用「小基座 + LoRA 冻结微调 + 轻量决策头」的路线，把端侧决策建模为状态理解 + 选项打分的单次前向任务。训练数据融合用户指令与设备上下文，采用概率软标签保留决策不确定性，并显式建模「不操作」以保障安全。整套方法与基座规模解耦，可在 0.6B、1B、1.5B 等不同量级基座上复用，仅需训练百万级参数即可收敛，具备低延迟、可解释、易迭代、易迁移、隐私原生、离线可用的端侧部署特性。
以最省资源为目的搭建环境。目标手机只有4G内存。常规的Xfce4/Remmina方案跑不动。
于是切换成更省内存的Openbox/xfreerdp方案。
在Termux中基于proot-distro运行ubuntu，手机一熄屏，Termux就被kill -9了。解决方案：
Elicitation的具体介绍可以参照MCP的规范文档。
该功能允许 MCP 服务器在工具执行过程中暂停，并通过客户端向用户请求额外的输入信息，非常适合处理需要人工介入或确认的场景。
这里有一些例子，但是实现的有限繁琐。 因此，我将核心代码抽出来看看。
官方例子在此。
官方提供了通过 BaseModel 规范输出格式的例子。