KeyFrame內部研究專用

我復刻了 Claude Tag!讓機器人自動讀寫檔案、寫 spec,免費使用最強 Agent,每月狂省 100 美金 💰

YAHA学堂·6月29日週一·9 min中文

三句話摘要

用Python + Slack Bot + Claude API自建企業級AI助手,無需付費訂閱就能實現CloudTag等功能。 只需20行Python代碼、三個Token和SocketMode,就能自建企業級Slack AI助手,關鍵是System Prompt格式、Tool Use機制和多層安全防護。 架構極簡:Slack事件觸發→Python程式→Claude推理→回覆Slack,使用SocketMode讓程式主動連接Slack無需公開IP,對個人使用者友善且立即可用。

重點整理

重點
  • 1

    架構極簡:Slack事件觸發→Python程式→Claude推理→回覆Slack,使用SocketMode讓程式主動連接Slack無需公開IP,對個人使用者友善且立即可用。

  • 2

    系統提示詞是隱形必需品:Claude預設Markdown格式(#標題、粗體)在Slack中變成亂碼符號,透過System Prompt明確告訴Claude輸出規則就能完美呈現,這是最容易忽略但影響最大的細節。

  • 3

    Tool Use讓機器人自主工作:定義工具清單(如執行Shell指令),Claude需要時主動申請,機器人執行後回報結果,Claude根據結果繼續推理,形成Agent Loop的完整閉環。

  • 4

    安全防護缺一不可:允許AI執行指令必須三層防護——過濾危險字符、只驗證指令首字白名單、subprocess禁用shell參數,確保Bot操作完全可控。

實用技巧與重點

乾貨
  • 工具與框架
  • Slack Bolt(官方Python框架)
  • Anthropic SDK(Claude官方庫)
  • 部署方式:SocketMode
  • 三個必需Token
  • Slack App Token(Socket Mode生成)
  • Slack Bot Token(Install App複製)
  • Claude API Token(Anthropic官網生成)
  • Slack權限設置
  • app_mentions:read
  • chat:write
  • channels:history
  • 核心機制
  • 對話記憶:抓取最近N條訊息做上下文
  • Tool Use:工具說明書格式(Name、Description、Input Schema)
  • 安全執行:白名單+字符過濾+shlex.split+無shell參數
  • 設置步驟
  • Slack官網create new app(from scratch)
  • 啟用Socket Mode→生成App Token
  • 設置permissions(3個scope)
  • 訂閱app_mention事件
  • Install app→複製Bot Token
  • 生成Anthropic Token
  • 設置環境變數→執行Python腳本
  • 邀請Bot進頻道(/invite @bot)

結論

結論

只需20行Python代碼、三個Token和SocketMode,就能自建企業級Slack AI助手,關鍵是System Prompt格式、Tool Use機制和多層安全防護。

完整解析

詳細

這支影片從實務角度教你用開源工具完全替代官方CloudTag企業方案(月費100美元)。整個解決方案的核心是三個Token的串接:Slack的觸發機制、Python的處理邏輯、Claude的推理能力。

最基礎的版本只需20行代碼。講者用Slack Bolt框架中的@app.event("app_mention")裝飾器作為觸發開關,一旦有人Tag機器人就執行下面的函式。核心問題是傳統SlackBot需要公開網址讓Slack來敲門,這對個人使用者很麻煩。SocketMode反過來做——你的程式主動連去Slack,無需公開IP和複雜的反向代理設置,對自己玩的人「超友善」。

第二個陷阱是格式問題。Claude習慣回Markdown語法(用#當標題、*當粗體),但Slack看不懂,會把符號直接印出來變成亂碼。解決方案出人意料地簡單:在System Prompt中明確定義輸出格式,告訴Claude「你現在在Slack環境,用當粗體、_當斜體」,Claude就會自動適應。講者說這是最容易被忽略但最掉漆的細節。

功能按層級遞進。基礎版本後加入對話記憶——每次調用Claude時不只傳當下訊息,還把頻道最近的N條訊息一起傳入當上下文。這樣機器人就能理解「你在做咖啡網站」這類之前講過的背景,不會每次都斷線。

最強大的功能是Tool Use,實現Agent Loop的完整閉環。做法是在代碼中定義一份工具清單(例如「Run Command」),包含工具名稱、用途說明、參數規格。Claude收到任務後,如果需要工具就向機器人申請使用,傳回想執行的指令,機器人跑完命令把結果回傳,Claude看著結果繼續推理、決定下一步。講者示範讓機器人執行ls、grep等多個指令的完整過程——機器人自己決定用什麼工具、自己看結果、自己整理報告,這正是CloudTag「拿到任務自己拆解」的精髓。

安全性是看不見但必須的一層。執行Shell指令有注入風險,代碼加了三層防護:首先過濾危險字符(管道符、重定向符等),其次用shlex.split把指令分解成陣列、只檢查首個token是否在白名單(比如只允許ls、grep、cat),最後傳給subprocess時也用shlex並禁用shell參數,徹底杜絕命令注入。

最後加一個檔案寫入工具,Bot就能執行「把剛才的討論整理成spec.md」這類任務。同樣的Tool Use機制,Claude申請寫檔案→機器人建立檔案→回報完成。

工作流完整到位。從Slack官網create new app開始,逐步設置Socket Mode、permissions、event subscriptions,複製兩個Slack Token,再去Anthropic官網生成API Token。設好環境變數、邀請Bot進頻道、跑Python腳本就啟動了,無需任何部署步驟。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。