《MCP协议：AI从"对话"到"动手"的范式革命》摘要 2026年，MCP协议（Model Context Protocol）正在重塑AI生态。这个标准化协议通过五大原语（Tools、Resources、Prompts、Roots、Sampling），让AI首次获得操作真实世界的能力——自动查日程、发邮件、调数据库，全程无需人工干预。相比前两代AI（Prom

《MCP协议：AI从"对话"到"动手"的范式革命》摘要 2026年，MCP协议（Model Context Protocol）正在重塑AI生态。这个标准化协议通过五大原语（Tools、Resources、Prompts、Roots、Sampling），让AI首次获得操作真实世界的能力——自动查日程、发邮件、调数据库，全程无需人工干预。相比前两代AI（Prom

摘要：本文分享了解决机器人团队协作效率低下的方法。作者发现机器人默认处于"信息孤岛"状态，无法互相查看消息。通过开启"广播模式"并配置相关权限（如创建与更新卡片权限）和群ID，成功实现机器人之间的消息互通。配置后，机器人可以互相@、查看消息并即时回复，大幅提升协作效率。文章还详细说明了具体操作步骤，包括获取群ID和正确配置广播模式的方法。最终实现了让机器人团

2023年，我们认为Agent的问题是"记不住"。2024年，我们发现问题是"记不准"。2025年，我们意识到问题是"记什么、忘什么、什么时候更新"。2026年的现在，我们终于看清：Agent的记忆不是一个容量问题，而是一个认知架构问题。它需要的不是更大的数据库，而是一个更聪明的记忆策略——就像人类的大脑，不在乎存了多少GB，只在乎什么时候该想起什么，什么时候该忘掉什么。当前瓶颈：检索精度：语义检

《AutoGPT的兴衰：工具调用时代的智能反思》摘要： 2023年诞生的AutoGPT曾被视为AI自主化的里程碑，其"无限工具链"模式引发狂热。但三年实践暴露出根本缺陷：工具调用不等于智能。真正的Agent能力体现在"知道何时停止调用"，而非调用数量。DeepMind研究发现工具数量与任务成功率呈倒U曲线关系，过度调用导致Token通胀、决策链衰减和目标迷失

我跟很多人聊过这个话题。最让我记住的一个回答，来自一位做C端AI产品的朋友。她说："我们其实早就在内部做出了长期记忆。效果好得吓人。但我们在demo那天就把它关了。我问为什么。"因为它知道你太多了。我们团队没有人觉得自己准备好了要为'知道你这么多'负责。这一句话，点出了全部症结。不是成本。不是技术。甚至不是法规。我们还不知道怎么对待一个有记忆的AI。它记住我们说的每一句话，那我们该如何跟它说话？它

所有环节都沦陷了。选择研究方向。"我们到底应该研究什么？Anthropic 说：目前 AI 还不行。"研究品味可能也只是另一个 AI 能力——AI 暂时不擅长，然后突然就擅长了。我们已经在其他定性技能上见过这个模式了。然后他们用了爱迪生的公式推演了一下：天才 = 1% 灵感 + 99% 汗水。现在，99% 的汗水正在被自动化。放大、发现断裂、修复、再试。换句话说：推动前沿的大部分工作，本质上是可自

80% 的代码是 AI 写的、工程师 5 个月没碰键盘、研究判断开始输给 AI——这不是预警，是取证报告

百度Create2026大会上，李彦宏说了一句话：当时我还不完全懂。直到我看了下面这个故事。2022年11月，ChatGPT发布。第一批刷屏的截图不是写诗、不是翻译——是让它生成一段Python爬虫。当时的叙事很简单：AI会写代码了，代码不值钱了。2023年3月，AutoGPT横空出世。GitHub 16万星，演示视频里它自己拆任务、自己写代码、自己修bug。人们说：它不只是写代码，它能自己干活了

百度Create2026大会上，李彦宏说了一句话：当时我还不完全懂。直到我看了下面这个故事。2022年11月，ChatGPT发布。第一批刷屏的截图不是写诗、不是翻译——是让它生成一段Python爬虫。当时的叙事很简单：AI会写代码了，代码不值钱了。2023年3月，AutoGPT横空出世。GitHub 16万星，演示视频里它自己拆任务、自己写代码、自己修bug。人们说：它不只是写代码，它能自己干活了