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14日
那个快模型，突然变聪明了
两年来，每次选模型你都得做个取舍：要么又快又便宜，要么又聪明又慢。Gemini 3.5 Flash 刚刚打破了这个规则。这个『Flash』档——本该是便宜又快的那一档——如今在 Artificial Analysis Intelligence Index 上拿下 55 分，领先 Grok 4.3 和 Claude Sonnet 4.6，同时跑出每秒超过 280 个 token 的速度。快模型不再是笨模型。这应该让你重新打开一个大多数团队一年前悄悄冻结的决定：你的默认模型是哪个，它现在还是对的吗？这篇讲讲该怎么想——也包括那个坑。
- ai-native
- business
2026年6月14日
以更低价格回归的「AI 裁员」
Forrester 预测，打着 AI 旗号砍掉的岗位中，有一半会被悄悄重新填补——要么外包到海外，要么以明显更低的薪水回来。55% 的雇主已经在为自己的 AI 裁员后悔。而且在很多情况下，AI 根本没有取代任何人：活儿被送到了海外，却被包装成了自动化。Amazon 的无收银员门店 Just Walk Out 最后被发现严重依赖印度的远程员工盯着摄像头。无论你是打工人还是老实做事的开发者，教训都一样：「我们因为 AI 裁了人」往往讲的是一个关于成本的故事，只是披上了 AI 这件外衣。下面教你怎么读懂它。
- business
- careers
2026年6月14日
你正在运行 12 个智能体。其中一半各自为政。
如今一家公司平均运行约 12 个 AI 智能体，明年还会涨到 20 个——而其中一半完全各自为政，根本不和别的智能体打交道。我们急着往里加智能体，却没来得及把它们连起来，于是大多数企业手里攥着一抽屉聪明的工具，每个只看得见工作的一小片，没有一个看得见全局。价值从来不在于拥有更多智能体，而在于它们之间的连接，而这恰恰是几乎没人去搭建的部分。下面说说这道鸿沟是怎么裂开的，又该怎么把它补上。
- agents
- business
2026年6月14日
你有的是一个智能体，不是 AI。
2026 年初发布或更新的企业应用中，80% 至少嵌入了一个 AI 智能体——而 2024 年这个数字还只是 33%。听起来人人都「搞定了 AI」。但嵌入一个智能体和从中获得价值，完全是两码事：智能体收回成本的中位数耗时是 5.1 个月，而大多数部署仍卡在试点阶段，从未真正铺开。如今拥有一个智能体只是入场券，就像拥有一个网站一样。真正拉开公司差距的，是这个智能体有没有进入生产、有没有创造价值、有没有被信任去独立运行。下面就是真正重要的那道分界线。
- business
- agents
2026年6月14日
现在，你的 AI 内容必须声明自己是 AI
2026 年 6 月 10 日，欧盟委员会发布了《人工智能生成内容标记与标注行为准则》——这是一套实操手册，对应的透明度规则将于 8 月 2 日依据欧盟人工智能法案正式具备强制执行力。深度伪造内容、以及涉及公共利益议题的 AI 撰写文本，都必须被清晰标注；人们也必须被告知自己正在和聊天机器人对话。这份准则本身是自愿的，但它背后的义务不是。披露正在成为默认选项，而这不只是一项合规杂务——它是一个关于信任的决定。下面说说这对所有正在交付 AI 内容的人意味着什么。
- business
- security
2026年6月13日
绿色对勾可能藏着一个坏掉的中间过程
这是在生产环境里吞掉 AI 智能体的失败模式：智能体跑一个多步骤任务，在中间某处拐错了弯，却照样给出一个能通过你检查的最终答案。输出看着干净，推理却是坏的。研究者发现这正是多步骤智能体出错的方式——第三步的一个错误，悄无声息地传进了第十步那份读起来没问题、实则错了的总结里。如果你只给最终答案打分，你对智能体真正出错的大部分方式都是瞎的。这篇讲清楚为什么，以及该改成检查什么。
- methodology
- agents