https://blog.lynxflow.co/categories/%E8%87%AA%E5%8A%A8%E5%8C%96/Recent content in 自动化 on Lynx 的技术博客Hugo -- gohugo.iozh-cnSun, 13 Sep 2026 01:00:00 +0800https://blog.lynxflow.co/posts/merge-cover-pipelines-lynxcard-drag-layout/Sun, 13 Sep 2026 01:00:00 +0800https://blog.lynxflow.co/posts/merge-cover-pipelines-lynxcard-drag-layout/<img src="https://blog.lynxflow.co/images/merge-cover-pipelines-lynxcard-drag-layout.png" alt="Featured image of post 把两套封面生成器合并成一个:我如何用 LynxCard 统一博客封面管线并加上拖拽排版" />博客的封面图一直是两条线并行:AI 资讯类由 feed_pipeline 自动调 LynxCard 服务出「横版信息卡」,而我手写的深度文章用一个独立脚本 gen_cover_dark_terminal.py 出「深蓝终端风」封面——HTML 模板 + Playwright 截图 + PIL 量化。两套各自为政,样式、参数、渲染逻辑完全不同。最近我终于把它们合并了,顺带解决了「想微调排版得改代码」的老大难。https://blog.lynxflow.co/posts/github-backup-3-2-1-2026/Mon, 24 Aug 2026 09:00:00 +0800https://blog.lynxflow.co/posts/github-backup-3-2-1-2026/<img src="https://blog.lynxflow.co/images/github-backup-3-2-1-2026.png" alt="Featured image of post 我把 148 个 GitHub 仓库整成了「不可能全丢」:一次 3-2-1 备份的完整复盘" />我数了一下自己 GitHub 账号里的仓库:148 个,126 个私有、22 个公开,里面还混着 3 个 fork,只算仓库对象(不含元数据)就有 3 个多 GB。五年多的提交历史、没写完的实验代码、跑着自动化的脚本,全在。https://blog.lynxflow.co/posts/lynxpipe-ai-content-pipeline-architecture/Thu, 20 Aug 2026 00:00:00 +0800https://blog.lynxflow.co/posts/lynxpipe-ai-content-pipeline-architecture/<img src="https://blog.lynxflow.co/images/lynxpipe-ai-content-pipeline-architecture.png" alt="Featured image of post 一个人撑起多渠道:我的 AI 内容自动化管线 LynxPipe 是怎么搭的" />一个人运营博客、Telegram 频道、公众号三个出口,最痛的不是写不出内容,是写不过来——每天有价值的 AI 资讯太多了,手动翻译、改写、配图、排版、分发,一条链走完半天就没了。于是我把它拆成了一条管线,起名 LynxPipe:素材进,成品文章出,博客/TG/公众号三头分发,中间的&quot;会动的逻辑&quot;全收拢在一个仓里。https://blog.lynxflow.co/posts/tg-channel-auto-audit-loop/Sat, 15 Aug 2026 00:00:00 +0800https://blog.lynxflow.co/posts/tg-channel-auto-audit-loop/<img src="https://blog.lynxflow.co/images/tg-channel-auto-audit-loop.png" alt="Featured image of post 从手动审帖到半自动改进：我的 TG 频道质量闭环，以及下一步全自动化" />我有一个 Telegram 频道 @Lx_groups，定位是 AI 白嫖资讯——免费 API 额度、限时活动、开源项目、行业新闻，专注&quot;真免费&quot;，不推灰产和广告。它背后的引擎是一个 Cloudflare Worker：抓上游 TG 频道预览页 + GitHub atom + 大厂 RSS，KV 去重，再通过 Bot API 推送到频道。https://blog.lynxflow.co/posts/hermes-openclaw-setup-guide/Sat, 08 Aug 2026 00:00:00 +0800https://blog.lynxflow.co/posts/hermes-openclaw-setup-guide/<img src="https://blog.lynxflow.co/images/hermes-vs-openclaw.png?v=090818" alt="Featured image of post Hermes + OpenClaw 新手部署与配置指南(2026)" /> 这份指南把本站上五篇 Hermes / OpenClaw 实测文章串成了一条完整的动线:选哪个 → 怎么装 → 怎么配模型 → skills 怎么用。所有命令都于 2026-07-31 对着真实运行的实例核验过,不是抄官方文档凑数。两个项目迭代都很快,动手前建议重新核对官方文档。https://blog.lynxflow.co/posts/self-hosted-agent-landscape-2026/Fri, 31 Jul 2026 00:00:00 +0800https://blog.lynxflow.co/posts/self-hosted-agent-landscape-2026/<img src="https://blog.lynxflow.co/images/self-hosted-agent-landscape-2026.png" alt="Featured image of post 2026 自托管 AI agent 生态全景" />两个常被混为一谈的类别 2026 年说&quot;AI agent&quot;,其实涵盖两类完全不同的东西,大多数选型失误都来自把两者搞混: 自己搭的框架(build-your-own)——你对着库写代码,自己拼一个 agent(LangGraph、CrewAI、AutoGPT 类)。工具调用循环、记忆、渠道,全是你自己的活。控制力高,工程量大。 开箱即用的 harness(ready-to-run)——一个打包好的 agent,你装上、配好、当成服务部署。推理循环、渠道、skills 系统都已经有了。你是&quot;运维&quot;它,不是&quot;开发&quot;它。Hermes 和 OpenClaw 在这一类。 AgentHub 专注第 2 类——自托管、开箱即用的 harness——因为这是&quot;部署者&quot;(不是&quot;框架开发者&quot;)最需要指南、对比、迁移帮助的地方。https://blog.lynxflow.co/posts/skills-portability-hermes-openclaw/Fri, 31 Jul 2026 00:00:00 +0800https://blog.lynxflow.co/posts/skills-portability-hermes-openclaw/<img src="https://blog.lynxflow.co/images/skills-portability-hermes-openclaw.png" alt="Featured image of post Hermes skills 和 OpenClaw skills:能互通吗?" />简短回答:能互通 你在 Hermes 上装的 skill,能在 OpenClaw 上原样(逐字节相同)装上,反之亦然。两边都说标准 agent-skill 格式(SKILL.md + YAML frontmatter + 配套的 examples/、references/、scripts/、templates/ 目录),都从同样的 registry 拉。https://blog.lynxflow.co/posts/hermes-vs-openclaw/Fri, 31 Jul 2026 00:00:00 +0800https://blog.lynxflow.co/posts/hermes-vs-openclaw/<img src="https://blog.lynxflow.co/images/hermes-vs-openclaw.png?v=090818" alt="Featured image of post Hermes vs OpenClaw:2026 选哪个自托管 AI agent?" />两个上升的开源自托管 agent harness Hermes 和 OpenClaw 是 2026 年里两个受关注度上升的开源、可自托管的 AI agent harness。两者都让你跑一个 agent:跨消息渠道和人对话、调工具、维护状态——但语言、理念和生态不同。https://blog.lynxflow.co/posts/install-openclaw-gateway/Fri, 31 Jul 2026 00:00:00 +0800https://blog.lynxflow.co/posts/install-openclaw-gateway/<img src="https://blog.lynxflow.co/images/install-openclaw-gateway.png" alt="Featured image of post 安装 OpenClaw 网关(2026)" />OpenClaw 是开源、可自托管的多渠道 AI agent 网关(Node.js/TypeScript,MIT)。和 Hermes(Python,得手写 systemd unit)不同,OpenClaw 自己管自己的网关服务——一条命令就装好 systemd unit。本指南对照一台跑着 OpenClaw 网关的活实例核验过。https://blog.lynxflow.co/posts/model-provider-setup/Fri, 31 Jul 2026 00:00:00 +0800https://blog.lynxflow.co/posts/model-provider-setup/<img src="https://blog.lynxflow.co/images/model-provider-setup.png" alt="Featured image of post 模型 provider 配置:Hermes + OpenClaw(2026)" />自托管的 agent 接不上模型就没用。Hermes 和 OpenClaw 都能交互式选 inference provider,存进本地配置文件——密钥放环境变量,绝不进文件。本指南覆盖官方命令 + 配置结构(2026-07-31 核验);不显示任何真实 key。https://blog.lynxflow.co/posts/why-self-host-agents-and-agenthub/Fri, 31 Jul 2026 00:00:00 +0800https://blog.lynxflow.co/posts/why-self-host-agents-and-agenthub/<img src="https://blog.lynxflow.co/images/why-self-host-agents-and-agenthub.png" alt="Featured image of post 为什么我自托管 AI agent(以及建了 AgentHub)" /> 自托管机架里的 agent 通往各消息渠道|AI 生成示意图 我每天都在跑两个自托管的 AI agent harness:Hermes(Nous Research 出的,Python,会自我迭代,带 skills 系统)和 OpenClaw(Node 的多渠道 agent 网关,带 skills 市场)。两个都 MIT 协议,都装在我自己机器上,渠道从微信、飞书、钉钉到 Telegram 都通。https://blog.lynxflow.co/posts/install-hermes-wsl2/Fri, 31 Jul 2026 00:00:00 +0800https://blog.lynxflow.co/posts/install-hermes-wsl2/<img src="https://blog.lynxflow.co/images/install-hermes-wsl2.png?v=090500" alt="Featured image of post 在 WSL2 上安装 Hermes Agent(2026)" />Hermes 是开源、可自托管、自我进化的 AI agent(Python,MIT)。在 WSL2 上装法和 Linux 一致——官方安装器落在 ~/.hermes。本指南对照一台跑着 Hermes v0.16.0 的活 WSL2 实例核验过。