在 MCP（模型上下文协议）架构中，Skill 本质上是一个被动态挂载到 Agent 上下文中的工具函数集合Skill = {description: string, // 触发描述，决定 Agent 何时调用tool_definitions: Tool[], // 可执行的具体工具system_prompt: string, // 注入的上下文指令triggers: TriggerConditi

在 MCP（模型上下文协议）架构中，Skill 本质上是一个被动态挂载到 Agent 上下文中的工具函数集合Skill = {description: string, // 触发描述，决定 Agent 何时调用tool_definitions: Tool[], // 可执行的具体工具system_prompt: string, // 注入的上下文指令triggers: TriggerConditi

DeepSeek 再便宜，也架不住 AI 天天给你写论文。我写了个工具，一刀下去，Token 砍了 53%。先问你一个问题。你用 Cursor 写代码，跟 WorkBuddy 聊需求，拿 ChatGPT 查资料。每次对话，AI 都要先寒暄两句。「好的，我来帮你分析一下」「这是一个很好的问题」「希望对你有帮助」。你猜这些废话占了你多少 Token？我实打实测了一下。同一个任务，直连 DeepSeek

上周末开车出门，路口直行被一辆变道车撞了。两个脚都伤了。软组织挫伤加轻微骨裂。走不了路，医生说躺两周。在床上办公。笔记本搁床头柜上。刚好在研究一个东西——CodeWhale（DeepSeek-TUI）。Rust写的终端编程智能体。命令行里直接调DeepSeek V4，有TUI界面、MCP客户端、沙箱隔离、子Agent、LSP诊断。问题是办公本性能一般，编译Rust项目够呛。而且我脚动不了，不想爬起

技术上值得关注的点：8102个TypeScript源文件，128个workspace的monorepo，WebSocket网关架构，插件系统支持MCP协议，Agent框架支持多智能体路由和会话隔离。它能把你常用的聊天软件——微信、Telegram、Discord、Slack等20多个平台——接到大模型上。项目规模让传统安装有一定门槛：需要Node.js 22+、pnpm、编译TypeScript、

MMLU、HumanEval、GPQA——这些榜单测的是「模型在理想条件下能做什么」，不是「模型在你的业务场景里会做什么」。我的建议很简单：在你自己的场景里跑一遍，看行为，别看分数。一个会在加法题上写单元测试的模型，和一个直接给你答案的模型，哪个更「智能」？答案取决于你的场景。选模型，不是选分数最高的那个，是选「缺陷最可接受」的那个。评测环境：2026 年 6 月，各模型官方 API 最新版本。

基于Workbuddy的双Agent闭环校验实践

上周末开车出门，路口直行被一辆变道车撞了。两个脚都伤了。软组织挫伤加轻微骨裂。走不了路，医生说躺两周。在床上办公。笔记本搁床头柜上。刚好在研究一个东西——CodeWhale（DeepSeek-TUI）。Rust写的终端编程智能体。命令行里直接调DeepSeek V4，有TUI界面、MCP客户端、沙箱隔离、子Agent、LSP诊断。问题是办公本性能一般，编译Rust项目够呛。而且我脚动不了，不想爬起

技术上值得关注的点：8102个TypeScript源文件，128个workspace的monorepo，WebSocket网关架构，插件系统支持MCP协议，Agent框架支持多智能体路由和会话隔离。它能把你常用的聊天软件——微信、Telegram、Discord、Slack等20多个平台——接到大模型上。项目规模让传统安装有一定门槛：需要Node.js 22+、pnpm、编译TypeScript、

技术上值得关注的点：8102个TypeScript源文件，128个workspace的monorepo，WebSocket网关架构，插件系统支持MCP协议，Agent框架支持多智能体路由和会话隔离。它能把你常用的聊天软件——微信、Telegram、Discord、Slack等20多个平台——接到大模型上。项目规模让传统安装有一定门槛：需要Node.js 22+、pnpm、编译TypeScript、