我们先退一步，理解一下什么是 Skill。在 AI Agent 的世界里，Skill（技能）🔍 搜索 Skill → 让 AI 会上网查资料📊 数据分析 Skill → 让 AI 会处理 Excel📝 文档生成 Skill → 让 AI 会写报告听起来很完美对吧？现实世界的任务从来不是单一技能能搞定的。搜索资料 → 数据清洗 → 分析对比 → 图表制作 → 报告撰写 → 格式排版六个技能串联

Karpathy Skills是一个不到70行的Markdown文件，由开发者Forrest Chang根据Andrej Karpathy的观察编写而成。它不依赖任何框架，不需要安装任何插件——只需要把文件放在项目根目录，AI就会自动遵守它的规则。为什么它能火？2025年，这个项目冲上GitHub趋势第一，收获60k+ Stars。不是因为技术复杂，而是因为它解决了最痛的点：AI不听话。

这场猜想可行吗？逻辑上，它完全闭环；技术上，它退无可退。我们放弃了现代操作系统提供的几吉字节（GB）的虚拟内存，放弃了高级编译器的自动优化，退回到了 1990 年代初那个只有 640KB 常规内存的荒凉世界。但正是这种极端的限制，逼着我们去思考：什么是地址总线？什么是内存映射？如何用纯粹的算法逻辑，去跨越硬件代差的鸿沟？这个极限挑战项目我已经正式立项。接下来，我将尝试在 DOSBox 和 TC3

我们先退一步，理解一下什么是 Skill。在 AI Agent 的世界里，Skill（技能）🔍 搜索 Skill → 让 AI 会上网查资料📊 数据分析 Skill → 让 AI 会处理 Excel📝 文档生成 Skill → 让 AI 会写报告听起来很完美对吧？现实世界的任务从来不是单一技能能搞定的。搜索资料 → 数据清洗 → 分析对比 → 图表制作 → 报告撰写 → 格式排版六个技能串联

我们的建议是控制在 20 个以内——不是怕失效，而是工具太多 Claude 的工具选择质量会变差，20 个以内是它能精准匹配工具的舒适区。受影响最大的是工具数量较多的服务——community 反馈里，10 个工具的 server 几乎从不出问题，50 个工具的 server 偶发失败，169 个工具的 server 是高频失败。但我们的代码库是 47 个开发维护了 4 年的 Spring Boo

先删除不再需要的，再连接新增和变化的。这对于长运行的 Agent 应用很重要——你可以在不重启 Agent 的情况下调整 MCP 配置。（SDK 模式），外部工具用 stdio（本地）或 HTTP/SSE（远程）。因为有些场景你只是想把自己的工具加到 Agent 的工具池里，不需要跨进程通信。MCP 是 Anthropic 提出的一个开放协议，定义了 LLM 应用和外部工具/数据源之间的通信标准。

先删除不再需要的，再连接新增和变化的。这对于长运行的 Agent 应用很重要——你可以在不重启 Agent 的情况下调整 MCP 配置。（SDK 模式），外部工具用 stdio（本地）或 HTTP/SSE（远程）。因为有些场景你只是想把自己的工具加到 Agent 的工具池里，不需要跨进程通信。MCP 是 Anthropic 提出的一个开放协议，定义了 LLM 应用和外部工具/数据源之间的通信标准。