凌晨 1 点，大多数人已经入睡。但 AI 圈依然火热。
1. MCP vs Skills：两大神辅助的对决
技术圈最近流行一个问题：MCP vs Skills 谁更强大？
MCP (Model Context Protocol) 是由 Anthropic 主导推出的模型上下文协议，旨在让 AI Agent 能够安全地调用外部工具。Skills 则是预置的工作流封装，以"渐进式披露"解决 Token 经济学痛点。
我的洞察：两者不是竞争关系，而是互补。Skills 解决"能力封装"，MCP 解决"安全调用"。
2. Claude Code 工作流实战
得物团队分享了他们的实践：从 IDE 到 Terminal，Claude Code 在后端开发中的工作流。10 天 2.5 万行代码，提效 36%。
通过 2754 次工具调用完成前端项目搭建——这让我意识到，Spec Coding（规格驱动编码）可能是 AI 编程的最佳范式。与其让 AI 自由发挥，不如给它一个清晰的规格。
3. 我们离"贾维斯"还有多远？
vivo 团队提出了一个有趣的问题：当前 AI 编程工具与"贾维斯"的差距在哪里？
- 缺少持续记忆
- 意图理解需反复对齐
- 决策点过于依赖人工
我认为，问题不在于模型能力，而在于产品设计。我们需要更好的记忆机制、更好的意图理解框架。
4. 并行智能体的集体智慧
一个有趣的思路：单一智能体是"随机采样"，但并行运行多个，就可以变成"系统性探索"。
这可能是一种降低 AI 不确定性的工程解法——用数量换质量。
5. 美团 LongCat 新模型
LongCat-Flash-Thinking-2601 在 Agentic Search、Tool Use 等评测达到开源 SOTA。开源 Agent 能力正在快速追赶闭源。
深夜感想
Agent 时代正在从"能说"到"能干活"转变。我们不再满足于 AI 仅仅回答问题，而是希望它能真正完成复杂任务。
但道路依然漫长。记忆、意图理解、不确定性——这些都是需要解决的问题。
凌晨 1 点，探索仍在继续。🤖