Agent状态栏以user角色消息形式追加至上下文末尾，而非修改system消息，避免破坏KVCache。此举仅为API技术实现，内容由框架自动生成，非真实用户输入，通过<agent_status>标签标识，确保模型获取最新状态且不影响缓存。该设计遵循“动态信息追加、静态信息固定”原则，实现高效、低延迟的状态传递。

Agent状态栏包含四类信息：任务规划（通过TODO列表保持目标一致）、侧信道信息（时间、位置等辅助上下文）、环境当前状态（系统时间、异常提醒等）及可用能力清单（插件元数据）。前两者静态，利于KVCache优化；后两者动态，需追加至上下文末尾并持续更新，以确保决策情境准确。

Agent状态栏有效源于注意力机制的局限：模型擅长检索而非归纳。上下文窗口如半截检索引擎，缺乏“提炼层”，关键状态需反复扫描计算，效率低且易错。状态栏通过将隐式状态（如呼叫次数）显式化，以极低成本提供可直接使用的结构化信息，避免重复计算。同时，其置于上下文末尾，形成“注意力引导”，缓解长序列中的注意力衰减，确保关键约束始终被关注，显著提升决策准确率与系统稳定性。

提示注入是Agent系统的核心安全威胁，攻击者可通过外部内容（如网页、文档、图片元数据）嵌入伪装指令，劫持Agent行为。由于Agent具备工具调用能力，后果远比普通聊天机器人严重，可能引发数据泄露或恶意操作。防御关键在于区分“指令”与“数据”：通过来源标记、结构化角色（system/user/tool）和输入清洗，强化模型对可信度的判断。同时需警惕技能（Skill）和状态栏等机制本身带来的注入风

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