Llm

• AI 技术思考

AI 的天花板，比所有人说的都低

TL;DR

“AI 短期高估、长期低估”是个被金融叙事撑着的半个命题。LLM 的效用域被锁在符号空间，软件工程的生产率从来无法测量——“长期低估”成立，需要一种根本不同于统计学习的新范式。

AI 的真实边界：从金融叙事到认识论天花板

一、起 …

• AI

价格差了 20 倍，效果却差得有限：大模型的价格墙正在松动

TL;DR

同一份代码审计任务，MiniMax M3 花 $0.07 找到 13 个问题，Claude Opus 4.8 最贵一档花 $3.39 也不过找到 15 个——便宜模型正在逼近专有模型的能力边界，这个趋势值得每个重度使用 LLM …

• AI Agent Skills Agent

Agent Skills 深度解析：为 AI 代理构建可复用的技能生态系统

背景

一个真实的故事

两周前，KiloCode 发布了 v4.141.0 版本，这个版本带来了一个重要特性：原生支持 Agent Skills。

在此之前，我在 KiloCode 中使用 skills 需要在一个 main rule 中手动 …

• 笔记

一条命令搞定！存量 Spring REST 服务秒变 MCP 服务

TL;DR

在 AI 技术浪潮中，MCP 为服务集成带来了创新性思路，LLM 与 MCP 的组合更是为存量 API 服务注入新活力。

本文先阐述基于 Spring AI MCP 开发 MCP 服务的详细步骤，随后引入 OpenRewrite …

• 笔记

超越 API：MCP 如何成为 AI 时代的“万能适配器”？

TL;DR

API 作为数字世界的连接纽带，虽推动了开放生态的繁荣，却因协议碎片化、开发高成本陷入“巴别塔困境”。MCP（模型上下文协议）的诞生，标志着 AI 交互范式从“人工编码适配”迈向“机器自主协作”。通过标准化服务描述与上下文感知机 …