# 总结通过本文的实战演示，我们成功使用 docker-compose 部署了 SkyWalking 的完整环境（Elasticsearch + OAP + UI），并集成了一个 Python Flask 应用进行链路追踪。## 第三步：集成 Python 服务进行链路追踪为了验证链路追踪效果，我们创建一个 Python 服务，并使用 SkyWalking Python Agent 进行自动埋点。

PRM 就是这么一张“地图”，不过它是给机器人用的，而且是在高维状态空间（比如 Claw 的关节角度、位置等）中生成的。PRM 就像是一个“导师”，提前告诉智能体：“嘿，这些状态是安全的，你优先从这些区域开始探索。：在 RL 训练中，除了环境奖励，还加入“模仿损失”——让智能体的动作尽可能接近 PRM 路径上的动作。这就像在陌生城市中，如果你偏离了地图上的道路，就会放慢脚步，避免撞墙。：将 RL

审批之后，整个 execution 阶段不需要你再当「流程管理员」——execution-governor 拿着契约逐条比对，Guard 系统做五维检查（工件存在、Schema 有效、契约新鲜、任务完成、测试通过），检测到违规就自动拦截。需求探索/opsx:explore（结构化的 change 定义）brainstorming（设计讨论，一次一个问题）融合增强：取 OpenSpec 的结构化输出

目前，实况窗已支持30+场景，接入应用超330款，每月为用户提供超过4亿次实时提醒，日创建量突破30万。HarmonyOS SDK通过一次开发多端覆盖、系统级能力整合、统一的用户体验设计以及端侧隐私安全处理，实现了跨设备协同的高效闭环，为开发者降低适配成本，为用户带来一致流畅的全场景体验。闪控窗通过系统级的形态管理和多设备自适应能力，实现了闪控球与大窗模式的自由切换，不仅降低了开发集成成本，更让关

Gliding Horse v0.1.4.preview 正式发布，本次更新聚焦三大核心能力——时间感知、闭环审计与智能增强。Agent 首次具备统一时间线系统，支持时间衰减重排序与时间范围过滤；5W2H 审计从数据容器升级为维度级闭环诊断子系统，Failed 维度自动触发因果引擎根因分析；SA 模块按生命周期拆分为 8 个独立模块，知识图谱上下文注入、Hyperspace 语义搜索、技能图谱冷热

MCP 中的 Resource 更适合表达“已经存在、可以被引用、可以被读取的上下文对象”。这些 URI 表示的是数据库中的稳定对象。用户可以通过引用它们，Agent 客户端也可以通过资源浏览、搜索、补全等方式把它们加入上下文。相比之下，Tool 更适合表达“动作”。例如搜索对象、解析依赖、执行只读查询、诊断 SQL 错误、分析执行计划等，都更适合作为工具。因此，一个 SQL Server MCP