diff --git a/docs/context/system-prompt.mdx b/docs/context/system-prompt.mdx
index 98f60fff3..fcfa4005a 100644
--- a/docs/context/system-prompt.mdx
+++ b/docs/context/system-prompt.mdx
@@ -1,290 +1,116 @@
 ---
-title: "System Prompt 动态组装 - AI 工作记忆构建"
-description: "深入解析 Claude Code 的 System Prompt 动态组装过程：缓存策略、分界标记、Section 注册表、CLAUDE.md 多级合并，以及如何将零散上下文拼装为 API 可消费的缓存友好结构。"
-keywords: ["System Prompt", "系统提示词", "动态组装", "CLAUDE.md", "Prompt Cache", "缓存策略"]
+title: "系统提示词"
+description: "系统提示词不是一段写死的文本，而是一个动态组装、分块缓存的数组。理解三阶段管道、缓存分界标记和多级优先级选择的设计。"
+keywords: ["系统提示词", "System Prompt", "动态组装", "Prompt Cache", "缓存策略"]
 ---
 
-## 从数组到 API 调用：System Prompt 的完整链路
+## 核心问题
 
-System Prompt 在 Claude Code 中不是一段写死的文本，而是一个 **`string[]` 数组**（品牌类型 `SystemPrompt`，定义于 `src/utils/systemPromptType.ts:8`），经过组装、分块、缓存标记后发送给 API。
+AI 的行为由系统提示词（System Prompt）决定。但一个编程助手的系统提示词远不止一句"你是一个有用的助手"——它需要包含工具使用规则、安全策略、项目上下文、用户偏好等大量动态内容。
 
-### 三阶段管道
+挑战在于：**这些内容每次请求都要发送，而且大部分是不变的。** 如何在保持动态性的同时最小化 token 成本？
+
+## 从文本到数组：缓存驱动的架构选择
+
+系统提示词不是单个字符串，而是一个 **字符串数组**。
+
+### 为什么是数组？
+
+Anthropic 的 Prompt Cache 以**内容块**为单位缓存。将提示词拆为多个块，不变的部分可以获得独立的缓存命中。如果是一个单字符串，任何一个字符变化（如日期更新）都会导致整个提示词的缓存失效。
+
+一个典型的系统提示词约 20K+ tokens，通过缓存分块可以节省 30-50% 的输入 token 费用。
+
+### 品牌类型保证
+
+系统使用品牌类型（branded type）防止普通字符串数组被意外传入 API 调用——只有通过显式转换才能获得系统提示词类型。这是零开销的编译时安全保证。
+
+## 三阶段组装管道
 
 ```
-getSystemPrompt()          →  string[]       （组装内容）
-  ↓
-buildEffectiveSystemPrompt() →  SystemPrompt   （选择优先级路径）
-  ↓
-buildSystemPromptBlocks()  →  TextBlockParam[] （分块 + cache_control 标记）
+收集内容 → 选择优先级 → 分块 + 缓存标记
 ```
 
-1. **`getSystemPrompt()`**（`src/constants/prompts.ts:444`）—— 收集静态段 + 动态段，插入 `SYSTEM_PROMPT_DYNAMIC_BOUNDARY` 分界标记
-2. **`buildEffectiveSystemPrompt()`**（`src/utils/systemPrompt.ts:41`）—— 按 Override > Coordinator > Agent > Custom > Default 优先级选择
-3. **`buildSystemPromptBlocks()`**（`src/services/api/claude.ts:3279`）—— 调用 `splitSysPromptPrefix()` 分块，为每个块附加 `cache_control`
+### 第一阶段：内容收集
 
-## SystemPrompt 品牌类型
+系统提示词的内容分为两个区域：
 
-```typescript
-// packages/@ant/model-provider/src/types/systemPrompt.ts:4
-export type SystemPrompt = readonly string[] & {
-  readonly __brand: 'SystemPrompt'
-}
-export function asSystemPrompt(value: readonly string[]): SystemPrompt {
-  return value as SystemPrompt  // 零开销类型断言
-}
-```
+| 区域 | 内容 | 特点 |
+|------|------|------|
+| **静态区** | 工具使用规则、安全策略、输出格式规范 | 所有用户相同 |
+| **动态区** | 记忆、MCP 指令、模型覆盖、语言偏好 | 因用户/会话而异 |
 
-品牌类型（branded type）防止普通 `string[]` 被意外传入 API 调用——只有通过 `asSystemPrompt()` 显式转换才能获得 `SystemPrompt` 类型。
+两个区域之间用一个特殊的**分界标记**分隔。这个标记永远不会发送给 AI——它只是告诉缓存系统："到这里为止是静态的，从这里开始是动态的"。
 
-## getSystemPrompt()：内容组装的全景
+### 第二阶段：优先级选择
 
-`src/constants/prompts.ts:444` 是 System Prompt 的核心工厂函数，返回一个有序数组：
+最终使用哪个提示词取决于五级优先级：
 
-| 阶段 | 内容 | 缓存策略 |
-|------|------|----------|
-| **静态区** | Intro Section、System Rules、Doing Tasks、Actions、Using Tools、Tone & Style、Output Efficiency | 可跨组织缓存（`scope: 'global'`） |
-| **BOUNDARY** | `SYSTEM_PROMPT_DYNAMIC_BOUNDARY = '__SYSTEM_PROMPT_DYNAMIC_BOUNDARY__'` | 分界标记（不发送给 API，仅用于分割静态区与动态区以实现全局缓存） |
-| **动态区** | Session Guidance、Memory、Model Override、Env Info、Language、Output Style、MCP Instructions、Scratchpad、FRC、Summarize Tool Results、Token Budget、Brief | 每次会话不同（`scope: 'org'` 或无缓存） |
-
-> **Boundary 是什么**：它把 System Prompt 分成"不变的静态区"和"因用户/会话而异的动态区"。静态区对所有用户相同，可获得 `scope: 'global'` 跨组织缓存；动态区每次不同，只能 `scope: 'org'` 或不缓存。它本身是一个特殊字符串，在发送给 API 前被移除，AI 永远看不到。
-
-### 动态区的 Section 注册表
-
-动态区通过 `systemPromptSection()` / `DANGEROUS_uncachedSystemPromptSection()` 注册，这两个工厂函数定义于 `src/constants/systemPromptSections.ts`：
-
-```typescript
-// 缓存式 Section：计算一次，/clear 或 /compact 后才重新计算
-systemPromptSection('memory', () => loadMemoryPrompt())
-
-// 危险：每轮重新计算，会破坏 Prompt Cache
-DANGEROUS_uncachedSystemPromptSection(
-  'mcp_instructions',
-  () => isMcpInstructionsDeltaEnabled() ? null : getMcpInstructionsSection(mcpClients),
-  'MCP servers connect/disconnect between turns'  // 必须给出破坏缓存的理由
-)
-```
-
-`resolveSystemPromptSections()` 在每轮查询时解析所有 Section，对于 `cacheBreak: false` 的 Section，优先使用 `getSystemPromptSectionCache()` 中的缓存值。只有 MCP 指令等真正动态的内容使用 `DANGEROUS_uncachedSystemPromptSection`。
-
-### `CLAUDE_CODE_SIMPLE` 快速路径
-
-当环境变量 `CLAUDE_CODE_SIMPLE` 为真时，整个 System Prompt 缩减为一行：
-
-```typescript
-`You are Claude Code, Anthropic's official CLI for Claude.\n\nCWD: ${getCwd()}\nDate: ${getSessionStartDate()}`
-```
-
-跳过所有 Section 注册、缓存分块、动态组装——用于最小化 token 消耗的测试场景。
-
-## buildEffectiveSystemPrompt()：五级优先级
-
-`src/utils/systemPrompt.ts:41` 决定最终使用哪个 System Prompt：
-
-| 优先级 | 条件 | 行为 |
+| 优先级 | 来源 | 场景 |
 |--------|------|------|
-| **0. Override** | `overrideSystemPrompt` 非空 | 完全替换，返回 `[override]` |
-| **1. Coordinator** | `COORDINATOR_MODE` feature + 环境变量 | 使用协调者专用提示词 |
-| **2. Agent** | `mainThreadAgentDefinition` 存在 | Proactive 模式：追加到默认提示词尾部；否则：替换默认提示词 |
-| **3. Custom** | `--system-prompt` 参数指定 | 替换默认提示词 |
-| **4. Default** | 无特殊条件 | 使用 `getSystemPrompt()` 完整输出 |
+| **Override** | 外部覆盖 | SDK 集成、自动化测试 |
+| **Coordinator** | 协调者模式 | 多 Agent 编排 |
+| **Agent** | Agent 定义 | 自定义 Agent |
+| **Custom** | 命令行参数 | 用户的自定义提示词 |
+| **Default** | 完整组装 | 正常使用 |
 
-`appendSystemPrompt` 始终追加到末尾（Override 除外）。
+**设计考量**：Override 级别完全替换默认提示词（包括安全规则），这是危险的但必要的——自动化测试和 SDK 集成需要完全控制。其他级别则在默认提示词基础上追加或替换。
 
-## Provider 系统概述
+### 第三阶段：分块与缓存标记
 
-Claude Code 支持多种 API 提供商，分为两大类：
+分块策略根据条件选择三种模式：
 
-| 类别 | Provider | 环境变量 | 说明 |
-|------|----------|---------|------|
-| **1P (First Party)** | `firstParty` | 默认 | Anthropic 官方 API 直连 |
-| **3P (Third Party)** | `bedrock` | `CLAUDE_CODE_USE_BEDROCK=1` | AWS Bedrock 托管服务 |
-| **3P** | `vertex` | `CLAUDE_CODE_USE_VERTEX=1` | Google Vertex AI |
-| **3P** | `openai` | `CLAUDE_CODE_USE_OPENAI=1` | OpenAI 兼容层（Ollama/DeepSeek/vLLM） |
-| **3P** | `gemini` | `CLAUDE_CODE_USE_GEMINI=1` | Google Gemini API |
-| **3P** | `grok` | `CLAUDE_CODE_USE_GROK=1` | xAI Grok |
-
-Provider 决定了：
-- **可用的 beta headers**：部分 beta 功能仅限 1P 用户
-- **缓存策略**：全局缓存 `scope: 'global'` 仅 1P 可用
-- **Token 计数方式**：Bedrock 有独立的 countTokens 端点，OpenAI/Gemini 依赖估算
-
-```typescript
-// src/utils/model/providers.ts:5-13
-export type APIProvider =
-  | 'firstParty'    // 1P - Anthropic 直连
-  | 'bedrock'       // 3P - AWS Bedrock
-  | 'vertex'        // 3P - Google Vertex
-  | 'foundry'       // 3P - Anthropic Foundry
-  | 'openai'        // 3P - OpenAI 兼容层
-  | 'gemini'        // 3P - Google Gemini
-  | 'grok'          // 3P - xAI Grok
+**模式 1：全局缓存（1P 用户默认）**
+```
+[归属头]        → 不缓存
+[提示词前缀]    → 不缓存
+[静态内容]      → 全局缓存（跨组织共享）
+[动态内容]      → 不缓存
 ```
 
-## 缓存策略：分块、标记、命中
-
-这是 System Prompt 设计中最精密的部分。
-
-### Anthropic Prompt Cache 基础
-
-Anthropic API 的 Prompt Cache 允许跨请求复用相同的 System Prompt 前缀，按缓存命中量计费（远低于完整输入价格）。缓存键由内容的 Blake2b 哈希决定——任何字符变化都会导致缓存失效。
-
-### `splitSysPromptPrefix()`：三种分块模式
-
-`src/utils/api.ts:321` 是缓存策略的核心，根据条件选择三种分块模式：
-
-#### 模式 1：MCP 工具存在时（`skipGlobalCacheForSystemPrompt=true`）
-
+**模式 2：组织缓存（MCP 工具存在时）**
 ```
-[attribution header]    → cacheScope: null     （不缓存）
-[system prompt prefix]  → cacheScope: 'org'    （组织级缓存）
-[everything else]       → cacheScope: 'org'    （组织级缓存）
+[归属头]        → 不缓存
+[提示词前缀]    → 组织缓存
+[其余内容]      → 组织缓存
 ```
 
-MCP 工具列表在会话中可能变化（连接/断开），破坏了跨组织缓存的基础，因此降级为组织级。
-
-#### 模式 2：Global Cache + Boundary 存在（1P 专用）
-
+**模式 3：组织缓存（3P 用户）**
 ```
-[attribution header]    → cacheScope: null     （不缓存）
-[system prompt prefix]  → cacheScope: null     （不缓存）
-[static content]        → cacheScope: 'global' （全局缓存！跨组织共享）
-[dynamic content]       → cacheScope: null     （不缓存）
+[归属头]        → 不缓存
+[提示词前缀]    → 组织缓存
+[其余内容]      → 组织缓存
 ```
 
-这是缓存效率最高的模式。`SYSTEM_PROMPT_DYNAMIC_BOUNDARY` 之前的静态内容（Intro、Rules、Tone & Style 等）对所有用户相同，可跨组织缓存。
+**为什么 MCP 工具会降级缓存**？MCP 工具列表在会话中可能变化（连接/断开），这会改变提示词内容，破坏跨组织缓存的基础。因此当 MCP 工具存在时，只能使用组织级缓存。
 
-> **Boundary 插入条件**：`SYSTEM_PROMPT_DYNAMIC_BOUNDARY` 标记**仅在特定条件**下插入：
+### 缓存破坏的防御
 
-```typescript
-// src/utils/betas.ts:226-229
-export function shouldUseGlobalCacheScope(): boolean {
-  return (
-    getAPIProvider() === 'firstParty' &&
-    !isEnvTruthy(process.env.CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS)
-  )
-}
-```
+动态区的某些内容（如会话特定的工具集）必须严格放在分界标记之后。如果错误地放在静态区，每个运行时条件的组合会产生 2^N 种不同的哈希值（N = 条件数量），完全破坏缓存命中率。
 
-```typescript
-// src/constants/prompts.ts:574
-...(shouldUseGlobalCacheScope() ? [SYSTEM_PROMPT_DYNAMIC_BOUNDARY] : []),
-```
+系统对"每轮都重新计算"的 Section 使用专门的危险标记——开发者必须给出破坏缓存的理由才能使用它。
 
-这意味着：
-- **3P 用户（Bedrock/Vertex/OpenAI/Gemini）**：Boundary 永远不存在，始终使用模式 3
-- **1P 用户禁用实验性功能**：设置 `CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS=1`，Boundary 不插入
-- **1P 用户默认**：Boundary 存在，使用模式 2（最高缓存效率）
+## 上下文注入：两条独立管道
 
-#### 模式 3：默认（3P 提供商 或 Boundary 缺失）
+系统提示词本身不包含运行时上下文。上下文通过两条独立管道注入：
 
-```
-[attribution header]    → cacheScope: null     （不缓存）
-[system prompt prefix]  → cacheScope: 'org'    （组织级缓存）
-[everything else]       → cacheScope: 'org'    （组织级缓存）
-```
+### System Context（会话级不变）
 
-### `getCacheControl()`：TTL 决策
+- Git 分支和状态
+- 最近的提交记录
+- 计算一次，整个会话期间缓存
 
-`src/services/api/claude.ts:348` 生成的 `cache_control` 对象：
+### User Context（动态变化）
 
-```typescript
-{
-  type: 'ephemeral',
-  ttl?: '1h',         // 仅特定 querySource 符合条件时
-  scope?: 'global',   // 仅静态区
-}
-```
+- 合并后的 CLAUDE.md 内容
+- 当前日期
 
-1 小时 TTL 的判定逻辑（`should1hCacheTTL()`，第 383 行）：
-- **Bedrock 用户**：通过环境变量 `ENABLE_PROMPT_CACHING_1H_BEDROCK` 启用
-- **1P 用户**：通过 GrowthBook 配置的 `allowlist` 数组匹配 `querySource`，支持前缀通配符（如 `"repl_main_thread*"`）
-- **会话级锁定**：资格判定结果在 bootstrap state 中缓存，防止 GrowthBook 配置中途变化导致同一会话内 TTL 不一致
-
-### 缓存破坏：Session-Specific Guidance 的放置
-
-`getSessionSpecificGuidanceSection()`（`src/constants/prompts.ts:354`）的内容必须放在 `SYSTEM_PROMPT_DYNAMIC_BOUNDARY` **之后**。因为它包含：
-- 当前会话的 enabledTools 集合
-- `isForkSubagentEnabled()` 的运行时判定
-- `getIsNonInteractiveSession()` 的结果
-
-这些运行时 bit 如果放在静态区，会产生 2^N 种 Blake2b 哈希变体（N = 运行时条件数），完全破坏缓存命中率。源码注释明确警告：
-
-> Each conditional here is a runtime bit that would otherwise multiply the Blake2b prefix hash variants (2^N). See PR #24490, #24171 for the same bug class.
-
-### `CLAUDE_CODE_SIMPLE` 模式
-
-当设置了 `CLAUDE_CODE_SIMPLE` 环境变量时，整个系统提示词会大幅缩减：
-
-```typescript
-return [`You are Claude Code, Anthropic's official CLI for Claude.\n\nCWD: ${getCwd()}\nDate: ${getSessionStartDate()}`]
-```
-
-## 上下文注入：System Context 与 User Context
-
-System Prompt 数组本身不包含运行时上下文（git 状态、CLAUDE.md 内容）。上下文通过两个独立的管道注入：
-
-### System Context（`src/context.ts:116`）
-
-```typescript
-export const getSystemContext = memoize(async () => {
-  return {
-    gitStatus,           // git 分支、状态、最近提交（截断至 MAX_STATUS_CHARS=2000）
-    cacheBreaker,        // 仅 ant 用户的缓存破坏器
-  }
-})
-```
-
-- 使用 `lodash.memoize` 缓存——**整个会话期间只计算一次**
-- Git 状态快照包含 5 个并行 `git` 命令（branch、defaultBranch、status、log、userName）
-- `status` 超过 2000 字符时截断并附加提示使用 BashTool 获取更多信息
-- `systemPromptInjection` 变更时，通过 `getUserContext.cache.clear?.()` 清除所有上下文缓存
-
-### User Context（`src/context.ts:155`）
-
-```typescript
-export const getUserContext = memoize(async () => {
-  return {
-    claudeMd,            // 合并后的 CLAUDE.md 内容
-    currentDate,         // "Today's date is YYYY-MM-DD."
-  }
-})
-```
-
-- **CLAUDE.md 禁用条件**：`CLAUDE_CODE_DISABLE_CLAUDE_MDS` 环境变量，或 `--bare` 模式（除非通过 `--add-dir` 显式指定目录）
-- `--bare` 模式的语义是"跳过我没要求的东西"而非"忽略所有"
-
-### 注入位置
-
-在 `src/query.ts:449`：
-
-```typescript
-// System Context 追加到 System Prompt 尾部
-const fullSystemPrompt = asSystemPrompt(
-  appendSystemContext(systemPrompt, systemContext)  // 简单拼接
-)
-```
-
-User Context 通过 `prependUserContext()`（`src/utils/api.ts:449`）注入为 `<system-reminder>` 标签包裹的首条用户消息，放在所有对话消息之前。
-
-## Attribution Header：计费与安全
-
-每个 API 请求的 System Prompt 首块是 Attribution Header（`src/constants/system.ts:30`），包含：
-- **`cc_version`**：Claude Code 版本 + 指纹
-- **`cc_entrypoint`**：入口点标识（REPL / SDK / pipe 等）
-- **`cch=00000`**（NATIVE_CLIENT_ATTESTATION 启用时）：Bun 原生 HTTP 层在发送前将零替换为计算出的哈希值，服务器验证此 token 确认请求来自真实 Claude Code 客户端
-
-Header 始终 `cacheScope: null`——它因版本和指纹不同而变化，不适合缓存。
+**为什么 User Context 不放在 System Prompt 中**？因为 User Context 作为用户消息发送，可以利用 Prompt Cache 的前缀共享——系统提示词是所有用户共享的前缀，User Context 是每个用户的变化部分。这种分层让缓存命中率最大化。
 
 ## CLAUDE.md：项目级知识注入
 
-这是 Claude Code 最巧妙的设计之一。在项目根目录放一个 `CLAUDE.md` 文件，就能让 AI "理解" 你的项目：
+这是 Claude Code 最巧妙的设计之一。在项目目录中放一个 `CLAUDE.md` 文件，就能让 AI "理解"项目。
 
-- **项目概述**：这个项目做什么、用了什么技术栈
-- **开发约定**：代码风格、命名规范、分支策略
-- **常用命令**：怎么构建、怎么测试、怎么部署
-- **注意事项**：已知的坑、特殊的配置
-
-系统会自动发现并合并多级 CLAUDE.md：
+### 多级合并
 
 ```
 ~/.claude/CLAUDE.md              ← 用户全局（个人偏好）
@@ -292,77 +118,34 @@ Header 始终 `cacheScope: null`——它因版本和指纹不同而变化，不
         └── /project/src/CLAUDE.md  ← 子目录（模块特定）
 ```
 
-加载逻辑在 `src/utils/claudemd.ts` 中的 `getClaudeMds()` 和 `getMemoryFiles()` 实现——从 CWD 向上遍历目录树，合并所有匹配的 CLAUDE.md 文件内容。
+系统从当前工作目录向上遍历，合并所有匹配的 CLAUDE.md 文件。子目录的 CLAUDE.md 可以覆盖或补充父目录的规则。
 
-## 设计洞察：为什么是 `string[]` 而非单个 `string`
+**设计哲学**：项目知识应该由团队成员维护、随代码演进、可通过 git 追踪。CLAUDE.md 本质上是"给人读的项目文档，恰好 AI 也能读"。
 
-将 System Prompt 设计为数组而非单段文本，是为了 **缓存分块**：
+### 安全考量
 
-1. Anthropic Prompt Cache 以 **内容块**（TextBlock）为缓存单位
-2. 将 System Prompt 拆为多个块，可以让不变的部分（Intro、Rules）获得独立的缓存命中
-3. 如果是单个 `string`，任何一个字符变化（如日期更新）都会导致整个 System Prompt 的缓存失效
-4. `SYSTEM_PROMPT_DYNAMIC_BOUNDARY` 标记允许 `splitSysPromptPrefix()` 精确地将静态区标记为 `scope: 'global'`，动态区不标记或标记为 `scope: 'org'`
+项目级 CLAUDE.md 可以被仓库中的任何人修改（包括恶意贡献者）。系统因此限制了项目级 CLAUDE.md 的影响范围——它们不能覆盖安全关键设置，也不能修改权限模型。
 
-这是 Claude Code 在 token 成本优化上的核心设计——一次典型的 System Prompt 约 20K+ tokens，通过缓存分块可以节省 30-50% 的输入 token 费用。
+## Provider 差异与缓存
 
-## 兼容层：OpenAI 与 Gemini
+不同的 API Provider 有不同的缓存能力：
 
-Claude Code 提供了 OpenAI 和 Gemini 协议的兼容层，允许使用非 Anthropic 端点。
+| Provider | 全局缓存 | 精确 Token 计数 | 特殊 Beta 功能 |
+|----------|:--------:|:---------------:|:--------------:|
+| Anthropic 直连 | ✓ | ✓ | ✓ |
+| AWS Bedrock | ✗ | ✓（独立端点） | 部分 |
+| Google Vertex | ✗ | ✗ | 部分 |
+| OpenAI 兼容 | ✗ | ✗ | ✗ |
+| Gemini | ✗ | ✗ | ✗ |
 
-### OpenAI 兼容层
+3P 用户的系统提示词始终使用组织级缓存，因为没有全局缓存的 API 支持。这也意味着 token 计数依赖估算，影响自动压缩的触发时机。
 
-通过 `CLAUDE_CODE_USE_OPENAI=1` 启用，支持任意 OpenAI Chat Completions 协议端点（Ollama、DeepSeek、vLLM 等）。
+## 最小化模式
 
-实现采用**流适配器模式**：
-1. 将 Anthropic 格式请求转换为 OpenAI 格式
-2. 调用 OpenAI 兼容端点
-3. 将 SSE 流转换回 `BetaRawMessageStreamEvent`
-4. 下游代码完全无感知
+环境变量 `CLAUDE_CODE_SIMPLE` 可以将整个系统提示词缩减为一行——跳过所有 Section 注册、缓存分块和动态组装。用于最小化 token 消耗的测试场景。
 
-```
-src/services/api/openai/
-├── client.ts           # OpenAI 客户端配置
-├── convertMessages.ts  # 消息格式转换（Anthropic → OpenAI）
-├── convertTools.ts     # 工具定义转换
-├── streamAdapter.ts    # SSE 流适配（OpenAI → Anthropic）
-├── modelMapping.ts     # 模型名称映射
-└── index.ts            # 入口函数 queryModelOpenAI()
-```
-
-关键环境变量：
-- `CLAUDE_CODE_USE_OPENAI=1` — 启用 OpenAI provider
-- `OPENAI_API_KEY` — API 密钥
-- `OPENAI_BASE_URL` — API 端点（默认 `https://api.openai.com/v1`）
-- `OPENAI_MODEL` — 直接指定模型名
-
-### Gemini 兼容层
-
-通过 `CLAUDE_CODE_USE_GEMINI=1` 启用，支持 Google Gemini API。
-
-```
-src/services/api/gemini/
-├── client.ts           # Gemini 客户端配置
-├── convertMessages.ts  # 消息格式转换
-├── convertTools.ts     # 工具定义转换
-├── streamAdapter.ts    # 流适配
-├── modelMapping.ts     # 模型名称映射
-├── types.ts            # 类型定义
-└── index.ts            # 入口函数
-```
-
-关键环境变量：
-- `CLAUDE_CODE_USE_GEMINI=1` — 启用 Gemini provider
-- `GEMINI_API_KEY` — API 密钥
-- `GEMINI_BASE_URL` — API 端点（默认 `https://generativelanguage.googleapis.com/v1beta`）
-- `GEMINI_MODEL` — 直接指定模型名
-- `GEMINI_DEFAULT_SONNET_MODEL` / `GEMINI_DEFAULT_OPUS_MODEL` — 按能力级别映射
-
-### 兼容层的限制
-
-使用 3P 兼容层时，部分功能受限：
-- **无精确 token 计数**：系统退回到近似估算，影响自动压缩触发时机
-- **无全局缓存**：只能使用组织级缓存 `scope: 'org'`
-- **部分 beta 功能不可用**：依赖 Anthropic 特有 beta headers 的功能受限
-
-详见 `docs/plans/openai-compatibility.md` 和 `CLAUDE.md` 中的相关章节。
+## 接下来
 
+- **上下文压缩** — 理解当上下文增长超出限制时的压缩策略
+- **令牌预算** — 了解 token 窗口的动态计算
+- **Provider 系统** — 了解多 Provider 支持的架构设计