一个Node.js实现的、文档驱动、支持自动多轮思考、内置工具调用、具备动态容错能力的ReAct智能体运行时；Gateway负责管控，Pi‑Mono负责思考与执行，二者组合构成OpenClaw完整Agent引擎。简化版伪代码实现Pi‑Agent‑Loop；拆解Pi内核中工具调用的JSON解析逻辑。早期Pi‑Mono仓库里，无论是OpenClaw用的，还是OpenCode前身，都继承Mario定下的

核心差异在于：Claude Code和OpenCode聚焦编码，OpenClaw聚焦生活自动化，Codex聚焦安全沙盒执行；OpenCode和OpenClaw开源模型无关，Claude Code和Codex闭源/半闭源且绑定厂商模型。

简单来说，硬件感知的Agent部署（Hardware-Aware Agent Deployment, HAAD）是一套从“算法设计、模型压缩、工具链适配、部署调度”全流程出发，根据目标边缘设备的硬件架构（CPU/GPU/NPU/DSP/FPGA的核数、频率、缓存、指令集、专用AI加速器的算力规格）、资源限制（内存、存储、带宽、功耗、散热）、应用场景（低延迟响应 vs 高准确率推理 vs 全天候低功

⚠️ 这是极其容易被忽略的细节：如果不校正，AutoCompact 在计算"当前上下文用了多少 token"时会拿到剪除前的旧数据，可能在已释放空间的情况下仍强行触发全量摘要，白白浪费一次 LLM 调用和费用。压缩不等于遗忘，而是把信息从"活跃上下文"搬到"归档存储"。REPL 侧仍保留完整消息用于 UI 滚动展示，但发给 API 的消息载荷已被剪除——用户看到的聊天记录是完整的，模型收到的上下文

⚠️ 这是极其容易被忽略的细节：如果不校正，AutoCompact 在计算"当前上下文用了多少 token"时会拿到剪除前的旧数据，可能在已释放空间的情况下仍强行触发全量摘要，白白浪费一次 LLM 调用和费用。压缩不等于遗忘，而是把信息从"活跃上下文"搬到"归档存储"。REPL 侧仍保留完整消息用于 UI 滚动展示，但发给 API 的消息载荷已被剪除——用户看到的聊天记录是完整的，模型收到的上下文

核心差异在于：Claude Code和OpenCode聚焦编码，OpenClaw聚焦生活自动化，Codex聚焦安全沙盒执行；OpenCode和OpenClaw开源模型无关，Claude Code和Codex闭源/半闭源且绑定厂商模型。

核心差异在于：Claude Code和OpenCode聚焦编码，OpenClaw聚焦生活自动化，Codex聚焦安全沙盒执行；OpenCode和OpenClaw开源模型无关，Claude Code和Codex闭源/半闭源且绑定厂商模型。

核心差异在于：Claude Code和OpenCode聚焦编码，OpenClaw聚焦生活自动化，Codex聚焦安全沙盒执行；OpenCode和OpenClaw开源模型无关，Claude Code和Codex闭源/半闭源且绑定厂商模型。

智能座舱 AI Agent 架构与数据流转解析 架构设计 智能座舱采用端云协同架构，而非简单的双Agent模式： 车端Agent：唯一用户入口，负责多模态感知、意图路由、本地执行和安全兜底 云端能力层：提供复杂推理、知识检索和生态服务调用 核心数据链路 输入阶段：车端Agent融合语音(ASR)、视觉(DMS/OMS)和CAN信号 路由决策：端侧模型进行意图识别，根据置信度决定本地执行(如车控)或

智能座舱 AI Agent 架构与数据流转解析 架构设计 智能座舱采用端云协同架构，而非简单的双Agent模式： 车端Agent：唯一用户入口，负责多模态感知、意图路由、本地执行和安全兜底 云端能力层：提供复杂推理、知识检索和生态服务调用 核心数据链路 输入阶段：车端Agent融合语音(ASR)、视觉(DMS/OMS)和CAN信号 路由决策：端侧模型进行意图识别，根据置信度决定本地执行(如车控)或