sed 是 Linux / macOS 终端下最常用的 流式文本批量处理工具，不用打开文件就能完成全局修改。

1. 核心功能：逐行扫描文本，执行查找、替换、删除、插入等操作
2. 典型场景：批量修改代码/配置文件、日志过滤、文本格式转换
3. 语法模板：sed -i 's|原字符串|新字符串|g' 文件名，全程无交互
4. Mac 注意：必须加空参数 ''，否则直接报错

Agent 死循环不是极端情况，是给模型自由度必须付的代价。

• 直接原因：工具调用失败后盲重试——不换参数，反复撞同一堵墙。
• 深层原因：循环缺少收敛信号，Thought 和 Action 之间没有"该停了"的显式判断。

1. 第一层防御：max_steps 硬限制，两行代码兜住 80% 的翻车。
2. 第二层防御：把 Finish 做成一个 Action，循环有了天然终止条件。
3. 第三层防御：system prompt 里写死"重试失败就换策略"，主动避障。

• 工程底线：step_id + 全局超时 + 连续重复 Action 检测，别信 Agent 能自己收敛。
• 三层防御一起上，单靠任何一层都有盲区。

ReAct 是默认范式但不是唯一解——选错工作模式比选错模型更致命。

1. Function Calling：无推理链的直接工具调用，延迟最低，仅适合单步任务。
2. Plan-and-Execute：先规划全局再逐步执行，长任务完成率高 2-3 倍，但无法动态调整。
3. Reflection：生成 → 批评 → 修正循环，能自纠低级错误，代价是每轮多烧一倍 token。
4. Multi-Agent：多 Agent 分工或辩论，适合复杂任务，协调开销和成本是硬伤。
5. Routing：先分类再分发到专精模型，成本可控但分类错误会连锁翻车。

最佳实践：确定性任务→Plan-Execute，开放探索→ReAct，质量敏感→加 Reflection，规模大→Multi-Agent。

ReAct 不是"推理"和"行动"的简单拼接，是把两者编织成一条交替推进的链路：每一步推理都有观测反馈，每一步行动都有推理支撑。

• 定义：模型交替生成"思考"和"行动"，每次行动后把环境返回的观测结果注入下一步推理，形成闭环。
• 与 CoT 的核心差异：CoT 在推理链中"脑补"事实，ReAct 通过外部工具或环境把推理接地——幻觉会触发不符预期的观测，反过来暴露推理错误。
• 关键循环：Thought → Action → Observation → Thought，这个循环给 Agent 带来自我纠错能力——工具调错了？看返回就知道，下一步改。
• Action Space 设计：工具描述、参数 schema、返回格式，这三样写不好，ReAct 的效果直接打对折。
• 常见翻车：Agent 陷入重复 Action-Observation 死循环，没有收敛判断——需要加 max_steps 或让模型自己输出 Finish。
• 适用场景：需要多步信息检索、代码执行、API 调用的任务。简单的单轮问答用 ReAct 是过度设计。

OpenClaw 自己没有"防锁屏"功能——让远程电脑一直在线不被系统休眠干掉，靠的是 操作系统层面 的电源管理配置。

• 根本问题：macOS/Windows/Linux 默认都会在空闲时进入休眠，系统的电源管理策略会直接挂起进程，Gateway 连接中断，远程控制失效。

1. macOS 解法：sudo pmset -a sleep 0 全局禁休 + caffeinate -s 进程级防睡 + LaunchDaemon 系统级自启，三层叠加 才能保证锁屏后服务不掉。
2. Windows 解法：电源计划设"从不睡眠"只是第一步，还要关混合睡眠、禁用 USB 选择性暂停、组策略禁用待机状态 S1-S3，否则 硬件省电策略会偷偷断网。
3. Linux 解法：systemctl mask sleep.target suspend.target 从 systemd 层面禁掉休眠路径，配合 logind.conf 忽略合盖/电源键事件，GNOME 只关屏不睡眠。

• 关键区分：LaunchDaemon（系统级，开机即跑）≠ LaunchAgent（用户级，登出即停），远程无人值守必须用前者。
• 验证标准：锁屏 30 分钟后 Gateway 日志仍有新消息进来，pmset -g | grep sleep 全显示 0，才算配置成功。

第一性原理是把默认前提拆到不可再分，然后从那个起点重新推导，中间不借用现成答案。

• 对比类比思维：类比在别人方案上微调；第一性原理从零推导，费力但能推翻品类。
• 关键方法：苏格拉底式追问——反复问"这个前提真的成立吗？"直到撞上公理。
• 经典案例：SpaceX 拆火箭材料成本，原材料只占售价 2%，推翻"火箭必然贵"的前提。
• 适用边界：适合被惯例锁死的领域；不适合纯经验决策，前提本身不可拆。
• 常见误区：把"重新想一遍"当第一性原理，没拆到底只换中间假设，不叫推导。
• 东方智慧：取法乎上，仅得其中——参照系的高度，决定答案的上限。
• 一句话：价值不在"拆"，而在拆完敢不敢信那个结论，然后按它行动。

强化学习强在哪？一句话：它不需要正确答案，只需要对错信号。

监督学习从标注数据里找规律，强化学习从环境奖惩里学策略。两者的区别不是"强弱"，而是解决问题的类型完全不同——SL 学映射，RL 学决策。

最容易被误解的一点：强化学习的目标不是每次选最优动作，而是最大化长期累积回报。只看眼前奖励的 RL 跟贪心算法没区别，价值函数才是它的灵魂。

Actor-Critic 架构让模型同时扮演"演员"和"评论家"两个角色——一个负责决策，一个负责评判，互相对抗、一起进化，AlphaGo 的底层思路也源于此。

最关键的应用：PPO 算法驱动了 RLHF，让大模型通过人类反馈学会"察言观色"。训练数据见顶的背景下，RL 是提升模型推理能力的核心引擎。

多模态模型的真正瓶颈不是 "看不清"，而是 "指不准"。

1. Reference Gap（指代断裂）：模型看到了目标对象，但在推理链中无法稳定引用"到底是哪一个"。"左边那个""他旁边的"这类自然语言描述在视觉空间里不是精确地址——场景越复杂、相似物体越多，语言变量就越容易在几步推理后漂移到另一个实体上。

2. 解法：把边界框和坐标点变成推理链的中间变量。 每写下一个框 = 在草稿纸上钉一颗钉子，后续推理围绕这些坐标展开，不再依赖模糊的自然语言指代。论文将框和点定义为"视觉原语（Visual Primitive）"——本质上就是把人类"用手指点着数"的动作形式化到了 token 序列里。

3. 工程压缩比 7056×：2916 patch tokens → 3×3 空间压缩 → 324 → CSA 注意力缓存压缩 → 81。语言模型 DeepSeek V4 Flash（284B/13B MoE）+ 从头训练 DeepSeek ViT，视觉 token 限制在 81–384，不靠无限堆 token。

4. 数据说话：~90 个视觉缓存条目跑出 77.2 分，Gemini 3 Flash 用 1100 个拿 76.5 分。视觉 token 不是越多越好，关键是模型有没有办法把"这个对象"稳定地绑定到图像坐标上。

MECE 是麦肯锡 顶级 结构化思维准则。

1. 核心思想：相互独立，完全穷尽
2. 适用场景：职场汇报、任务拆解、问题分析
3. 效果：将复杂问题"不重复、不遗漏"地拆分
4. 定位：提高逻辑思考能力的 初级入门方法

关键价值：拆解后能快速定位问题本质，避免思维混乱。

JS 并发面试，三 道题筛掉九成候选人。

1. await 在 for 循环里是 串行，10 个请求 10 秒，不是 1 秒
2. forEach 里写 await 完全无效，外层根本不会等
3. Promise.all 一个 reject 全盘崩，要容错必须用 Promise.allSettled

正解：并发用 Promise.all(arr.map(fn))，需要限流用 p-limit，要容错换 allSettled。

关键提醒：await 只暂停当前 async 函数，不会暂停外层调用者，更不会暂停 forEach 的迭代。