Agent 虚拟组织实录
PR #54 第一版 CI 是绿的，Reviewer 还是打回了 3 个具体问题。 我把问题交回技术会话，第二个 commit 修完，CI 再跑一遍，最后才合入。整个过程都能从公开的 digital-employee #42、PR #54 和 commit 1d94ea4 回看。 这篇只复盘已经验收的 Phase A read-only harness。Phase B/C 还在后续范围。 1. 我怎么摆这支小队我在 fullstack-ai-infra 工作区长期留了三个角色会话：运营、产品、技术。 基于真实工作区截图的脱敏处理：仅保留公开工作区名和三个角色标签；画面不含 session id、账号或路径。 P9、P8、P7-like 是我给 Agent 用的责任标签：P9 管长期结果，P8 管一个方向，P7-like 做具体任务；人类 Owner 负责优先级、风险和最终放行。 123目标：P9 → P8 → task Agent实跑：产品 P9 ↔ 技术 P9 → Gate Reviewer └── 技术 P9 当时还兼任 P...
我把运行三个月的 D仔开源了：企业答疑机器人的真实案例与复用路径
项目已经开源：fullstack-ai-infra/digital-employee。 如果你也在群里反复回答同一批问题，可以先用仓库自带的零凭证 Demo 跑通，再换成自己的手册、代码仓库或经 DWS 授权的钉钉知识。 D仔最早是一个面向 DWS 的答疑机器人。它在真实钉钉会话里运行三个月后，我把其中能复用的部分拆成了一个通用的 Digital Employee 运行时；企业答疑机器人 answer-agent，只是它交付的第一个岗位。 这篇不从架构图开始。先看 D仔真正遇到过什么问题、怎么回答，以及什么时候没有继续猜。 一、先看三组答疑案例下面三组案例来自早期 D仔运行记录。为保护参与者与内部讨论，公开页面只保留经概括的文字结论，不嵌入真实会话截图或逐字聊天内容。案例用于说明答疑边界，不构成对所有能力均已生产验证的证明。 案例一：用户问“群公告能力是不是取消了”，D仔没有硬答用户拿着一次直播里的演示来问：以前看到过“发布群公告”，现在是不是取消了？ D仔先说清楚自己没有那场直播的记录，无法确认当时演示的具体内容；再核对当前 DWS 仓库，指出当时命令面里没有独立...
在 Claude / Cursor 里用一句话指挥钉钉 · dws 装进 AI Agent｜dws 专题 Ch.2
上一篇 Ch.1 结尾我埋了个钩子 —— dws 装机的时候会自动往 ~/.claude/skills/dws/ 塞一份 skill 文档,所以你的 Claude、Cursor 一打开就知道怎么操作钉钉。当时说”下一篇专门写”。这篇就来还这个债。 Ch.1 你是坐在终端里一条条手敲命令。这篇换个姿势:你把要干的事用大白话讲给 Claude / Cursor,命令让它去拼、去跑。我拿自己每天真在用的四件事 —— 查日程、写周报、发群通知、处理审批 —— 一个个走一遍。 下面演示我用的是 Claude Code,Cursor、Qoder 同理,读的是同一份 skill。 先说清楚:这不是”接 API”,是装了个 skill很多人一听”让 AI 操作钉钉”,第一反应是去配 MCP server、写 OpenAPI 对接。dws 这边不用。 dws 装机的时候会顺手做一件事:把一份 skill 文档同步到几个 Agent 的技能目录 —— 123~/.claude/skills/dws/ # Claude Code~/.cursor/skills/dws/ ...
5 分钟把钉钉装进命令行 · dws 入门第 1 行命令｜dws 专题 Ch.1
我之前每天工作要开五个钉钉的网页。一个写文档、一个改多维表、一个看日程、一个看审批、一个发群消息。鼠标点来点去,半个上午就过去了。 后来同事推荐我装了 dws,这是钉钉开放平台团队开的一个开源命令行工具。装好之后,我现在写周报、查日程、给同事发消息基本都在终端里走，钉钉客户端能少开就少开。 这篇是我自己上手 dws 写的第一篇笔记，目的就一个 —— 5 分钟从零到一条能真的把消息发进你钉钉的命令。我后面打算把 dws 写成一个专题系列，这是第一章。 仓库在这里，先扔上来，觉得有用顺手 Star 一下：👉 https://github.com/DingTalk-Real-AI/dingtalk-workspace-cli 它到底是个啥简单说，就是把钉钉工作台搬到命令行里。日历、多维表、群消息、待办、审批、考勤、文档、云盘…… 凡是钉钉客户端能干的事，基本都给做了一条命令。 它跟普通 SDK 的区别在于：SDK 是给写代码的人用的，业务同学用不了，CI 脚本要装一堆环境，AI Agent 调用要把方法签名塞 prompt 里 token 爆炸。dws 直接做成命令行，人能跑，sh...
Git Release SOP — 通用 AI Agent 发版副驾手册
本文给出一套与项目语言/工具链/Agent 无关的 Git 项目发布 SOP，覆盖准入 → 预演 → 打 Tag → 自动化 → 验证 → 闭环七步走，附故障预案、回滚策略、Hotfix 流程，以及一份可装入任意 AI Agent（Claude Code / Qoder / Cursor / 通用 LLM 都行）的 release-sop skill——来自 PeterGuy326/git-skill 这个 Git 工作流通用 AI Agent skill 集合。 文末附上以 DingTalk Workspace CLI（Go + GoReleaser）作为具体案例的实战映射。 Git 而非 GitHub：SOP 主体（PR 准入、CHANGELOG、tag 触发、smoke）对 GitHub / GitLab / Gitea / 自建 Gitea 都适用。Agent 不锁死：skill 的载体是一份纯 markdown 行为契约，能装进 Claude Code 的 SKILL.md，也能贴进 Qo...
Windows 本地大模型部署完全指南：Ollama + LM Studio + 接入 Claude Code
写在前面Windows 下从零配置 AI 开发环境 那篇主文章介绍了用云端 API（DeepSeek / Kimi）接 Claude Code，月度 ¥30 起就能跑。还有一条路 —— 本地部署开源大模型，零 token 成本、零数据外泄、零网络依赖，这篇专门讲。 ⚠️ 先把丑话说在前：本地部署不是免费午餐。显卡门票 + 模型能力差距 + 维护负担 三笔账都得算清楚再决定。本文第一节就是优劣对比，看完不动心再读后面。 一、本地部署 vs 云端 API：什么时候值得 DIY优势 ✅ 维度 说明 零 token 成本 拉一次模型，永远免费跑（除了电费） 数据隐私 代码、文档、敏感信息全部不离开本机 离线可用 飞机、地铁、断网都能用 可定制 自己 fine-tune、自己改 prompt 模板、自己跑 RAG 不限流 想跑多久跑多久，不会被 API 限速 弊端 ❌ 维度 现实 硬件门槛 跑 7B 模型至少 8GB VRAM；想跑 32B 顶级编码模型至少 24GB（RTX 4090 起步） 能力差距 消费级硬件能跑的 14B~...
Windows 下从零配置 AI 开发环境：Qoder + QoderWork + WSL + Claude Code + DeepSeek V4 Pro
写在前面这篇是写给 Windows 笔记本 + 纯入门 AI 状态的你的，不跳步骤、不省命令。每一段都按”先做什么、为什么这么做、出错怎么办”组织。所有链接都是官方源，AI 工具链每周都在迭代，跟着官方走最稳。 为什么这个顺序很重要：先装 Qoder（GUI 工具，鼠标点击即可使用），让你先有一个能问问题的 AI 助手。后面装 WSL、Claude Code 这些命令行工具难免遇到坑，直接把错误贴给 Qoder，它会告诉你怎么修。这就是工程师常说的”先把脚手架搭起来”。 总的安装顺序： Clash Verge Rev（前置）：解决 GitHub / Anthropic 登不上的问题，这是先决条件，所有后续都建立在能联网的基础上 Qoder：阿里出的 AI IDE，Windows 桌面 GUI 工具，先装这个，后面有问题先问它 QoderWork（可选）：Qoder 团队出的桌面端 AI Agent，邀请制，提交申请后直接跳到第三步，不要卡在这里等 WSL 2：在 Windows 里装一个 Ubuntu 子系统，是后面所有 Linux 命令行工具的地基 Claude C...
