从 Docker 容器到 Firecracker microVM，再到 ZeroBoot 的 CoW fork——每一步演进都是对同一个矛盾的不同回答：如何在隔离强度与启动开销之间找到新的平衡点。ZeroBoot 的 0.79ms 是一个值得关注的信号。当 VM 启动延迟被压到这个量级，microVM 与容器在 " 启动开销 " 这个维度上的差距几乎消失，剩下的只有隔离强度的差异——而 micro

到目前为止，AI 只能 “说话”，无法与外部世界交互。工具（Tools）是 Agent 的核心能力：你定义函数，AI 决定何时调用。用户：“北京今天天气怎么样？AI 思考：我需要天气数据 → 调用 get_weather(“Beijing”)你的代码：返回 {“temperature”: “15°C”, “condition”: “sunny”}AI 合成：“北京今天晴朗，15°C。AI 自主决定

]})Agent 可以携带长期记忆、专业词汇表、特定工具集，成为你团队的“虚拟专家”。

2024 年底到 2025 年初，AI 编程工具曾以远低于成本的价格开放旗舰模型访问权限。那个窗口正在系统性地关闭，本文用完整的数据还原这个过程。2024 年底，你花 20 美元 订一个 Cursor Pro，可以全天调用 Claude Sonnet 写代码，500 次快速请求用完之后还有无限慢速请求兜底，真实 API 价值轻松超过 100 美元。同一时间，GitHub Copilot 10 美元

从 Docker 容器到 Firecracker microVM，再到 ZeroBoot 的 CoW fork——每一步演进都是对同一个矛盾的不同回答：如何在隔离强度与启动开销之间找到新的平衡点。ZeroBoot 的 0.79ms 是一个值得关注的信号。当 VM 启动延迟被压到这个量级，microVM 与容器在 " 启动开销 " 这个维度上的差距几乎消失，剩下的只有隔离强度的差异——而 micro

最初装在 MacBook 上，但考虑到隐私安全，本地机器上有太多个人数据，不想让 agent 有过多访问权限，索性找了一台公有云的 Ubuntu 虚拟机，把它部署上去。这是一个自托管的 AI agent 网关，装在服务器上，能把 Telegram、WhatsApp、iMessage 这些聊天软件直接接到 AI agent——发一条消息，agent 帮你处理邮件、文件、代码，像个永远在线的私人助理。

在深入 agent-skills 之前，先搞清楚一个问题：Skill 到底是什么？Addy 的定义很精准：「流程优于叙述，工作流优于参考文档，带退出条件的步骤优于没有退出条件的长篇大论。一个 Skill 是注入 agent 上下文的 Markdown 文件，但它不是参考文档——它是一个带检查点和退出条件的工作流。每个步骤都有明确的执行指令，每个阶段都有人类审核节点，任务完成的标准是「有证据」，而不

jk不是要替代 Jenkins，而是把 Jenkins 的操作界面从浏览器搬到终端。对于每天和 Pipeline 打交道的工程师来说，少几次鼠标点击不是目的，真正的价值是让 Jenkins 操作可以进入脚本、进入 Makefile、进入 AI Agent 的工具链。对 AI coding Agent 来说，jk加上 skill，是目前最轻量的 Jenkins 接入方案。Jenkins 还没打算消失

任何 Linux 镜像，只要根目录下有/sbin/init，就可以用作的底座。不一定要systemd，其他 init 系统（如 OpenRC）也行。

推理强度越高，模型花的注意力越多，但注意力的分配方向变了——它在更深的地方挖，却可能错过了某些表层问题。它是最贵的一档，比 xhigh 多花了 67%，耗时将近 10 分钟，但发现的问题数和 xhigh 完全一样——而且还漏掉了一个 xhigh 抓到的问题。Kilo 的测试设计有一个值得关注的细节：被审计的代码库不是随机找的，而是他们自己写的——一个用 TypeScript、Bun 和 SQLit