yafeilee

@ben2ex 这个安装的子系统是中期引入了一个 bug 导致，后面已经修复了哈。能力上对齐 CC ，但同时具备通用 Agent 的能力（比如微信、飞书一键直连、定时任务、Skill 生态等），适合国产更多场景。

@chenxiankong 嗯我们做了不少测试验证的结论：Agent 上半场是智能，下半场是账单。最近会放出更多工具对比的测评项。

@ximaoyang 没几个 Agent 敢说完全超越 CC 呀，但在易用性，国产化 OpenClacky 有绝对优势。还有不用担心封号。

这是常见误区，我们花了大教训的：

第一代（ 2024-2025 上半）：RAG / 知识库
把用户 codebase 、文档、历史会话全 embedding 进向量库，hybrid 检索 + 重排 + query rewrite 。Agent 流程是"先查上下文，再答"。

实际跑下来的问题：

成本高，每次更新的 codebase ，需要同步更新向量，实时性无法保证。
准确率有限，例如听起来 90% 的召回率是不是还不错，但是对不起，不仅没有用，还可能有害，我预测，97%的召回率可能才刚刚够用。
多了一个会失败的部件（向量库），增加了很多延迟。
结论：千万不要搞任何 RAG 、知识库分片。如果你要上 Agent ，请直接上 Agent ，外加一个适合 AI 去阅读的网站就可以了。（参考我们自反思 Skill product-help 的实现）


完整 harness 设计经验分享： https://v2ex.com/t/1212780

@king888 嗯嗯 看起来安装流程对已经有某些已经安装过的组件的兼容处理不好。你加我一下微信 lyfi2003 注明 V2EX ，我们帮排查下。

Docker 安装，Debian 的一键安装也已经支持，有兴趣的朋友可以试试~

@king888 感谢反馈，我们看下问题。如果方便可以移步到 https://github.com/clacky-ai/openclacky 提个 issues ，把日志复制更完整点

@janyork 好主意 我们最近会继续增加更多能力测试。
@gongjs 好，稍等我会把原始数据放在 github 上。

@JasonYip 嗯，你的担心是有道理的，我们在实际使用的感受是跟 ClaudeCode 能力基本一致。不过为了更严谨，我们会接下来继续补充一些能力上的 benmark 。arxiv 的建议也很好，我们也研究下。