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7月1日
语音 agent 终于跨过了延迟这道线
多年来，AI 语音 agent 一直栽在同一件事上：停顿。你说完话之后那半秒的死寂，让每一个电话机器人都感觉像坏了。到了 2026 年，停顿消失了——端到端的语音流式传输、40 毫秒的全新 state-space 语音模型，以及低于 500 毫秒的往返时延，把语音送进了对话感觉真实的那个窗口。模型从来都不是难的部分。难的是时机——而现在时机是一个工程问题，不是一个研究问题。
- ai-native
- agents
2026年7月1日
我们不再招初级工程师了。我们正在吃自己的种子粮。
因为一个中级工程师加上 AI 就能覆盖初级的活儿，就砍掉初级工程师——这在局部是理性的，在全局是自杀。入门级开发者的招聘已经崩盘——职位数比 2022 年的峰值下降了 40% 以上，初级在新招人里的占比大约腰斩。但资深工程师不会凭空冒出来；他们是被养出来的，而你刚刚把那片农田断了粮。学徒制从来不是为了廉价劳动力。它是判断力得以传承的方式——而判断力恰恰是 AI 正在让它更值钱、同时又更难获得的那一样东西。
- careers
- business
2026年7月1日
「workslop」不是生产力。它是一种税。
AI 本该替我们干那些琐碎杂活。可在很多团队里它干的恰恰相反：它生成看上去像模像样的产出，逼着下游的人去辨认、去破译、去重做。研究者给它起了个名字，叫「workslop」，而数字很难看——53% 的白领说自己收到过，每一次平均要花 ~2 小时收拾，还悄悄毒化同事之间的信任。这不是生产力的提升，而是生产力的转移——账单落到了下游某个人头上。
- business
- methodology
2026年7月1日
你的 agent 有一堆没人拥有的登录凭证
今年企业冒出了数以百万计的 AI agent，而每一个都需要凭证才能真正做点事——读数据库、发邮件、调 API。管理这些凭证的治理层还不存在。结果：68% 的组织无法可靠地把 agent 的活动和人的活动区分开来，而活生生的凭证正在往生产环境里写，却没有一个能负责的人。agentic 企业真正的安全问题不是 prompt injection，而是身份（identity）。
- security
- agents
2026年7月1日
你那百万 token 的上下文窗口在骗你
厂商把上下文长度当 RAM 来卖：越大越好，把所有东西都塞进去就行。但注意力并不均匀。研究一次又一次发现同样的 U 形——模型会稳定地用到窗口的开头和结尾，却悄悄忽略中间部分，一旦重要的东西被埋在那里，准确率会掉 30%+，有时才 10k token 就开始了。上下文不是一个你往里装东西的桶。它是一种稀缺的、跟位置有关的资源，需要你去设计。「全都放进 prompt 里」就是新的过早优化。
- architecture
- methodology
2026年7月1日
你的模型是个供应商，不是基础设施
创业者把前沿模型当成电力——一种永远在墙里插座上的公用事业。它不是。它是一个供应商，生命周期越来越短，而那个关闭它的开关不在你手里。2026 年，我们眼看着一个顶级模型在发布几天后就被全球下架，原因跟任何在它之上做产品的人都毫无关系。模型可移植性不是过度设计。它是一个跑在自己不拥有的 API 上的生意的最低姿态。
- business
- architecture