求拆分、阶段推进、跨会话恢复、验收闭环这些问题，GSD 值得直接上手。

OpenClaw 社区先做到了多会话协作，Anthropic 直接把它做成了官方功能。 这不是一个小更新，而是 Claude Code 的工作方式从“单兵作战”升级为“团队协作”。这篇文章带你快速上手 Agent Teams：什么时候值得用、怎么开、怎么配、怎么管、哪里会踩坑。

先说结论：这不是“更强的 Sub-agent”，而是“真正的团队”

以前你只有一个会话，所有事情顺序完成：先研究、再改代码、再写测试。Agent Teams 出现后，一个 lead 负责拆解任务，多个 teammate 并行协作，还能互相交流、共享任务列表。

更直观的对比：

• Sub-agents：像派一个助理去拿答案，回来报告。
• Agent Teams：像把一群专家放进同一个项目里协作。

如果任务需要互相沟通、互相校验，Agent Teams 才真正发挥价值。

什么时候该用？什么时候是过度设计？

适合用的场景（并行能带来明显收益）：

• 研究/评审：不同队友分别看代码、查资料、提风险点。
• 跨层开发：一个队友做前端，一个队友做后端，一个队友写测试。
• 调试：多条假设并行验证，避免单一路径走歪。

不适合用的场景：

• 强顺序依赖（第二步必须等第一步完成）。
• 同文件高频编辑（容易覆盖冲突）。
• 很小的任务（协调成本比收益更高）。

一句话：能拆成独立任务的，用团队；必须串行的，用单人或 sub-agent。

如何启用 Agent Teams（30 秒完成）

Agent Teams 目前是实验功能，默认关闭。你有两种方式开启：

方式 1：修改 settings.json（推荐，持久化）

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

方式 2：环境变量（临时）

export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1

启用后，Claude Code 会识别团队指令。官方文档可参考：
Agent Teams 文档

启动团队：最重要的是“清晰的角色分工”

你不需要特殊语法，只要给 lead 一个清晰任务和分工提示。

示例（高质量提示）：

我在设计一个 CLI 工具，扫描代码里的 TODO 并生成报告。创建一个 agent team：

• teammate A：从用户体验角度给出功能优先级
• teammate B：提出技术架构与实现路径
• teammate C：以“反对者”视角挑出风险与替代方案

好的 prompt = 明确角色 + 独立任务 + 预期输出。这一步越清楚，成本越低。

运行中如何控制团队

当团队跑起来后，必须知道 3 个关键操作：

1. 直接和任意队友对话

• In-process 模式：Shift + 上/下 切换队友
• Split-pane 模式：点击对应 pane（需要 tmux 或 iTerm2）

2. Delegate mode（防止 lead 抢活）
   有时候 lead 会“忍不住自己干”。开启 delegate mode 后，lead 只能协调：分配任务、发消息、管理列表。

• 切换快捷键：Shift + Tab

3. 任务分配与回收

• 可由 lead 指派，也可被队友自动领取
• 队友完成后建议主动“汇报 + 标记完成”

Agent Teams vs Sub-agents：如何选？

决策问题就一个：是否需要队友之间的沟通？

• 不需要互相沟通，只要结果 → Sub-agents（便宜、快、适合单点任务）
• 需要协作、互相对齐 → Agent Teams（贵、但能处理复杂系统）

成本提醒：Agent Teams 可能是 sub-agent 成本的数倍，请在“收益明显”时使用。

最佳实践：少走弯路的 7 条经验

1. Spawn prompt 要细：不要假设队友知道你的历史上下文。清楚写清目标、范围、输入/输出。
2. 任务粒度适中：能在 15–40 分钟内完成并交付。
3. 避免同文件编辑：同一文件交给一个队友，减少合并冲突。
4. 定期 check-in：每 15–20 分钟主动询问进展，避免跑偏太久。
5. 先做“研究/评审”试水：最容易看到并行价值。
6. 任务列表清晰：拆成可验收的子任务，完成后立刻标记。
7. 用角色命名：如 frontend, backend, test, review，便于协作。

当前已知限制（避免误踩）

• 会话恢复不支持：/resume 或 /rewind 不会恢复队友。
• 任务状态偶尔延迟：完成了但未标记，需手动更新或提醒。
• 一个会话只能有一个团队：不能创建多个团队或转移 lead。
• Split-pane 有终端限制：仅支持 tmux 或 iTerm2。

Key Takeaways

• Agent Teams 适合并行协作，不适合顺序强依赖任务。
• 清晰的角色与任务拆解是效率与成本的关键。
• Delegate mode 可以让 lead 专注管理，不再自己动手。

这是一位名为 Boris 的作者在推文中整理的使用心得。他表示这些技巧来自 Claude Code 团队的内部实践，同时也强调：没有唯一正确的用法，每个人都应该根据自己的工作流不断试验与调整。

原文地址：https://x.com/bcherny/status/2017742741636321619

1) 并行：3–5 个 worktree 同时跑

团队的 No.1 技巧：同时开 3–5 个 git worktree，每个 worktree 对应一个 Claude 会话。上下文更干净、并行更高效。

实践建议：

• 给 worktree 起名并设 alias（如 za/zb/zc）
• 单独开一个“分析 worktree”用于日志/查询

2) 复杂任务先进入 Plan Mode

先把计划做扎实，再执行才容易一枪到位。

一些团队成员会：

• 让一个 Claude 写计划
• 再让另一个 Claude 以“资深工程师视角”审核

一旦走偏就回到 Plan Mode 重规划，不要硬推。

3) 把 CLAUDE.md 当成自我修正系统

每次纠正 Claude 后，都补一句：

“更新 CLAUDE.md，避免下次再犯。”

持续迭代后，Claude 的错误率会明显下降。

4) 把重复劳动写成 Skill / Slash Command

做超过一天的事，就值得自动化。

团队建议：

• /techdebt：会话末尾清理重复代码
• 自动同步 Slack / Asana / GDrive / GitHub 上下文
• 构建“数据工程师风格”的 agent 写 dbt / review / 测试

5) 让 Claude 自己修 Bug

不要过度指导，把问题喂给它即可：

• 贴 Slack bug 线程说 “fix”
• 或直接说 “修复 failing CI tests”
• 把 Docker logs 直接贴进去

6) Prompt 进阶技巧

• 让 Claude 审你：
  “Grill me on these changes, don’t PR until I pass.”
• 不满意就推翻：
  “Knowing everything you know now, scrap this and implement the elegant solution.”
• 先写清楚 spec：越具体越少返工

7) 终端与环境配置

团队喜欢 Ghostty（同步渲染、24-bit 色彩、完整 Unicode）。

提升效率的小习惯：

• /statusline 显示上下文与分支
• 终端 tab 颜色区分任务
• tmux 一任务一 tab
• 语音输入（Mac 双击 fn）提示词更完整

8) Use Subagents

在需求结尾加一句 “use subagents”，Claude 会开多个子任务并行。

优点：主上下文更干净、并行探索更快。

9) 用 Claude 做数据分析

团队把 BigQuery CLI 直接接到 Claude Code，6 个月没写 SQL。

只要有 CLI / MCP / API 的数据库都能用同样方法接入。

10) 用 Claude 学习新知识

• 在 /config 开启 Learning / Explanatory 模式
• 让 Claude 生成 HTML 讲义
• 让 Claude 画 ASCII 架构图
• 做“间隔复习”学习 skill：你讲理解，Claude 追问补全

总结：Claude Code 的价值不在单次对话，而在于工作流的长期迭代。并行化、计划驱动、规则沉淀与技能化工具，是提升效率的核心。

一、Cursor

Cursor 官方文档

Cursor 是在 IDE 中深度集成的 AI 编程助手，适合日常开发场景。

1.1 Modes：四种工作模式

1.2 Rules：让 AI 真正理解你的项目

由于 LLM 在不同补全之间不会保留记忆，Rules 在提示级别提供持久、可重用的上下文。

四种规则类型：

项目规则示例（Linus Torvalds 风格）：

文件：.cursor/rules/codereview.mdc

---
alwaysApply: true
---

## 角色定义
你是 Linus Torvalds，Linux 内核创造者和首席架构师。

## 核心哲学
1. **好品味** - 消除边界情况优于增加条件判断
2. **Never break userspace** - 向后兼容性神圣不可侵犯
3. **实用主义** - 解决实际问题，不是假想威胁
4. **简洁执念** - 超过3层缩进就该重构

## Linus式问题分解（五层分析）
- **数据结构**：核心数据是什么？关系如何？
- **特殊情况**：找出 if/else，能否用数据结构消除？
- **复杂度审查**：功能本质是什么？概念能否减半？
- **破坏性分析**：会 break 什么？如何零破坏改进？
- **实用性验证**：生产环境真有问题吗？

## 代码审查输出
【品味评分】🟢 好品味 / 🟡 凑合 / 🔴 垃圾
【致命问题】[直接指出最糟糕的部分]
【改进方向】"把这个特殊情况消除掉"

最佳实践：

• ✅ 规则控制在 500 行以内，大规则拆分
• ✅ 用 @file.ts 引用文件而非复制内容
• ❌ 避免照搬风格指南（用 linter）
• ❌ 不记录常见命令（Agent 已了解 npm/git）

AGENTS.md 示例（简化版）：

文件：AGENTS.md（项目根目录）

# 灵播资金管理系统 - AI 编码指南

## 项目概述
Spring Boot 多模块 Maven 项目，管理会员资金、优惠券、积分、红包等业务。

技术栈：Java 11, Spring Boot 2.6, MyBatis Plus, 支付宝/微信支付 SDK

## 项目结构
lingbo-funds/
├── api/          # Feign 接口
├── bussiness/    # 业务逻辑（Service）
├── repository/   # 数据访问（DAO/Mapper）
└── web/          # Controller

## 关键规范

### 命名
- Controller: *Controller
- Service: *Service / *ServiceImpl
- DAO: *Dao / *DaoImpl
- Mapper: *MapperExt

### 注解（必须）
- @Slf4j - 日志
- @RequiredArgsConstructor - 构造器注入
- @Service / @RestController

### 日志
log.info("操作: {}, 参数: {}", operation, params);
// 不要字符串拼接

二、Claude Code / Codex

Claude Code 文档 | Codex 文档

命令行环境下的 AI 助手，适合 SSH 服务器、批量处理、自动化脚本等无 GUI 场景。

2.1 常用技巧

2.2 安全红线

• ⚠️ 危险操作（rm、DROP TABLE）必须二次确认
• ⚠️ 敏感文件（.env、密钥）加入忽略列表
• ⚠️ 不在生产环境直接 auto-edit

2.3 Commands：快捷指令

把常用操作流程封装成 /command-name 一键执行。

示例：创建合并请求

~/.claude/commands/yunxiao/merge-to-develop.md：

---
allowed-tools: Bash(git status:*), MCP(get_current_user)
description: 创建代码合并请求到 develop 分支
---

帮我在 yunxiao 中基于当前分支创建 MR 到 develop

使用：/merge-to-develop

2.4 Skills：能力扩展包

把特定领域的工具、知识打包成可复用模块。

目录结构：

my-skill/
├── SKILL.md          # 核心定义：描述、约束、用法
├── scripts/          # 可执行脚本
└── references/       # 参考资料（schema、文档）

示例：SQL Expert Skill

• SKILL.md：定义允许查询的表、参数化规范、脱敏规则
• scripts/query.py：封装数据库连接，内置只读限制
• references/schema.md：表结构文档

使用：直接说「查浦江区的租户」，AI 自动查 schema → 生成 SQL → 执行 → 脱敏返回。

Command vs Skill：

2.5 Agent：自主执行任务的智能体

什么是 Agent
Agent 是能够自主规划和执行任务的 AI 实体。与单次对话不同，Agent 可以：

• 拆解复杂任务为多个步骤
• 自主调用 Tools/Skills 完成子任务
• 根据执行反馈调整策略
• 持续运行直到目标达成

典型 Agent 工作流：

用户目标 → Agent 规划 → 步骤1 → 步骤2 → 步骤3 → 结果验证 → 完成
                ↑         ↓       ↓       ↓
                └──── 遇到异常时调整策略 ──┘

示例：自动化数据分析 Agent

目标：分析本月销售数据并生成报告

执行过程：
1. 连接数据库（调用 SQL Skill）
2. 提取销售数据（执行查询脚本）
3. 数据清洗和处理（调用 Python Tool）
4. 生成图表（调用可视化 Tool）
5. 撰写分析报告（LLM 生成）
6. 发送邮件（调用邮件 Tool）

2.6 SubAgent：分而治之的协作模式

什么是 SubAgent
当任务过于复杂时，主 Agent 可以创建多个 SubAgent 并行处理子任务，最后整合结果。

使用场景：

• 大型代码库重构（按模块分配）
• 多源数据分析（各 SubAgent 处理不同数据源）
• 批量任务处理（并行加速）

工作模式：

主 Agent（协调者）
    ├─ SubAgent A → 处理模块 A → 返回结果
    ├─ SubAgent B → 处理模块 B → 返回结果
    └─ SubAgent C → 处理模块 C → 返回结果
         ↓
    整合所有结果 → 最终输出

能力对比：

三、N8N

官方文档

• Workflow：把重复劳动固化（总结、通知、发布）
• 结构化：输入输出字段化，避免自由文本猜意图
• Chat：把 workflow 包装成一句话入口

四、Kiro

Kiro 官方文档

Kiro 是专为 AI 编程设计的 IDE，核心是两个互补的工作模式。

4.1 VibeCoding 模式

定位：快速原型、灵感验证、小工具开发

特点是「边想边做」，适合：

• 验证一个想法是否可行
• 写一次性脚本或内部工具
• 探索性编程，不确定最终形态

流程：描述需求 → AI 生成代码 → 试运行 → 调整描述 → 迭代

4.2 Spec 模式（SDD）

定位：复杂功能、团队协作、需要长期维护的代码

Spec-Driven Development（规格驱动开发）：先写清楚「做什么」，再让 AI 生成「怎么做」。

SDD 流程：

graph LR
    A[需求描述] --> B[编写 Spec]
    B --> C{Spec 评审}
    C -->|不通过| B
    C -->|通过| D[AI 生成实现]
    D --> E[测试验证]
    E -->|失败| F[调整 Spec]
    F --> B
    E -->|通过| G[代码入库]

Spec 包含什么：

## 功能名称

### 输入
- 参数1：类型，约束条件
- 参数2：类型，约束条件

### 输出
- 返回值：类型
- 错误情况：错误码 + 说明

### 边界情况
1. 空输入如何处理
2. 超大输入如何处理
3. 并发场景如何处理

### 验收标准
- [ ] 单元测试覆盖率 > 80%
- [ ] 边界情况都有测试用例
- [ ] 性能指标满足 XXX

4.3 两种模式对比

建议：用 VibeCoding 探索思路，确定可行后切换到 Spec 模式落地。

五、Clawdbot / OpenClaw

官方文档

5.1 解决了什么问题

现有 AI 工具大多是「黑盒」或「单机版」：

• ChatGPT/Claude：网页对话，无法连接你的系统
• Cursor/Codex：个人开发工具，不能服务团队
• N8N： Workflow 工具，但 AI 能力弱

Clawdbot 定位：可配置的智能体框架，让你自建 AI 助手：

• 多渠道接入：同时连接 Telegram、Slack、钉钉、飞书等，一处配置多端可用
• Tools 生态：Skills 模块化，按需加载（数据库查询、文件操作、API 调用等）
• Cron 定时：自动执行定时任务（日报、监控、提醒）
• 权限边界：细粒度控制谁可以用什么功能

5.2 核心架构

WhatsApp / Telegram / Discord / iMessage (+ plugins)
 │
 ▼
┌───────────────────────────┐
│         Gateway           │  ws://127.0.0.1:18789
│      (single source)      │
│                           │  http://host:18793/__claw__/canvas/
└───────────┬───────────────┘
            │
            ├─ Agent (RPC)
            ├─ CLI (claw …)
            ├─ WebChat UI
            ├─ macOS app
            ├─ iOS/Android node (WebSocket + pairing)
            └─ Cron 定时任务

架构特点：

• Gateway 为核心：单一长连接进程管理所有渠道和 WebSocket 控制面
• 多渠道接入：WhatsApp、Telegram、Discord、iMessage 等统一处理
• 多终端支持：Web、桌面、移动端均可接入
• 本地优先：默认监听 ws://127.0.0.1:18789，支持 Tailscale 远程访问

5.3 适用场景

• 团队内部助手：部署在公司服务器，连接内部系统（Git、DB、监控）
• 客户服务机器人：接入钉钉/飞书/Slack，自动回答常见问题
• 自动化运维：定时检查服务状态，异常时告警
• 个人知识库：私有化部署，连接本地文件和笔记

总结：没有最好，只有最顺手

上面列的这些工具，没有绝对的优劣之分。每个人的工作流不同，适合的也不一样：

• 有人离不开 Cursor 的沉浸式编码体验
• 有人更喜欢 Claude Code 的终端快感
• 有人用 N8N 搭了个自动化全家桶
• 也有人自己折腾 Clawdbot 搞私有化部署

建议：

1. 先挑一个最顺眼的试试，用顺手了再考虑其他的
2. 不要贪多，工具越多切换成本越高
3. 遇到瓶颈时，再回头来看看有没有更合适的替代方案

最终，工具是为人服务的。选那个让你 coding 时最爽的就行。

背景

每天浏览 Hacker News、GitHub Trending、技术博客获取科技资讯既耗时又容易遗漏。Tech News Skill 把「抓取 → 翻译 → 分类 → 生成」这条流水线自动化，让你每天几分钟内就能产出当天的科技新闻汇总。

⭐ GitHub 地址
https://github.com/foundralab/my-skills/tree/main/tech-news

功能特性（最新）

工作流程

抓取多源 → 去重 → 平衡筛选 → 翻译摘要 → (可选)处理配图 → 生成Markdown

前置条件

• Python 3.8+ (python3)
• 翻译 API：MINIMAX_API_KEY 或 OPENAI_API_KEY
• 可选图片上传：~/.r2-upload.yml 或 R2_UPLOAD_CONFIG

示例：

export MINIMAX_API_KEY=your_key
# 或
export OPENAI_API_KEY=your_key

# 如需图片上传
export R2_UPLOAD_CONFIG=~/.r2-upload.yml

快速开始

假设 skill 安装目录为 ~/.agents/skills/tech-news（以实际路径为准）：

TECH_NEWS_DIR=~/.agents/skills/tech-news
DATE=$(date +%F)

python3 $TECH_NEWS_DIR/scripts/generate.py \
  --date $DATE \
  --save /tmp/tech-news-$DATE.md

如果你不需要图片：

python3 $TECH_NEWS_DIR/scripts/generate.py --date $DATE --no-images --save /tmp/tech-news-$DATE.md

常用参数

• --sources <list>：指定新闻源（默认 8 个）
• --count <n>：每源抓取数量（默认 15）
• --limit <n>：最终精选数量（默认 10）
• --max-images <n>：处理图片上限
• --no-images：禁用图片
• --output-only：仅输出 Markdown 到 stdout

文章格式

默认输出结构（节选）：

# 📰 YYYY-MM-DD 科技早报

> 📊 **今日导读**
> 精选 10 条科技新闻
> 来源：Hacker News(4) | GitHub Trending(3) | Lobsters(3)

---

## 📋 文章速览

**AI 与机器学习**：3 篇
1. ...

自动化方案

1. Cron（本地定时）

0 9 * * * \
  python3 ~/.agents/skills/tech-news/scripts/generate.py --date $(date +%F) --save /tmp/tech-news-$(date +%F).md

生成后即可用于发布或二次编辑（可用脚本自动处理）。

2. GitHub Actions

把 generate.py 放到 workflow 中，定时生成并提交到仓库。

常见问题

• 翻译质量一般：确认 MINIMAX_API_KEY 或 OPENAI_API_KEY 已配置
• 图片不显示：检查 R2_UPLOAD_CONFIG 或改用 --no-images
• 重复内容：默认会排除近 3 天重复文章，可按需改代码

Skill 源码与目录结构

Tech News Skill 本地结构如下：

GitHub 仓库

tech-news/
├── SKILL.md
├── scripts/
│   ├── generate.py
│   ├── fetch_news.py
│   └── llm_translate.py
└── references/

如果你想改来源、分类或输出格式，直接修改 generate.py 即可。

让科技新闻聚合变得简单高效！

之前介绍了如何配置 Clawdbot 使用国内 Minimax，今天分享如何为 Clawdbot 安装 R2 Upload Skill，实现图片/文件上传到 Cloudflare R2 并生成公开访问链接。

背景

Clawdbot 本身没有内置的文件上传功能，但通过安装 R2 Upload Skill，可以轻松实现：

• 📤 上传文件到 Cloudflare R2 或 S3 兼容存储
• 🔗 生成短期有效的预签名下载链接
• 🌐 支持自定义域名访问
• 📦 多 Bucket 配置

环境准备

在开始之前，你需要准备：

1. Cloudflare R2 账号
2. 已创建的 R2 Bucket
3. R2 API Token（包含 Access Key ID 和 Secret Access Key）
4. Clawdbot 已安装（本文假设已安装）

安装步骤

步骤一：下载 Skill

R2 Upload Skill 托管在 ClawdHub，通过以下地址下载：

https://auth.clawdhub.com/api/v1/download?slug=r2-upload

下载后会得到一个 zip 文件。

步骤二：解压并安装到全局

将 Skill 安装到 Clawdbot 全局技能目录：

# 解压
unzip r2-upload.zip -d /tmp/r2-upload-extract

# 安装到全局 skills 目录
cp -r /tmp/r2-upload-extract ~/.clawdbot/skills/r2-upload

# 安装依赖
cd ~/.clawdbot/skills/r2-upload
npm install

步骤三：配置 R2 凭证

创建配置文件 ~/.r2-upload.yml：

# R2 Upload Configuration

default: your-bucket-name

buckets:
  your-bucket-name:
    endpoint: https://YOUR_ACCOUNT_ID.r2.cloudflarestorage.com
    access_key_id: YOUR_ACCESS_KEY_ID
    secret_access_key: YOUR_SECRET_ACCESS_KEY
    bucket_name: your-bucket-name
    public_url: https://your-custom-domain.com
    region: auto

配置说明：

步骤四：重启 Clawdbot

使 Skill 生效：

clawdbot gateway restart

使用方法

通过 Clawdbot 对话

在 Clawdbot 对话中直接使用：

上传这张图片到 R2

或指定参数：

上传 /path/to/file.jpg 到 R2，有效期 24 小时

可用工具

R2 Upload Skill 提供以下工具：

上传示例

# 上传文件
r2-upload /path/to/file.pdf

# 指定自定义路径
r2-upload /path/to/file.pdf --key uploads/2026/report.pdf

# 指定 Bucket
r2-upload /path/to/file.pdf --bucket my-bucket

# 自定义有效期（默认 5 分钟）
r2-upload /path/to/file.pdf --expires 24h
r2-upload /path/to/file.pdf --expires 1d
r2-upload /path/to/file.png --expires 300  # 秒

# 生成公开链接（无需签名）
r2-upload /path/to/file.png --public

R2 配置详解

获取 R2 Endpoint

1. 登录 Cloudflare Dashboard
2. 进入 R2 → 你的 Bucket
3. 查看 "S3 API" 部分，获取 Endpoint 地址

格式：https://<ACCOUNT_ID>.r2.cloudflarestorage.com

创建 API Token

1. 进入 https://dash.cloudflare.com/<ACCOUNT_ID>/r2/api-tokens
2. 创建新 Token：
   • 应用到特定 Bucket
   • 权限：Object Read & Write
3. 复制 Access Key ID 和 Secret Access Key

自定义域名配置（可选）

如果你有自定义域名（如 oss.example.com）：

1. 在 Cloudflare DNS 中添加 CNAME 记录
2. 在 R2 设置中绑定自定义域名
3. 在配置文件中设置 public_url

常见问题

Q: 上传后链接打不开？

检查：

1. 预签名链接是否过期（默认 5 分钟）
2. Bucket 是否设置为公开访问
3. 自定义域名是否正确配置

Q: 如何修改默认有效期？

在配置文件或环境变量中设置：

# ~/.r2-upload.yml
default_expires: 3600  # 1 小时

或使用环境变量：

export R2_DEFAULT_EXPIRES=3600

Q: 可以上传到多个 Bucket 吗？

可以，在配置文件中定义多个 Bucket：

default: blog

buckets:
  blog:
    endpoint: https://blog.r2.cloudflarestorage.com
    # ... 其他配置
    
  assets:
    endpoint: https://assets.r2.cloudflarestorage.com
    # ... 其他配置

上传时指定 Bucket：

上传图片到 assets bucket

总结

通过以上步骤，你已经成功为 Clawdbot 安装了 R2 Upload Skill。现在可以轻松上传文件并生成分享链接了。

相比传统的文件上传方式，R2 + Clawdbot 的组合具有以下优势：

• ✅ 零服务器成本（R2 只收存储和流量费）
• ✅ 全球 CDN 加速
• ✅ 自动生成短期有效链接
• ✅ 安全可控的访问权限
• ✅ 支持自定义域名

如果你正在使用 Clawdbot 进行 AI 开发，R2 Upload Skill 是一个非常实用的工具。

参考链接：

• Clawdbot 官方文档
• R2 官方文档
• ClawdHub

标签： Clawdbot, R2, Cloudflare, 存储, 教程

Clawdbot 默认使用国际站 Minimax API，但国内用户访问国际站可能存在网络延迟或访问受限问题。本文介绍如何将 Clawdbot 配置为使用国内 Minimax 地址。

问题背景

Clawdbot 默认配置的 Minimax 地址为国际站，可能存在以下问题：

• 网络延迟高
• 访问不稳定
• 需要特殊网络环境

国内站地址：https://api.minimaxi.com/anthropic

配置步骤

步骤一：修改 Agent 模型配置

编辑 ~/.clawdbot/agents/main/agent/models.json：

{
  "providers": {
    "minimax": {
      "baseUrl": "https://api.minimaxi.com/anthropic",
      "api": "anthropic-messages",
      "models": [
        {
          "id": "MiniMax-M2.1",
          "name": "MiniMax M2.1",
          "reasoning": false,
          "input": ["text"],
          "cost": {
            "input": 15,
            "output": 60,
            "cacheRead": 2,
            "cacheWrite": 10
          },
          "contextWindow": 200000,
          "maxTokens": 8192
        },
        {
          "id": "MiniMax-VL-01",
          "name": "MiniMax VL 01",
          "reasoning": false,
          "input": ["text", "image"],
          "cost": {
            "input": 15,
            "output": 60,
            "cacheRead": 2,
            "cacheWrite": 10
          },
          "contextWindow": 200000,
          "maxTokens": 8192
        }
      ],
      "apiKey": "sk-cp-xxx"
    }
  }
}

步骤二：修改全局配置

编辑 /root/.clawdbot/clawdbot.json：

{
  "models": {
    "mode": "merge",
    "providers": {
      "minimax": {
        "baseUrl": "https://api.minimaxi.com/anthropic",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "MiniMax-M2.1",
            "name": "MiniMax M2.1",
            "reasoning": false,
            "input": ["text"],
            "cost": {
              "input": 15,
              "output": 60,
              "cacheRead": 2,
              "cacheWrite": 10
            },
            "contextWindow": 200000,
            "maxTokens": 8192
          }
        ]
      }
    }
  }
}

配置说明

重启验证

配置完成后，重启 Clawdbot：

clawdbot gateway restart

然后检查状态：

clawdbot status

常见问题

Q: 配置后无法连接？

检查：

1. API Key 是否正确
2. 网络是否可访问 https://api.minimaxi.com
3. 配置文件语法是否正确（JSON 格式）

Q: 如何验证配置生效？

在 Clawdbot 中执行：

/status

查看当前使用的模型配置。

参考链接

• Clawdbot 官方文档
• MiniMax API 文档

文章标签： Clawdbot, Minimax, AI配置, 国内站