TL;DR： Watchdog-Intervention Bridge 的跨语言架构是被五类约束逼出来的。Watchdog 必须跟 LLM tool call 做同步拦截 → TypeScript。Intervention 必须复用已有反思引擎和规则系统 → Python。Bridge 必须零新增基础设施 → subprocess。通信不能阻塞每次 tool call → 批量而非实时。这五个决策，每一个都是在特定约束下的妥协。 ...
这是「AI 之路进阶升级指南」的番外篇。如果你还没有安装 OpenCode，这篇帮你从零跑通。 你从这一系列的前面几篇了解了自主执行型 AI 的能力。但要真正用起来，第一步是安装和配置工具。OpenCode 是一个开源 AI 编程助手，完全免费，支持多模型切换和技能系统。配合 OpenCode Zen 服务，你可以在不配置任何第三方 API Key 的情况下，直接用上经过测试的精选模型，包括免费的 DeepSeek V4 Flash。 ...
TL;DR： Aristotle v1.6.0 引入 Watchdog-Intervention Bridge，从"事后反思"转向"实时拦截"。TypeScript watchdog 在 tool call 前后检测 21 种信号，Python intervention 层处理 13 种违规类型，通过 subprocess bridge 实现跨语言实时干预。MCP 工具从 10 个 stub 扩展到 25 个完整实现。遗留两个确定会出错的 bug。GitHub 开源，MIT 协议。 ...
为什么需要语音输入 打字每分钟 50-80 字，语速正常每分钟 150-180 字。写邮件、做笔记、写代码注释，这些场景里语音输入的效率优势很明显。[1] 但真正让我认真找语音输入工具的，是 vibe coding。核心瓶颈从"写代码的速度"变成了"表达意图的速度"——改个 prompt 要敲半天，调个参数要切出去打字，频繁打断思路。语音输入刚好解决这个问题：想到什么直接说出来，保持 flow。 ...
这是「AI 之路进阶升级指南」第二周 Day 9 的番外篇。你需要先完成 Day 7。 Day 7 你给脚本加了错误处理。现在脚本健壮了，但你可能忽略了一个更隐蔽的成本问题：不同 provider 的缓存策略差异，会让同一笔批量任务的实际成本差出一截。 ...
这是「AI 之路进阶升级指南」第二周 Day 8 的骨干教程。你需要先完成 Day 7。 Day 7 你给脚本加了错误处理，它现在能在真实网络环境下跑了。但还有一个更根本的问题：你仍然需要写代码。 ...
TL;DR： SELF-MONITORING 发布后，确认请求降了 94%，状态块完整率涨了 5 倍。但 60% 的状态块仍然残缺，连闹钟本身偶尔也会忘响。创可贴有效，但撑不到 100%。最有效的修复是最不"Agent"的那个：让程序管状态，让模型管推理。 ...
TL;DR： 上篇发现 Agent 从第 2 轮起就把协议的五角色分离合并成了四角色，格式完整但核心约束被篡改。这篇挖根因：注意力稀释让"不可合并"的约束权重降到阈值以下，模型的优化本能接管；EOS 偏好提供了简化流程的动机；无状态架构让偏差进入正反馈循环。v0.21.0 的定期重载是创可贴，不是根治。 ...
问题：数据源有了，但 agent 用不上 kimi CLI 的 datasource plugin 是个好东西。A 股港股美股行情、宏观经济指标、企业工商信息、学术论文检索，六个数据源，覆盖了日常投研的大部分需求。安装之后在 kimi 里敲一条命令就能查。 ...
TL;DR： Agent 在多轮审核长任务中不会自己循环，反复问"要不要继续"。更严重的是，从第 2 轮起就把协议要求的五角色分离悄悄合并成四角色，格式完整但核心约束被篡改。这不是上下文压缩导致的，而是 LLM 在长时序任务中的系统性退化——协议漂移。 ...