在日常生活中，可以用 OpenClaw 做哪些事？

自上次本人完成「在 CentOS 上安装 OpenClaw，并接入企业微信」之后，就在想：在日常生活中，到底能用 OpenClaw 来做什么。探索后发现，OpenClaw 有个「技能商店」叫 ClawHub，汇聚了超过几万个由社区贡献的技能插件，覆盖代码开发、自动化办公、内容创作到信息检索等各个方面的技能。

如何在 CentOS Stream 9 上安装 OpenClaw，并接入企业微信？

自发布上文「当下人人都在养龙虾，这龙虾（OpenClaw）为啥突然就火了？」之后，本人就有点心痒痒，寻思不管咋地，这「龙虾」咱也得养一只。不为获利，只为尝鲜！ 考虑到龙虾（OpenClaw）持有的权限比较大，若直接在自己日常使用的主力电脑上安装，有一定的风险性。所以本人特意购买了一个月的云主机（VPS，Virtual Private Server）服务，该主机为 Linux 操作系统，预装的是 CentOS Stream 9 发行版。待龙虾（OpenClaw）安装完成后，本人还将尝试其与企业微信的接入，最终实现直接在企业微信和机器人对话即可操作主机或企业微信资源的目的。

当下人人都在养龙虾，这龙虾（OpenClaw）为啥突然就火了？

「龙虾」现在火的一塌糊涂，它其实指的就是 OpenClaw。 为啥叫「龙虾」呢？这其实来自一个再简单不过的视觉联想 —— 因为 OpenClaw 的图标，正是一只红彤彤的龙虾。

编写一个 VS Code 扩展：将 Copilot 支持的大模型通过 REST API 方式暴露出来

在 AI 辅助编程的时代，Copilot 已经成为众多开发者的得力助手。我们只要拥有一个 GitHub 账号，只要开通了 Copilot，即可在 VS Code 等编辑器中使用它。而且 Copilot 可选的大模型日益增多，从最初的 Codex 模型到如今支持更强大的 GPT-5 系列，模型能力不断增强。

编写提示词需要遵循的五个原则（附实践案例）

开始本文前，让我们首先明确提示词与提示工程的概念。提示词是我们与大语言模型沟通时输入的指令，而提示工程则是发现能生成符合预期、稳定、可靠、和可复现结果的提示词的过程。 为什么需要提示工程呢？就是因为当前的生成式人工智能还不够智能，其输出具有不确定性，用专业术语来说，就是存在随机生成「次品」的可能。为解决这个问题，必须有一套工程化的方法对提示词进行适当的优化。 一些工程师在实践中也确实探索出一组好用的原则，被称为「编写提示词的五个原则」，遵循这些原则编写出来的提示词能以更高的概率让 AI 模型生成稳定、可靠、可复现的结果。

如何使用 Spec Kit 工具进行规范驱动开发？

由上文「Markdown 将成为 AI 时代的通用编程语言？」可以知道，规范驱动开发可能成为 AI 时代的开发新范式。

在传统软件开发流程中，规范只是编码前的临时脚手架，开发者一旦进入编码阶段，便将规范束之高阁。而进入 AI 时代，「规范驱动开发」想彻底改变这一现状，即让规范贯穿整个软件开发生命周期、让规范变得可执行、让规范成为代码。