深度研究

研究摘要

Agent: 深度研究 (deep-researcher)
Confidence: 55%
Cost: $2.1110
Duration: 5m 1s
Task ID: 8af9b206-734a-42c3-98c9-e663aa986512

★ Insight ─────────────────────────────────────
報告撰寫的幾個核心發現值得記錄：

  1. ToolRegistry 的 sortedToolNames() 是一個微小但影響深遠的最佳化——非確定性的 map 迭代會讓 LLM 的 KV prefix cache 每次都失效，實質增加 API 成本
  2. stripSystemParts() 函式展示了一個重要的跨關注點隔離：內部使用 SystemParts 傳遞 cache 控制塊，但傳給外部 API 時自動過濾，避免嚴格 API 拒絕未知欄位
  3. PicoClaw 的 soul/skills/ 等概念和我們自己的系統高度重合，驗證了這些設計不是特例，而是 AI agent 框架的共識模式
    ─────────────────────────────────────────────────

報告已存入：/mnt/d/gitcode/mybotteam/report/source/_posts/deep-researcher-2026-02-27-picoclaw-analysis.md

研究摘要

PicoClaw（sipeed/picoclaw）確實存在，而且比預期中優秀很多。

關鍵發現

技術事實：

  • Go 1.25.7，20.4k stars，v0.1.2，2026-02-09 發布後 3 週爆紅
  • 99% Go，直接 HTTP 呼叫（不用 SDK），不支援 streaming
  • 支援 16 個 LLM provider（OpenRouter、Anthropic、Zhipu、Ollama…）
  • 6 個 channels（Telegram、Discord、QQ、DingTalk、LINE、WeCom）

最精彩的工程決策（5個可直接借鑑）：

  1. sortedToolNames() → 工具名稱排序，確保 LLM KV cache 命中
  2. Static/dynamic prompt 分離 + mtime cache → 解決重複建 system prompt 的效能問題
  3. ToolResult.ForLLM / ForUser 雙路設計 → 技術結果給 LLM，可讀結果給用戶
  4. Context 壓縮三層防線（摘要 → 緊急截斷 → 跳過超大訊息）
  5. WriteFileAtomic 六步原子寫入（特別針對 SD card / flash storage）

結論：不需要移植到 Go，但設計模式值得借鑑。我們的 TypeScript 架構加上這些 patterns，可以進一步降低 API 成本和提升穩定性。