RAG 的内核是检索增强生成，命门是能不能稳定检索到对的内容，不是用了什么技术范式。技术只是手段，为了"看起来像在做 RAG"而上向量，是把手段当目的。大多数人和 C 端产品靠结构化目录就能稳定捞对，根本不用向量；只有海量、模糊、说不清类目的平台级搜索才轮到向量，且最佳形态是做成 MCP 被接入。

从聊天框到工作台：OpenCode 让 AI 从只能聊天变成能干活。用搭子比喻讲透工作区、上下文、Tool/Skill/MCP 和任务契约怎么一起让 AI 真正帮你做事。

AI 不只是会聊天的问答引擎，它正在变成能真正做事的执行系统。要实现这个转变，关键在于三个核心概念：Tool 决定 AI 能操作什么（手），Skill 决定 AI 按什么方法做事（流程），MCP 决定 AI 怎么标准化连接更多外部能力（标准插座）。文章从普通人的角度解释了这些能力从哪里来、如何安全授权，也从从业者角度分析了把业务能力、专业流程和行业经验封装成 AI 可调用、可复用、可审计能力的新机