5%、BrowseComp 91.2，但脚注坦承不同模型使用了不同的 agent harness。
回顾全文，可以归纳为几条思路： 语言选择：优先选择能够编译成单二进制的静态语言 登录授权：采用设备码流程，权限确认在浏览器完成，并面向 Agent 提供分阶段登录 命令与参数：为开发者提供清晰展示，为 Agent 提供结构化数据，同时容忍多余参数、支持操作预演、错误时给出下一步引导 Skill 配套：作为给 Agent 的说明书，采用单目录、扁平结构，降低理解和上下文成本 分发安装：支持多渠道分发，并配一份能发给 Agent 的安装手册 安全防护：除登录授权外，还要支持权限最小化、凭证保护、设备绑定、风险内容过滤等 这些思路其实不限于 CLI。
真正的爱情是心与心的交融，灵魂与灵魂的结合，它是酸甜苦辣咸的五味杂陈，却让你甘之如饴。
md + ADR ├── /triage 追问 Issue → 分类 → 写开发说明书 ├── /codebase-design 追问架构决策 └── /wayfinder 把大项目拆成并行 grilling sessions 一个 12 行的文件，被 5 个不同的 Skill 复用。
结合 TensorSharp 等 C# 原生 ML 推理库，可达成与 C++ 同级别的性能表现。
然后进入消隐：所有的正对相机三角面被纯CPU光栅化到一个900×900的正交深度缓冲中。