很多开发者第一次做 Agent 应用时，关心的是模型能不能调用工具。等真正上线以后，问题会变成另一个更朴素的版本：它调用得贵不贵，慢不慢，稳不稳。 OpenAI 最近在 Responses API 上提到几个值得注意的方向：工具搜索、长上下文压缩、计算机使用工具，以及通过 WebSocket 优化 agent 工作流的延迟。表面看是 API 功能更…

过去一年，AI 编程工具的叙事一直围绕“模型能力”：谁能写更多代码，谁能一次性修复更复杂的 bug，谁在 benchmark 上多赢几个百分点。但最近 GitHub、OpenAI、Anthropic 一系列面向开发者的动作提醒我们，AI 编程正在从模型竞赛进入工程期。 这个变化对开发者很重要。因为真正影响日常效率的，往往不是模型在理想题目上能不能答…

MCP 过去最容易被误解成一个“给大模型接工具的协议”。这句话不算错，但已经明显不够了。到 2026 年再看，MCP 更像是在从一个连接协议，慢慢长成一个工具生态的分发层。这件事对开发者的影响，比单纯“又多了一个标准”要大得多。 我的判断是：MCP 现在值得重度关注，但不值得盲目铺摊子。它真正有价值的部分，不在于你能不能在两天里做出一个 MCP S…

这一年再看 Agent，热闹的部分已经不新鲜了。会调工具、会写代码、会多轮对话，这些能力大家都见过了。真正开始拉开差距的，不再是“它能不能做点事”，而是“它能不能把一件事稳定做完，而且中途出错后还能接着做”。 我越来越倾向于一个判断：2026 年值得投入的 Agent 方向，不是继续做一个更花哨的聊天入口，而是做可恢复、可观察、可拆分的任务流系统。…

实战：把一个串行 Agent 循环改造成低延迟执行器：Node.js + Responses API + WebSocket 如果你最近在做 coding agent、自动化修复脚本，或者任何“模型 + 工具调用 + 多轮继续”的应用，大概率已经感受过一个问题：模型本身不算慢，慢的是整条执行回路。一次任务里要读文件、跑命令、回传结果、继续推理，只要…

每隔一段时间，技术圈都会把同一个问题重新问一遍：AI 越来越强，未来还会有人手写代码吗？这个问题之所以总能引发讨论，不只是因为它吓人，而是因为它确实碰到了现实。过去两年，AI 编程已经从“帮你补几行代码”，走到“能读仓库、改多文件、跑测试、提 PR、接 issue、持续执行任务”。这不是噱头层面的升级，而是工作流层面的变化。但我先把结论摆在前面：未…

过去两年，大家对 AI 编程的熟悉路径大致是这样的：先是代码补全，再是对话式问答，然后是 IDE 里的 agent mode。很多人以为这已经差不多了，无非是模型越来越能写代码。可 2026 年更值得注意的变化，不是“写得更像人”，而是 AI 编程工具开始从实时协作走向任务委派。GitHub 最近围绕 Copilot coding agent 的连…

过去一年，很多人都在聊 Agent，但大多数讨论其实停留在“怎么写一个多步调用循环”。这类讨论不算错，只是已经开始过时。2026 年一个更值得开发者重视的变化，不是又多了一个会调工具的框架，而是 Agent 基础设施正在往上收：编排、记忆、工具、状态管理、执行环境，开始被平台一起打包提供。OpenAI 最近更新 Agents SDK，把 long-…

如果你最近在做 Agent，最容易踩的坑不是模型不够强，而是流程不受控。一个 agent 会查资料、会调用工具、会写文件，看起来很聪明；但一旦任务稍微变长，系统就会开始出现两个经典问题：一是上下文越跑越乱，二是失败之后你很难知道到底卡在哪一步。 这篇文章不聊空泛概念，直接给一个适合开发者上手的最小实战方向：用 OpenAI Agents SDK 搭…

过去一年，很多人谈 Agent，谈得像是在谈一种会自动完成工作的“数字员工”。但真正让 Agent 在 2026 年开始变得值得认真投入的，不是模型突然聪明到了某个临界点，而是围绕它的一整套工程基础终于开始成形：统一的响应接口、内建工具调用、可追踪的状态、可控的执行环境，以及更适合长流程任务的 SDK 抽象。 这件事为什么值得写？因为它意味着 Ag…