<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Shannon on Text Matrix</title><link>https://0f9f3b1c.text-matrix.pages.dev/tags/shannon/</link><description>Recent content in Shannon on Text Matrix</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Wed, 08 Apr 2026 11:10:11 +0800</lastBuildDate><atom:link href="https://0f9f3b1c.text-matrix.pages.dev/tags/shannon/index.xml" rel="self" type="application/rss+xml"/><item><title>Shannon：KeygraphHQ 出品的多智能体框架，让 AI 系统具备分层记忆与人类反馈能力</title><link>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/shannon-keygraph-multi-agent-framework-guide/</link><pubDate>Tue, 07 Apr 2026 15:50:00 +0800</pubDate><guid>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/shannon-keygraph-multi-agent-framework-guide/</guid><description>&lt;h1 id="shannonkeygraphhq-出品的多智能体框架让-ai-系统具备分层记忆与人类反馈能力">Shannon：KeygraphHQ 出品的多智能体框架，让 AI 系统具备分层记忆与人类反馈能力&lt;/h1>
&lt;h2 id="概述">概述&lt;/h2>
&lt;p>Shannon 是由前 DeepMind 团队创立的 KeygraphHQ 开发的一款多智能体框架，专注于构建&lt;strong>可扩展、可靠、正确&lt;/strong>的分布式 AI 系统。与传统 Agent 框架不同，Shannon 创新性地引入了&lt;strong>分层记忆系统&lt;/strong>和&lt;strong>人类反馈循环&lt;/strong>（Human-in-the-Loop），让 AI Agent 不仅能够维护长期上下文，还能接受人类在关键决策点的指导与纠正。&lt;/p></description></item><item><title>ShanClaw：macOS 智能交互式 AI Agent CLI 指南</title><link>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/ai-agent/shanclaw-ai-agent-cli-guide/</link><pubDate>Wed, 01 Apr 2026 12:40:00 +0800</pubDate><guid>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/ai-agent/shanclaw-ai-agent-cli-guide/</guid><description>&lt;h2 id="学习目标">学习目标&lt;/h2>
&lt;p>阅读本文后，您将能够：&lt;/p>
&lt;ul>
&lt;li>✅ 理解 ShanClaw 的核心定位与设计理念&lt;/li>
&lt;li>✅ 掌握 ShanClaw 的本地工具集（18类 + 50+工具）&lt;/li>
&lt;li>✅ 熟练使用命名 Agent 与独立指令/记忆机制&lt;/li>
&lt;li>✅ 配置 MCP 客户端连接第三方服务（GitHub、Slack、数据库等）&lt;/li>
&lt;li>✅ 使用 Daemon 模式实现跨平台消息通道（Telegram、Slack、LINE）&lt;/li>
&lt;li>✅ 配置定时任务与心跳保持机制&lt;/li>
&lt;li>✅ 通过 /research 和 /swarm 命令进行远程研究与多智能体协作&lt;/li>
&lt;li>✅ 理解 ShanClaw 的技术架构与源码结构&lt;/li>
&lt;li>✅ 完成从安装到生产环境部署的完整流程&lt;/li>
&lt;li>✅ 开发自定义 Skills 与 MCP 工具集成&lt;/li>
&lt;/ul>
&lt;hr>
&lt;h2 id="一项目概述">一、项目概述&lt;/h2>
&lt;h3 id="11-什么是-shanclaw">1.1 什么是 ShanClaw&lt;/h3>
&lt;p>&lt;strong>ShanClaw&lt;/strong>（命令名 &lt;code>shan&lt;/code>）是由 &lt;a href="https://github.com/Kocoro-lab" target="_blank" rel="noopener noreffer ">Kocoro-lab&lt;/a> 开发的 &lt;strong>macOS 原生交互式 AI Agent CLI&lt;/strong>，由 &lt;a href="https://github.com/Kocoro-lab/Shannon" target="_blank" rel="noopener noreffer ">Shannon Gateway&lt;/a> 提供 LLM 推理能力支持。&lt;/p></description></item><item><title>Shannon：生产级多智能体编排框架完全指南</title><link>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/ai-agent/shannon-multi-agent-orchestration-framework-guide/</link><pubDate>Wed, 01 Apr 2026 10:15:00 +0800</pubDate><guid>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/ai-agent/shannon-multi-agent-orchestration-framework-guide/</guid><description>&lt;h1 id="shannon生产级多智能体编排框架完全指南">Shannon：生产级多智能体编排框架完全指南&lt;/h1>
&lt;h2 id="1-学习目标">§1 学习目标&lt;/h2>
&lt;p>完成本文档后，你将能够：&lt;/p>
&lt;ul>
&lt;li>✅ 理解 Shannon 的定位与核心设计理念&lt;/li>
&lt;li>✅ 掌握 Shannon 的四大核心执行策略&lt;/li>
&lt;li>✅ 部署和配置 Shannon 开发环境&lt;/li>
&lt;li>✅ 使用多种方式与 Shannon 交互（REST API / Python SDK / 桌面应用 / Web UI）&lt;/li>
&lt;li>✅ 配置多 LLM 提供商和工具集成&lt;/li>
&lt;li>✅ 理解 Swarm 多智能体协作机制&lt;/li>
&lt;li>✅ 实施 WASI 沙箱安全代码执行&lt;/li>
&lt;li>✅ 配置 Token 预算控制和自动模型降级&lt;/li>
&lt;li>✅ 实现 Human-in-the-Loop 审批工作流&lt;/li>
&lt;li>✅ 掌握时间旅行调试和问题排查&lt;/li>
&lt;/ul>
&lt;hr>
&lt;h2 id="2-项目概述">§2 项目概述&lt;/h2>
&lt;h3 id="21-什么是-shannon">2.1 什么是 Shannon？&lt;/h3>
&lt;p>&lt;strong>Shannon&lt;/strong>（&lt;a href="https://github.com/Kocoro-lab/Shannon" target="_blank" rel="noopener noreffer ">GitHub 仓库&lt;/a>）是一个&lt;strong>生产级多智能体编排框架&lt;/strong>，核心理念是：&lt;/p></description></item></channel></rss>