为了这个目标，项目走过了五条完整的路线。每一条都是一次"假设-尝试-碰壁-绕行"的循环。
但现在还处在早期。稳定性、安全性、准确性都有提升空间。但趋势已经出来了。从"人适应机器"到"机器适应人"——这个方向不会变。
但 Agent 是「执行命令 → 拿结果 → 决定下一步」的循环，如果在同一次工具调用里既要输出登录链接又要轮询，链接就没法通过模型返回给用户，从而阻塞整个会话。
清洗完毕之后，就送至压榨厂进行压榨，因为是粗压榨，技术的问题，榨完的红薯汁里仍然会有很多的杂质，需要进一步的漂粉。通常使用的工具就是农村里面的老布，拿绳子挂在房梁的钩子上，做成漏斗的形状，开始反复的加水，漂粉，漂好的都放在原来农村盛水的大缸里，静静的等待它沉淀一晚。
开启后随着训练步数增加，学习率会持续慢慢降低，这条曲线会一路向下倾斜。线性衰减优势在于，开始时快速探索，后期稳定收敛，不容易崩。
先找 Deny 来源。常见位置包括： IAM 用户、组、角色上的身份策略权限边界 Permission BoundaryAWS Organizations 的 SCPS3 Bucket Policy、KMS Key Policy 等资源策略STS AssumeRole 时附带的会话策略 一个典型的 Deny 策略可能长这样： { "Effect": "Deny", "Action": "s3:*", "Resource": "*", "Condition": { "StringNotEquals": { "aws:RequestedRegion": "ap-southeast-1" } } } 这类策略可能限制只能访问某个区域，或者只能从指定 IP、指定 VPC Endpoint、指定标签条件访问。
https://electroiq.com/stats/github-statistics/ Quantumrun Foresight.