OpenCode是一款开源AI编程助手操作系统，基于模块化设计，提供代码生成、分析与优化的全流程能力。依托RAG+LLM实现语义理解，支持多模型智能补全与重构，通过AGENTS.md与Memory系统管理项目规则与记忆，集成Git实现协作共享，并以Plugins+MCP协议扩展工具能力。技术栈涵盖Node.js/TypeScript内核、SSE实时通信与React/Ink多端界面，兼容75+大模型

内容：OpenClaw是多渠道网关+技能市场，Hermes是自学习进化型Agent。两者同源，能力范围相同，但侧重点不同。OpenClaw侧重稳定可控多渠道，海量现成技能；Hermes侧重自主学习、复杂任务拆解、复盘进化。摘要需简洁。</think>OpenClaw与Hermes同源，能力范围相近，但定位不同：前者是“多渠道网关+技能市场”，侧重稳定可控、海量现成技能与统一管理；后者为

内容：OpenClaw是多渠道网关+技能市场，Hermes是自学习进化型Agent。两者同源，能力范围相同，但侧重点不同。OpenClaw侧重稳定可控多渠道，海量现成技能；Hermes侧重自主学习、复杂任务拆解、复盘进化。摘要需简洁。</think>OpenClaw与Hermes同源，能力范围相近，但定位不同：前者是“多渠道网关+技能市场”，侧重稳定可控、海量现成技能与统一管理；后者为

NanoChat是一个约6000行代码的开源项目，目标是用100美元复现最好的ChatGPT。它提供模块化GPT模型、BPE分词器、KVCache推理引擎、FP8支持及完整训练流水线（预训练、SFT、RL）。相比nanoGPT，代码量更大、功能更全（含CLI对话），在8×H100上1.65小时完成GPT-2复现，成本约48美元。

机器学习核心概念的层级关系：机器学习（ML）是通过数据自动学习规律的统称，包含传统ML和深度学习（DL）。DL作为ML子集，采用多层神经网络自动提取特征。神经网络（NN）是DL的基础模型，包含CNN、RNN等变体。自注意力机制是神经网络中的关键组件，用于捕捉序列关联。强化学习（RL）是与监督/无监督学习并列的范式，通过环境交互学习最优策略，深度强化学习（DRL）则结合了NN与RL。各概念间存在明确

国产模型以Qwen-Image（中文渲染强）、ERNIE-Image（构图精确）和Z-Image-Turbo（速度快）为代表，均采用Apache2.0协议可商用；国外模型如Stable Diffusion生态成熟但商用受限，FLUX.1画质顶级但非商用，Kandinsky3则支持低成本商用。根据中文支持、商用授权、显存需求三维度，推荐Qwen-Image v1.5（12GB显存）或ERNIE-Im

摘要：预训练阶段以线性代数、微积分、概率论和优化理论为核心，支撑Transformer架构与梯度下降；微调阶段引入低秩分解（LoRA）、KL散度对齐（DPO/RLHF）和强化学习进行偏好优化；模型压缩则依赖数值分析（量化）、矩阵稀疏化（剪枝）和分布拟合（蒸馏）。整个过程形成"数学基础扩展→领域数学深化→工程数学应用"的技术闭环，各阶段数学工具呈现递进式 specializati

机器学习核心概念的层级关系：机器学习（ML）是通过数据自动学习规律的统称，包含传统ML和深度学习（DL）。DL作为ML子集，采用多层神经网络自动提取特征。神经网络（NN）是DL的基础模型，包含CNN、RNN等变体。自注意力机制是神经网络中的关键组件，用于捕捉序列关联。强化学习（RL）是与监督/无监督学习并列的范式，通过环境交互学习最优策略，深度强化学习（DRL）则结合了NN与RL。各概念间存在明确

AGENTS.md是OpenCode的AI行为约束文件，通过分层配置指导LLM在项目开发中的操作。该文件支持全局、项目级和子目录三级配置，优先级从具体到通用。推荐包含项目结构、技术栈、编码规范、常用命令和操作边界等内容，建议60-300行。可通过opencode.json或直接引用其他.md文件扩展规则，特别适合Monorepo等复杂项目。相比传统CLAUDE.md，AGENTS.md提供更精准的

AGENTS.md是OpenCode的AI行为约束文件，通过分层配置指导LLM在项目开发中的操作。该文件支持全局、项目级和子目录三级配置，优先级从具体到通用。推荐包含项目结构、技术栈、编码规范、常用命令和操作边界等内容，建议60-300行。可通过opencode.json或直接引用其他.md文件扩展规则，特别适合Monorepo等复杂项目。相比传统CLAUDE.md，AGENTS.md提供更精准的