按照 GitHub 上介绍的过程安装即可，为了加快速度，增加了国内的 pip 源。

本文介绍了LaTeX工作环境的配置步骤：首先安装MiKTeX和Strawberry-Perl，然后在Cursor编辑器中进行设置。主要内容包括配置自动构建规则、PDF查看器选项、编译工具链（xelatex/pdflatex和bibtex的组合）、清理文件类型设置，以及预览、同步等辅助功能。配置还涉及编辑器主题、Git集成等开发环境设置，为LaTeX文档编写提供了完整的工具链支持。

Codex：OpenAI 原生 Coding Agent，强调端到端完成开发任务Cursor：AI 原生 IDE，把写码、改码、审查、调试整合进编辑器OpenCode：开源终端型 Coding Agent，模型自选、配置自由OpenClaw：自托管消息网关，把任意 Coding Agent 接入聊天软件最核心的一条原则其实很简单：先明确你的使用场景，再匹配工具定位。不要用“聊天网关”去替代“开发工

这两个月，AI 编码圈最容易让人混乱的一件事，不是模型名，而是角色名。Codex、Cursor、MCP、Harness，这几个词经常同时出现。很多争论之所以吵不明白，不是因为谁说错了，而是因为大家在拿。

Skill不是MCP的替代品，MCP也不是Skill的上位版本。Skill解决“怎么做”。MCP解决“怎么连”。所以在真实项目里，最常见、也最有价值的组合，往往不是二选一，而是把两者放在同一条工作链路里一起使用。

盘点本周 GitHub 最值得关注的 5 个 AI 开源项目，聚焦 AI Agent、AI 编码工作流、团队协作方法论和语音 AI，并结合应用场景分析哪些项目值得开发者优先关注。

多 Agent 系统做大以后，会出现一个很现实的问题：远程 Agent 明明知道下一步最好给用户一个表单、一个卡片、一个时间选择器、一个图表，但它不能直接去碰你的前端 DOM。这就是 A2UI 想解决的问题。Google 在2025-12-15Agent 不返回一段可执行脚本Agent 返回的是一个声明式 UI 描述客户端自己把这份描述渲染成“本地可信组件”安全：不给远程 Agent 直接执行 H

如果你还把 AI 编码理解成“让模型多写几段代码”，那你看到的只是最表面的一层。工程团队正在从代码生产者，变成 Agent 运行系统的设计者。这也是为什么我越来越觉得，未来最重要的问题不是：这个模型能写多少代码？而是：你有没有给它一个足够好的 harness，让它把代码写对、改对、验对，并稳定交付？这，才是 Harness Engineering 真正值钱的地方。

这半年，很多人一看到A2A和MCPA2AMCP所以你问“A2A 能不能替代 MCP”，就像在问：部门之间能不能开会，能不能替代员工访问公司内部系统？完全不是一个层次。

截至2026-04-18，MCP 官方对 Tasks 的定义已经很清楚。它引入了引入了task ID让请求方可以查询 task 的状态和结果用来支持这几个词特别重要。给原来的请求增加一种可延迟取回结果的执行模式。也就是说，Tasks 不是替代tools/call，而是增强 MCP 请求的执行方式。