Surging Engine-CLI 通过 Semantic Kernel 与 LLamaSharp 的 AI 赋能，实现了从 “传统工程化工具” 到 “智能化开发平台” 的跨越，而可扩展的标准化函数插件化体系，则为插件化 Agent 的落地提供了坚实基础。这一革新不仅解决了微服务开发的效率痛点，更开启了 “.NET 微服务 + AI” 的全新范式。

反对票。然而，PHP 社区中还有另一群人，他们非常支持这个 RFC，也希望表达自己的观点。有些人没有合适的平台来发声，因此本文想给另一方一个讲述自己故事的机会。以下内容来自那些在日常开发中实际使用泛型、并将静态分析作为 PHP 核心实践之一的开发者们。他们想分享自己的真实想法。

如果说Linux是“通用操作系统”，那QNX就是“实时微内核系统”。最直观的差异就是——命令不一样。在公司里，最常用Linux的场景是连上服务器看日志、查进程、调网络。线上CPU飙高时，top一看哪个进程占满核，再用ps定位具体信息，问题就找到一半了。无论Linux还是QNX，文件目录操作基本是一样的。日志是程序员的“眼睛”。

哈哈后续我尝试挽大厦于将倾，我质疑AI游戏的可玩性，学习的系统性，经过了长达一天的反反复复，AI又重构了一版加入了一堆可有可无的游戏进去，结果变成了下面这种复古拼凑游戏风。哈哈但做游戏，我纯属是脑袋一热，小时候没咋玩过游戏，那咱直接跳过玩游戏来做个游戏呗，所以我属于及没吃过猪肉也没见过猪跑，于是这里就埋下了灾难的种子。我才终于意识到，这不是技术问题，这是产品问题，是定位问题，不是重构可以解决的，是

这个其实就是提前分析项目，然后将其知识图谱数据存放在本地的sqlite里面，随后给你的ai调用，这样有什么好处，一是因为读取的是图谱知识，节可以节约大量项目读取时间；二是之前ai正常的识别项目都是用相关的grep、read_file扫n多个文件，然后再去分析，浪费大量token。随着项目越来越复杂，逻辑调用越来越多，每次直接让ai读取分析代码时间都花费老长了，于是找到了这个mcp工具codegra

手机端登录成功后，运行的主界面如下图所示：