标签: AI 工作流

3 篇文章

提示词不会消失,但它正在退居二线:为什么上下文工程正在从聊天技巧变成仓库资产
过去一年,大家谈“上下文工程”时,很多人脑子里想的还是另一种提示词技巧:怎么写 system prompt,怎么塞背景,怎么让模型少跑偏。这个方向当然没错,但我越来越觉得,它已经不够了。真正重要的变化是:上下文开始从聊天窗口里的临时文本,变成仓库里的长期资产。这不是一个措辞变化,而是开发工作流正在发生迁移。Google 在 2025 年底介绍 Ge…
别再把长任务 Agent 当成一个 Prompt:2026 年真正拉开差距的是 Harness
这两个月我越来越确定一件事:Agent 赛道真正拉开差距的地方,已经不是“模型会不会写代码”,而是你怎么把模型放进一个能持续工作的执行框架里。很多人到现在还把长任务 Agent 理解成“更长的 Prompt + 更多工具”。这个理解在做 demo 时还能凑合,一旦任务跨文件、跨步骤、跨小时,问题就会立刻暴露:上下文变脏、任务跑偏、自评失真、失败后无…
MCP 到了该认真做减法的时候:它不是万能接口,而是 AI 工具层的基础协议
过去一段时间,MCP 几乎成了 AI 工具圈的公共语言。很多产品、框架、插件都在往 MCP 靠,官方规范也在继续推进,注册表、SDK 分层、MCP Apps 这类配套能力陆续补齐。热度是真的,但问题也来了:一热,大家就容易把它讲成“接上 MCP,AI 就万物互联”。这显然过头了。我的判断是,MCP 值得关注,而且是重度关注。但关注方式不是追着每个 …