场景 1 · 四把时间尺度 6.1
观察 / 动作空间在「模态」和「时机」两个方向展开
同一套 Agent 架构，换一个时间尺度，就长出完全不同的产品形态
读法： 越靠左，世界越主动、越异步；越靠右，实时性要求越高、留给模型思考的时间越短。四种形态分别对应异步事件驱动、语音对话、Computer Use 与机器人操作 —— 它们共用同一套架构，差别只在时间尺度。
场景 2 · 排队柜台 vs 活人秘书 6.2.1 重点
同步 Agent 像只排队的柜台，异步 Agent 像会切换的秘书
设计的起点不是「加个异步」，而是承认环境本来就是异步的
为什么难： 不是加个功能就行 —— 整个训练范式都建立在「回合」这个假设上（发出工具调用后，下一条必然是工具结果），而部署现实里用户随时可能打断，异步是在跟这个假设对抗。
场景 3 · PineClaw 的电话通道 6.2.2 重点
靠定时轮询会错过验证码，通话直接失败
PineAI 代用户打电话：慢一步这通电话就废了 —— 异步不是优化，是刚需
一条判据： 如果流程里存在「人在等」的环节，轮询就一定会出事，必须换成事件推送。PineClaw 在 Gateway 与 Pine API 之间建一条实时事件通道，OTP / 三方通话 / 确认降价都能秒级送达用户手机。
场景 4 · 三种事件处理策略 6.2.6
紧急就取消、常规就排队、独立就并行
选哪种策略，只取决于「何时消费这个事件才安全」
分类依据只有一个： 这个事件什么时候消费才安全。取消式会中断当前推理并清空队列，队列式把补充信息攒到工具返回时批量追加，并行式另起一条推理会话 —— 想清楚判据，策略自然就选出来了。
场景 5 · 占位符修复同步格式 6.2.7 重点
工具没返回就被打断，用占位符补一个合法 tool result
补一个合法的 tool result 让轨迹不断裂 —— 模型看到的仍是完美同步的轨迹
工程味道最浓的一节： 为了让轨迹「形式合法」，宁可先塞一个占位符 —— 但必须写清状态，否则会诱发幻觉：写成「已完成」，模型就会当真去编造结果。
场景 6 · 级联延迟瀑布 6.3.2
VAD + ASR + LLM + TTS 串行累积，空载 0.9s 最优、2.3s 最差
级联延迟是四段相加 —— 每一段都要抢时间，用户才不觉得「对面在发呆」
为什么生产环境更慢： 空载延迟只是理想值，利用率一上来（ρ 0.5–0.8），排队会让它放大 2–5 倍。注意是四段相加而不是取最大值，所以每一段都值得抢。
场景 7 · 快慢思考自相矛盾 6.3.5 重点
快模型先说「买」，慢模型 8 秒后发现缺漫游 —— 用户听到两个答案
用户听到两句矛盾的话 —— 解法是让快的看见慢的中间结论
本质： 两个实例各自独立思考，没有共享状态。解法不是让慢的更慢，而是让快的能看到慢的中间结论 —— PineAI 就是靠「快慢分离」架构在 τ³-Voice 榜单上排到第一。
场景 8 · Computer Use 的感知-思考-行动循环 6.4.1 重点
截图 → 推理 → 点击 → 再截图，多步表单要 10–20 轮
难点不是「看懂界面」，而是每一步之后都要重新确认现实
一句话抓住重点： 每一步之后都要重新确认现实 —— 因为屏幕是世界状态，不是你计划的一部分。这也是它比人慢的原因：每个动作间隔 2–5 秒，速度只有人类的 1/3–1/5。
场景 9 · 视觉定位：选择题还是坐标 6.4.2
给界面元素编号让模型「选 [123]」比直接报坐标容易答对
把回归问题变成分类问题 —— 这就是 browser-use 走的路
通用技巧： 把连续空间里的回归问题转成离散选项的分类问题 —— 模型答得准得多。裸坐标预测需要大量训练，分辨率一不匹配就系统性偏移；更进一步还可以直接枚举 DOM / Accessibility Tree 里的可交互元素，browser-use 走的就是这条路。
场景 10 · Computer Use 的世界模型 6.4.4
让 Agent 点之前先「想象」下一状态
它预测的是「可检查的状态差异」，而不是一张逼真的截图
关键区别： 它要的不是「好看的图」，而是「能用来判断的状态差异」—— 目标函数完全不同。Photon-1 为此烧掉 3 万小时 H200；但 OSWorld-Human 显示，Agent 完成同一任务的步骤数仍多于人类。
场景 11 · XLeRobot 与动作分块 6.5
几百美元机械臂就能做多步任务，说明瓶颈在算法
XLeRobot 说明硬件不是瓶颈，算法才是 —— 分块把 1–10 Hz 对齐到 50–1000 Hz
呼应场景 1： 时间尺度表最右边那一格。模型推理只有 1–10 Hz，控制回路却有 50–1000 Hz，动作分块就是把一次模型输出摊成一小串控制指令，让两层频率得以对齐。XLeRobot 几百美元的机械臂，经遥操作就能完成连续多步桌面任务。