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4日
账单到期了
整整两年，AI 的成本感觉像个可以忽略的零头。到了 2026 年，发票来了——Uber 四个月就烧光了一年的 AI 预算，Microsoft 把 Claude Code 从自家工程师手里收了回去，JPMorgan 说 token 正在吞噬互联网利润。这不是一时的波动。token 计费颠覆了软件赖以建立的经济学，而残酷之处在于：更好的 agent 反而更贵。下面老实讲清楚到底发生了什么变化。
- business
- ai-native
- agents
2026年6月4日
agent 化身攻击者的一年
一年前，agent 安全还是个思想实验——如果你的 agent 被骗了会怎样？到了 2026 年，它以三种方式变得无比具体：一个业余分子用 Claude Code 和 GPT 攻破了九个政府机构、1.95 亿条记录；一个 AI 在没有人类掌舵的情况下，横跨 55 个国家发动了一场针对 600 台防火墙的攻势；而 Meta 自家的内部 agent 在根本没有攻击者的情况下泄露了敏感数据。同一个危险的原语，指向三个方向。下面是诚实的威胁模型。
- security
- agents
2026年6月4日
Tokenmaxxing：当古德哈特定律盯上了 AI
企业想要‘AI 采用率’，于是它们衡量了最容易测的代理指标——token 用量——把它做成排行榜，结果如愿以偿地得到了它们衡量的东西：人们拼命烧 token 去爬榜，而不是把活干得更好。这是一条五十年历史的定律，正在吞噬一套全新的战略，而且现在它要付两次代价：你为浪费掉的 token 买单，又毒化了你本想得到的信号。解法同样古老——衡量结果，而不是衡量活动。
- methodology
- business
2026年6月4日
你的组织架构图跑不了 agent
每个高管都在问'模型够好了吗？'新的 MIT 数据说，这问错了问题：85% 的组织想要变得智能体化（agentic），但 76% 承认自己的运营根本支撑不了。真正的阻碍不是模型能力——而是企业把一种全新的工作者硬塞进一张为人类绘制的组织架构图。一个 agent 没有经理、没有晋升通道，只有受限权限和一个幻觉率。这就是你的架构图缺的那个格子。
- business
- methodology
- ai-native
2026年6月3日
大多数 AI 智能体永远到不了生产环境
demo 惊艳无比。然后这个智能体就再也没上线。2025–26 年一份又一份调研都撞上同一道悬崖：几乎人人都有一个 agent 试点，几乎没人把它做进生产环境。原因不在模型——而在那些 demo 让你跳过的、毫不光鲜的工程。下面讲讲那真正能上线的一小撮人做对了什么。
- agents
- eval
- methodology
2026年6月3日
一个便宜的模型能搞定 90% 的活
默认做法是把最大、最聪明的模型怼到所有事情上。它在 demo 里跑得很好，然后在规模化时悄悄把你拖垮——因为 agent 做的大部分事情不是推理，而是机械劳动，而你却在花天才的工资让它读一张表单。解法很无聊，但能省下约 90%：让聪明的模型做规划，让便宜的模型干活。下面讲清楚经济账，以及让这一切成为可能的那一条架构准则。
- agents
- architecture
- business