BertieHuang

🎭 核心比喻：一家 AI 软件外包公司 想象你经营一家软件外包公司，面对不同类型的需求，你需要决定： 派遣整个团队（Agent） 给现有团队配备专家手册（Skill） 使用现成工具（Tool） 调用外

🎭 核心比喻：餐厅主厨的任务板 想象你是一家高级餐厅的主厨（AI Agent），厨房里挂着一块磁性任务板。 Prompt 概念 餐厅比喻 TodoWrite Tool 磁性任务板和马克笔 Todo 状

📊 整体架构概览 🔍 逐层深度解析 Layer 1: 身份锚定 (第 1 行) 设计意图： 非人格化：不说 "You are Claude" 或 "You are an AI assistant"，而

🎭 场景设定：AI 餐厅 想象 OpenCode 是一家高级的 AI 餐厅： 餐厅角色 OpenCode 组件 职责 顾客 用户 提出需求 服务员 Session/Prompt 接收订单，协调流程 主

场景设定 用户输入： 这是一个典型的复合任务，包含： 文件优化 - 主任务 @explore - 子任务，先分析代码 让我们跟着 OpenCode 一步步处理... Step 1: 用户输入处理 1.

概览 经过前 9 个步骤，我们已经完整了解了 OpenCode 的主工作流。本步骤作为总结篇，将梳理整体架构，并介绍系统的扩展机制。 1. 完整工作流回顾 2. 核心架构图 2.1 数据流架构 2.2

在工具执行完成后，OpenCode 需要将工具结果组装成模型可理解的消息格式，然后进行第二次 LLM 调用，让 AI 基于工具执行结果生成最终回复。 1. Tool Result 保存 工具执行完成后

🎬 场景回顾 前七步完成了： ✅ Step 1：用户消息已打包 ✅ Step 2：确定使用 build Agent ✅ Step 3：Agent 配置绑定到会话 ✅ Step 4：检查并压缩会话状态

🎬 场景回顾 前六步完成了： ✅ Step 1：用户消息已打包 ✅ Step 2：确定使用 build Agent ✅ Step 3：Agent 配置绑定到会话 ✅ Step 4：检查并压缩会话状态