uopenaiuopenai是一个专为 MicroPython 设计的轻量级 OpenAI 兼容异步客户端库。它基于aiohttps实现，​无其他外部依赖​，支持非流式和流式（SSE）文字对话、视觉模型图片输入、base64 图片编码，特别适合内存受限的嵌入式设备（如 Pico 2W）与 OpenAI 兼容云端 API（DeepSeek、豆包、Moonshot 等）的对接。​文字对话（非流式）返回

uopenaiuopenai是一个专为 MicroPython 设计的轻量级 OpenAI 兼容异步客户端库。它基于aiohttps实现，​无其他外部依赖​，支持非流式和流式（SSE）文字对话、视觉模型图片输入、base64 图片编码，特别适合内存受限的嵌入式设备（如 Pico 2W）与 OpenAI 兼容云端 API（DeepSeek、豆包、Moonshot 等）的对接。​文字对话（非流式）返回

出于好奇，我特意去搜索“LangChain skills”，发现在B站上已经有了相关的教学视频，其核心思路是借助中间件（middleware）的拦截机制，来实现SKILLS的渐进式披露——这种方式更像是一种“曲线适配”，能勉强达成效果，却能明显感觉到，当时LangChain还未实现对SKILLS的原生完美支持。再说说Deep Agent的实操细节，它的写法和之前Create Agent的方式大同小

将类和参数（含任意添加的关键字参数）传入类的__new__方法创建一个基础对象；将这个基础对象和参数传入类的__init__方法进行初始化；但会这个经过初始化的对象；所以针对如下定义的Foobar类，两种创建实例（foobar1和foobar2）的方式是等效的。这里强调以下，虽然就定义看起来__new__方法像一个类方法，但是它本质上时一个静态方法。在它之上既没有标准装饰器，调用的时候第一个参数也

AIR 现在还不成熟，Windows 也迟早会支持。

Codex 更像“执行优先”的 agent。它的默认强项是：快速把任务落到 shell、测试、补丁、验证闭环里，尤其适合 fix/refactor/CLI/环境调试 这类“目标明确、验收清晰”的任务。Claude Code 更像“分析优先”的 agent。它的默认强项是：先吃上下文、建全局语义、跨文件保持一致性，尤其适合 多文件特性开发、复杂代码理解、长链路规划、语义一致性修复。

Codex 更像“执行优先”的 agent。它的默认强项是：快速把任务落到 shell、测试、补丁、验证闭环里，尤其适合 fix/refactor/CLI/环境调试 这类“目标明确、验收清晰”的任务。Claude Code 更像“分析优先”的 agent。它的默认强项是：先吃上下文、建全局语义、跨文件保持一致性，尤其适合 多文件特性开发、复杂代码理解、长链路规划、语义一致性修复。