Vendor Adapters（厂商适配层）

⚠ 从 v0.9.1 起新增（agent-node v2.3.9-preview.0+，hotfix #130 引入）

⏳ Interim workaround，非永久方案

本 adapter 是 interim 补丁，不是 anet 的 vendor-specific lock-in 路线。anet 已联系 InternLM 团队推上游修复 —— 等 intern-s2-preview endpoint 默认 emit 标准 Anthropic tool_use content blocks 后，这一层 adapter 就可以下线。

加这层是为了立即 unblock 用户跑 intern + 多 Agent 协作（v0.9.0 promote 前 intern tool calling 完全卡死），不是 anet 愿意长期承担「贴近某家厂商行为」这种维护成本。Upstream coordination 进度见 §5 Future polish — Upstream coordination status。

agent-node 的 claude-agent-sdk runtime 是 Anthropic Messages API 客户端，理论上任何 Anthropic 兼容 endpoint（书生 / DeepSeek / GLM / Kimi / MiniMax / OpenRouter / 自部署 lmdeploy 等）都能跑。但实际上各厂商的 RLHF 微调路径不一样，同样的 Anthropic 协议 payload 在不同厂商端会有行为分歧：

MiniMax / Anthropic 官方：tool 调用 out-of-the-box 干净，stop_reason: "tool_use"，content blocks 正确
书生 intern-s2-preview：接受 tools 参数但在 tool_choice: "auto" 下默认走「Thinking Process」自由文本，不发 tool_use content blocks；强制 tool_choice: {type:"tool",name:...} 又被拒（-20077 不支持的 tool_choice 值）

为不让用户被「同样的 prompt 跑 MiniMax 工作，跑书生就废」搞晕，作为 interim 补丁 agent-node 引入 vendor adapters：根据 ANTHROPIC_BASE_URL 检测 vendor，prepend 一段定制 system-prompt bias 强制把 RLHF 行为掰回 Anthropic 标准。理想终态：上游厂商 RLHF 修了 → adapter 退役。

当前 adapters

intern（书生 InternLM）

触发条件：ANTHROPIC_BASE_URL 命中 regex /intern-ai\.org\.cn|chat\.intern-ai/i（agent-node/src/cli.ts processWithClaude）

注入内容：在用户 system prompt 之前 prepend 一段短 bias，要求 model 直接发 tool_use content blocks 跳过 verbose thinking process。

效果对照（直 curl 验证，详见 research report）：

维度	无 adapter（agent-node ≤ 2.3.8）	有 adapter（v2.3.9-preview.0+）
`stop_reason`	`max_tokens`（自由文本撞顶被截）	`tool_use`（干净停止）
`output_tokens`	1024（拉满）	122（精炼）
`content[1]`	没有 tool_use block	`{type:"tool_use", name:"commhub_send_task", input:{...}}` ✅
multi-agent 协作	经常派不出活，hub 收不到 `send_task`	派活闭环

Generalises：detection regex 同时匹配 intern-ai.org.cn 和 chat.intern-ai 子域，未来 intern-* 系列 endpoint 新增不需要改代码。

⚠ 副作用（必读）

vendor adapter 是修复 RLHF 偏差的最小可行方案，不是免费的。已知 5 项 user-visible 副作用：

1. 失去 intern Thinking Process 透明度

bias 让 model skip thinking 阶段直接发 tool_use —— intern-s2-preview 一大特色（链式推理可见性）被压平。Debug 时看不到 model 决策推理。

Migration hint：想看 thinking 用 anet node start <alias> --prompt "你的 system prompt" 自带 system prompt —— 替换 default bias，model 退回到原始 RLHF 行为。

2. Detection fragility — URL regex 只匹配 chat.intern-ai.org.cn 系列

regex /intern-ai\.org\.cn|chat\.intern-ai/i 是简单字符串匹配，三个边界场景不触发 bias：

自部署 lmdeploy + InternLM2.5（base URL = http://your-server:23333 之类）
intern 改用代理（https://your-proxy.com/intern）
用 aggregator（OpenRouter / 自建 gateway）路由到 intern 模型

这些场景下 bias 不会启动，tool calling 还是会卡。

Migration hint：自部署 / proxy 场景需要手动 --prompt 把 bias 内容复制进来。bias 实际内容见 agent-node 源码 commit 4cd0024（~10 行）。

3. Silent injection — bias 默默 prepend 到 system prompt

bias 是隐式注入，用户改 system prompt 时不知道有这层。

典型 debug 困惑："我 prompt 写 X，model 表现像 Y，搞不懂为啥不听话" —— 因为实际跑的是 <bias> + <你写的 X>。

Migration hint：当前 anet info <alias> 已 print tools: + flags: 行（#101 banner 配套）。未来 polish gap follow-up 计划加 bias_active: true/false 行让 bias 状态显式。

4. Tool calling 风格强制 — bias "MUST emit tool_use"

bias 的核心指令是「必须发 tool_use」。对多 Agent 协作（agent 之间互派活）是净正面；对单 agent 报告生成（要求 model 写 markdown 总结）就是干扰 —— model 过度倾向调工具而不是输出文本。

典型 use case 偏移：你想让 intern agent 写一份周报，但 bias 让它疯狂尝试调 Read / WebFetch 而不是直接写文本。

Migration hint：单 agent 报告任务用 anet node start <alias> --prompt "你只输出报告，不要调工具" 自带 system prompt 关闭 default bias。

5. Tokens 减输出 = 减 explainability

跟 #1 同根：intern 默认 1024 tokens 撞顶（verbose 推理）→ bias 后 122 tokens clean stop。tool 链干净是好事，但用户看不到 model 为什么这么决策。

Migration hint：未来计划加 verbose 模式（preview gap），日志里 dump model 完整 raw response。当前需要 model thinking 可见性的场景同 #1，用 --prompt 退回原始 RLHF。

Opt-out：用 `--prompt` 自带 system prompt

bash

# 关闭 intern adapter default bias（替换为你自己的 system prompt）
anet node start my-intern-agent --prompt "你是一个谨慎的代码 reviewer，仅在用户明确要求时调工具。"

注意：--prompt 是替换不是追加 —— vendor adapter bias 不会再被 prepend。如果你既想要 bias 又想加自己的指令，目前需要手动 copy bias 内容到 --prompt 里再拼自己的。

也可以在 .anet/nodes/<alias>/config.json 的 prompt 字段持久化（agent-node loadProfile 读取）。

Future polish（未完成 gap）

跟 #130 工程马 code trace report 列出的 follow-up polish 一致：

P1 anet info <alias> print bias_active: true/false —— 让 silent injection 显式
P1 --no-vendor-bias flag —— 不替换 system prompt 单纯关掉 bias
P2 verbose 模式（--log-level debug chain？）—— dump model raw response 含 thinking process
P2 自部署 / proxy 检测 fallback —— detection 不止 URL regex（model 名称 / 启动 banner 探测？）

Upstream coordination status

厂商	状态	跟进通道
InternLM 书生	🟡 2026-05-16 anet 团队已联系 intern 团队推上游 fix（让 `tool_choice:auto` 默认 emit 标准 Anthropic `tool_use` content blocks）	通过 anet 团队渠道

Adapter 退役条件（任一满足即可去掉 vendor adapter 层）：

intern endpoint 升级后 curl A/B 跑 tool_choice:auto 直接 emit tool_use block（不需要 system-prompt bias）
或：上游同意把 prompt-bias 内嵌到 endpoint server-side，client 端 transparent

Tracking：跟进任何 intern team 反馈（新版本 release notes / API change notice）后，在本节加 timeline；adapter 移除会在 changelog 单独发条目，保留向后兼容（旧 anet 版本仍带 bias 也能跑，新版可去掉）。

References

Hotfix commit: 4cd0024 fix(#130): intern-s2-preview tool calling via system-prompt bias
Issue: #130 intern tool-calling broken on Anthropic protocol
SDK 团队直 curl A/B research（191 行）: docs/research/intern-tool-calling-investigation.md
工程团队 3-layer code trace（183 行）: docs/research/intern-tool-calling-code-trace.md
上下文：CHANGELOG v0.9.0 Recovery & Observability + Security 工具权限

Vendor Adapters（厂商适配层） ​

当前 adapters ​

intern（书生 InternLM） ​

⚠ 副作用（必读） ​

1. 失去 intern Thinking Process 透明度 ​

2. Detection fragility — URL regex 只匹配 chat.intern-ai.org.cn 系列 ​

3. Silent injection — bias 默默 prepend 到 system prompt ​

4. Tool calling 风格强制 — bias "MUST emit tool_use" ​

5. Tokens 减输出 = 减 explainability ​

Opt-out：用 --prompt 自带 system prompt ​

Future polish（未完成 gap） ​

Upstream coordination status ​

References ​