我想说一点真实感受。很多人用 AI 写代码觉得不稳定，问题不一定出在工具本身，而是我们还在用“提需求”的方式使用它，却没有用“带团队”的方式管理它。你不给项目背景，它就只能猜；你不给边界，它就可能乱改；你不给验证标准，它就不知道什么叫完成；你不做最后判断，它就可能把一个看似能跑的方案交给你。AI的上限取决于使用AI人的专业能力水平+认知能力水平如何....我之前也长期用 Cursor，后来也用过一

你不再是从写函数开始，而是先描述需求，比如：给订单模块增加分页查询功能，每页 10 条，参考已有 service 层实现。你还可以补充：指定文件或目录引用已有代码限制修改范围AI 会先生成一个执行计划，然后再逐步实现。

MCP（Model Context Protocol，模型上下文协议）是 Anthropic 于 2024 年推出的AI 领域统一连接协议，被称为 “AI 的 USB-C 接口”，核心是让大模型（LLM）通过标准化方式安全、灵活地调用外部工具、数据库、API 与文件系统，打破数据孤岛。从架构来看，MCP基于C/S（客户端-服务端）模式实现，因此要完成MCP调用，需分别搭建MCP服务端（暴露工具方法

注意点：ECharts(需要CSV)，需要LLM 整理数据格式，deepseek-chat 模型对 ECharts 所需的数据处理比较有好，不要直接选用推理模型，费token效果还不好。在自己开发大模型的时候，推理比较准确(Langgraph、LangChain、MCP、SpringAI、Embedding...)比如：我只让大模型给我回复什么内容，赋值到什么样的变量里，自己控制节点A->B->C

注意点：ECharts(需要CSV)，需要LLM 整理数据格式，deepseek-chat 模型对 ECharts 所需的数据处理比较有好，不要直接选用推理模型，费token效果还不好。在自己开发大模型的时候，推理比较准确(Langgraph、LangChain、MCP、SpringAI、Embedding...)比如：我只让大模型给我回复什么内容，赋值到什么样的变量里，自己控制节点A->B->C