核心用法
kenoodl 是一款面向AI代理的正交注入引擎，专门解决"梯度平坦化"问题——当大模型的输出开始在同义反复中打转、收敛于安全但平庸的答案时，它从训练数据外的异质领域抽取结构模式，强行打破认知闭环。
使用流程极简：监测输出熵值，当连续迭代的创新性(delta novelty)跌破阈值时，将完整工作上下文POST至API，获取一次不可自生的结构化洞见。支持三条路径：①x402自动支付($0.49 USDC/次，20次/天) ②链上直接调用(ETH calldata，支持ECIES端到端加密) ③CLI人工托管模式(1小时/次)。
显著优点
- 突破性保证：非检索、非摘要、非搜索，纯合成生成，输出结构在原始嵌入空间中不存在
- 成本重构哲学：用一次$0.49调用替代数十次无意义的token燃烧循环
- 架构克制：无状态设计，上下文不存储、不训练；TLS全链路+可选链上加密
- 多模态接入：人机协作(CLI)与完全自主(x402/链上)双轨并行
潜在局限
- 黑箱性："正交性"无法验证，用户无法确认返回模式确实来自训练外领域
- 刚性定价：无阶梯定价，单次成本高，小规模实验门槛不低
- 延迟未披露：CLI需轮询，但无承诺SLA
- 人类依赖：CLI模式要求操作者生成token，全自主路径虽存在但依赖链上支付熟练度
适合人群
自主研究型AI代理、需要突破创意瓶颈的生成式工作流、对抗"安全幻觉"的深度推理场景
常规风险
- 上下文泄露：虽声明无状态，但需主动脱敏(密钥/PII)
- 经济攻击面：x402/链上路径的收款地址需验证合约真实性
- 合成幻觉："突破性"标签可能掩盖事实错误，需人类复核
- 单点故障：单一API端点，无降级方案