二：工具

概述

本节介绍基于大语言模型的编程辅助工具，如 IDE 插件、CLI 工具等。

常用工具

本课程推荐把工具链分成四层：IDE/Agent（开发与审阅）→ 模型路由（统一接入）→ Agent 框架（自动化工作流）→ 可观测性（证据与复现）。

2.1 IDE 与 Agent

推荐策略：Cursor 为主，Trae 为备选（强隐私隔离）

• Cursor（推荐主力）
  • 适合作为课程统一 IDE：支持团队/课程共享规则、Composer/Agent、代码库索引、Review 工作流，便于统一教学与助教支持。
  • 文档：https://cursor.com/docs
  • Rules：https://cursor.com/docs/context/rules

• Trae（备选，需隔离使用）
  • 社区里常被当成 Cursor 替代；但 2025 下半年出现过关于隐私/遥测的争议报道。
  • 课程支持建议：只允许在隔离容器/无敏感仓库环境使用；避免接触含 token、私钥、学校/企业内部代码的目录。
  • 官网：https://www.trae.ai/
  • 文档：https://docs.trae.ai/

2.2 模型接入：OpenRouter 作为统一“模型路由层”

在教学场景里，建议用 OpenRouter 作为统一接入层（同一套 API/Key、按任务切换模型、便于成本与能力管理）。OpenRouter 的模型页面通常会标注发布时间、上下文长度、价格与基准，适合做“分层选择”。

• OpenRouter 官网：https://openrouter.ai/
• Quickstart：https://openrouter.ai/docs/quickstart
• API Reference：https://openrouter.ai/docs/api/reference/overview
• Models 指南：https://openrouter.ai/docs/guides/overview/models

2.3 Agent 框架：OpenClaw（或同类）与“安全默认值”

OpenClaw（或类似框架）适合做“OS 实验助手”：

• 自动生成实验报告骨架
• 跑测试/收集结果
• 整理 trace/log
• 生成 patch 与提交说明（由同学/助教审阅决策）

但这类框架也会放大安全风险，因此要设置安全默认值。

• OpenClaw Install：https://docs.openclaw.ai/install
• GitHub Repo：https://github.com/openclaw/openclaw

2.4 eBPF：可观测性与可验证的课程核心工具

在“让 agent 像人一样操作系统”的叙事中，eBPF 的关键价值是“hook 万物”，把行为变成可观测、可审计、可回放的证据：

• 观测：调度、内存、IO、Binder/系统调用、GPU 驱动路径等
• 约束与证明：为 agent 的每一步提供可审计证据（trace/log）
• 回放与复现：trace → 最小复现用例 → 自动化验证

课程落地建议：每个实验至少产出一份 trace（perf / ftrace / eBPF 三选一即可）。

参考：

• Kernel BPF 文档入口：https://docs.kernel.org/bpf/
• BPF Verifier：https://docs.kernel.org/bpf/verifier.html
• eBPF.io 实践知识库：https://docs.ebpf.io/

2.5 其他常用参考入口（源码/平台）

• GitHub
  • 官网：https://github.com/
  • Docs：https://docs.github.com/

• Android（AOSP）
  • 官网：https://source.android.com/
  • 文档入口：https://source.android.com/docs
  • Setup：https://source.android.com/docs/setup

• Linux Kernel
  • kernel.org：https://www.kernel.org/
  • Linux Kernel Docs：https://docs.kernel.org/
  • kernel.org/doc：https://www.kernel.org/doc/