fontColor(Color.Red) .fontSize(14) .onClick(() => { this.
回顾全文，可以归纳为几条思路： 语言选择：优先选择能够编译成单二进制的静态语言 登录授权：采用设备码流程，权限确认在浏览器完成，并面向 Agent 提供分阶段登录 命令与参数：为开发者提供清晰展示，为 Agent 提供结构化信息，同时容忍多余参数、支持操作预演、错误时给出下一步引导 Skill 配套：作为给 Agent 的说明书，采用单目录、扁平结构，降低理解和上下文成本 分发安装：支持多渠道分发，并配一份能发给 Agent 的安装手册 安全防护：除登录授权外，还要支持权限最小化、凭证保护、设备绑定、风险内容过滤等 这些思路其实不限于 CLI。
结果 93% 的通过率，高于任何一个单模型。K3 被选中了 72-96% 的任务，这意味着大多数时候开源模型就够用了。
Level 2-9 使用 hash-chain，链长度随等级递增（4→32→128），在速度和压缩率之间取得平衡。
强化学习的一个结论：平稳温和的迭代，经常比单次激进优化得到更好的最终结果。train/value_loss 价值网络损失（Critic 网络专属损失）。