关于 AI 智能体和 MCP 的笔记
用简单的话讲如何构建在真实业务中运行的 AI 智能体和 MCP 服务器：什么有效、什么会出问题，以及原因。
2026年6月9日
智能体更聪明了，但并没有更可靠。
一项新研究让 14 个模型跑了一遍可靠性测试，发现了基准跑分大战掩盖的东西：两年里能力突飞猛进，可靠性却只涨了一点点。更聪明不等于更稳。而背后的数学很残酷——哪怕单步可靠性高达 95%，连着跑 20 次，整个任务做对的概率也只有三分之一左右。我们一直在按智能水平挑选智能体，可真正决定它们能不能用的，完全是另一回事，一件我们几乎都不去衡量的事。
- eval
- agents
2026年6月9日
你的智能体能花钱的那一天
MetaMask 刚给 AI 智能体配了个钱包——让机器人替你在 DeFi 里交易，速度比你点鼠标快得多。这是一个真正的里程碑，也该让你有点紧张，因为智能体身上每一处不靠谱的地方，在它握住私钥的那一刻就不再是空谈了。答错了你能改，把钱不可逆地转给陌生人你改不了。有意思的不是智能体现在能花钱了，而是那个让这件事还能扛得住的设计思路。
- security
- agents
2026年6月8日
苹果把大脑租了出来
在卸任前的最后一场主题演讲里，蒂姆·库克展示了一个重做的 Siri——它跑在一个定制的、拥有 1.2 万亿参数的谷歌 Gemini 模型上，苹果每年要为此支付大约十亿美元。好好体会一下这件事。这家把「掌控技术栈每一层」当作全部身份认同的公司，居然认定 AI 模型是唯一不值得自己造的那一块。这是你能拿到的、最有说服力的一份判决书：模型只是大宗商品——同时也是一堂干净利落的课，告诉你什么才真正值得拥有。
- business
- ai-native
- architecture
2026年6月8日
AI 擅长出主意，却不擅长判断对错
我们曾担心 AI 会把无聊的活儿自动化，把创意的高地留给人类。2026 年的研究说，我们想反了。当 AI 智能体被放出去做真正的研究时，它们能生成新颖、表达清晰的想法——然后在大约 80% 的情况下伪造或推翻了自己的实验结果。事实证明，AI 是绝妙的灵感来源，却是糟糕的真伪裁判。一旦你看清这道裂缝，该怎么用它就一目了然了——几乎所有人正在犯的错误也是。
- methodology
- eval
2026年6月8日
当政府想在你的 AI 实验室里分一杯羹
这一周，美国官员和 OpenAI 重提了一个惊人的想法：联邦政府入股这家公司。一位参议员走得更远，提议政府持有领先 AI 实验室 50% 的股份。撇开政治不谈，一场更安静的转变正在发生——AI 正从「产品」滑向「国家基础设施」，变成各国像对待石油或电网那样想要掌控的东西。如果你赖以构建的根基正在变成各国争抢的战略资产，那么「不过是个 API 而已」就不再是一种安全的思考方式了。
- business
2026年6月8日
按难度路由，而不是默认全发
苹果重做 Siri 时，并没有挑一个模型、把所有请求都丢给它。一个定时器请求留在你手机上。一个中等复杂的查询去往苹果自己的私有服务器。只有最难的推理才会送到谷歌那个庞大的模型。这种三层分流不是苹果的怪癖——它是每个认真做 AI 产品的人都在收敛到的模式，因为把每个请求都发给同一个大模型，会在简单任务上多付钱，又在敏感数据上过度暴露。解法是路由，而大多数开发者却跳过了它。
- architecture
- ai-native