为什么MCP正在重塑AI Agent的构建方式
这场工作坊围绕Model Context Protocol(MCP)展开,系统解释了为什么“上下文”正在成为AI应用的核心基础设施。演讲者不仅讲清了MCP要解决的问题,还通过构建Agent的全过程,展示了一种不同于传统Prompt工程的新范式。
这场工作坊围绕Model Context Protocol(MCP)展开,系统解释了为什么“上下文”正在成为AI应用的核心基础设施。演讲者不仅讲清了MCP要解决的问题,还通过构建Agent的全过程,展示了一种不同于传统Prompt工程的新范式。
如果你还以为“做一个App”至少需要会写代码,那你已经落后了。Riley Brown 用 Claude 3.7 Sonnet 在 Cursor 里,从零开始、几乎不碰代码,在 25 分钟内做出了一个可用的 AI 应用。这不是教学视频,而是一次对“软件开发门槛”的正面爆破。
Y Combinator 最新一期 Design Review,系统展示了聊天框之外的 AI 界面形态。从语音、Agent 到视频驱动界面,这些早期产品勾勒出未来十年 AI 如何真正“嵌入工作流”的轮廓。
如果你还以为 AI 编程只是“补全几行代码”,这条视频会直接打脸。Mckay Wrigley 用 Claude 3.7 Sonnet 搭配 Cursor Agent,从一个空文件夹开始,几乎不写代码,完整跑通一个 Slack 克隆。更重要的不是结果,而是他展示了一种正在成型的新工作范式。
这是一场关于AI Agent未来的深度对话。NLW从真实使用体验出发,解释为什么“帮你把整块工作拿走”才是Agent的关键价值,并讨论了企业级落地中被低估的评估、节奏与安全问题。
OpenAI Deep Research 团队在一次深度对谈中,罕见地系统讲清了他们对 AI Agent 未来的判断:不是更多规则拼装,而是端到端强化学习。本文还原 Deep Research 的诞生背景、技术取舍与真实使用场景,解释为什么“你优化什么,就只能得到什么”。
一个开发者,用Next.js、GPT-4o和一堆“过度工程”,真的做出了会记得你生活细节、能隔三天接着聊的AI朋友。这不是情感噱头,而是一套可复用的AI应用范式:记忆、人格、结构化输出、真实感对话,全都落地了。
一边是前OpenAI CTO Mira Murati高调成立Thinking Machines Labs,却几乎不透露具体产品;另一边是曾被寄予厚望的AI硬件Humane Pin在一年内宣告失败。视频通过这两个对比鲜明的故事,揭示了当下AI创业中理想、资本与现实之间的张力。
Google 发布的 AI Co-Scientist 不只是一个科研辅助工具,更像是一张多智能体系统的未来蓝图。它展示了 AI 不靠“更聪明的模型”,而是通过分工协作、竞赛进化的方式,开始真正参与科学发现,并已在药物再利用等真实实验中得到验证。
很多人把“AI Agent”当成新一轮营销热词,但在这场演讲中,Chip 用亲身经历、经典定义和真实工程难题解释了:Agent并不新,却异常困难;也正因为难,它才是通往下一代AI应用的关键路径。