版本更新是分发的延续，做了两层实现： 被动通知：命令启动时后台拉取最新版本号并缓存，命令结束时在 stderr 输出一行提示，引导完成更新 主动更新：update 命令自动检测初始安装方式，调用对应包管理器升级，并自动同步 Skill 六、安全性 登录授权只是第一道防护，在 Agent 使用场景还有几个关键点： 权限最小化： 权限 scope 用 资源:动作 格式（例如 app:read、db:write），默认只授予只读和内容生成类权限，对于变更、删除等高危操作须显式设置，这样即使 Agent 误操作也无法越过 CLI 的权限管控 Token 存储： 在 macOS 下优先将凭证存入系统钥匙串，其他平台存储至文件（权限 0600），使用服务端可撤销的 opaque token（而非自解析 JWT），在登出时同步吊销服务端 token 设备绑定： 每个请求携带设备 ID，服务端将 token 与设备绑定，降低 Token 泄露后的盗用风险 危险字符过滤： Agent 接收的内容可能来自不可信来源（网页、外部输入等），存在不可见攻击字符的风险，例如：Bidi 覆盖、零宽字符、ANSI 转义等，可能改变命令语义或制造终端欺骗，因此在 CLI 输入侧就拒绝这类危险字符，并在输出侧同步剥离。
不同维度的思想碰撞，最终指向同一个清晰的教育目标——培养能驾驭AI、而非被AI定义的下一代。
3.3 成本算账 朋友用了一个月后的蓝耘账单： 生成视频脚本：约150条总token消耗：约75万（输入+输出）总API费用：不到1.
wikipedia.org/wiki/Principal_component_analysis 关于主成分分析的维基百科页面(2015 年 11 月检索)关于聚合酶链反应的维基百科页面，网址为(2015 年 11 月检索)位于的主成分分析课程的文档 使用线性判别分析进行降维 线性判别分析 ( LDA )是一种寻找特征线性组合以区分类别的算法。
所以在实现中将 Agent 的登录拆成了异步的两阶段。第一阶段立即返回，返回的 JSON 除了验证 URL 和设备码，还带一个给 Agent 看的 next_action，明确告诉它下一步该跑什么命令： linkai auth login --no-wait --json 第二阶段开始轮询，每次最多等待若干秒后返回，超时未完成时 Agent 可以通过下一次工具调用再次轮询： linkai auth login --device-code --wait 60 --json 这里使用 --wait 参数区分了两类用户：不传（默认阻塞到设备码过期）走人类的交互式登录；传 --wait 则切到 Agent 的有界轮询路径。
CompletedTask。只有 Action 方法尚未完成时，才调用局部异步方法等待。