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

入门篇：5 行代码启动 Agent，理解 SDK 与 CLI 的关系架构篇：Client/Session 职责分离，事件驱动模型，39 种事件类型本文（实战篇）：四个场景，工具调用、交互循环、Skills 机制，从 demo 到生产GitHub Copilot SDK 的价值不在于 " 它帮你调 LLM"，而在于它提供了一个生产验证过的 Agent 运行时——你只需要告诉它 " 能做什么 "（工具

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

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

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