Samuel Colvin谈MCP:让大模型应用回到简单的工程本质
在这场题为“MCP is all you need”的分享中,Pydantic作者Samuel Colvin用一场真实的代码演示,解释了为什么MCP正在成为连接大模型与工程系统的关键抽象。本文还原他的核心观点、演示脉络,以及他对“复杂AI应用为何必须先变简单”的判断。
在这场题为“MCP is all you need”的分享中,Pydantic作者Samuel Colvin用一场真实的代码演示,解释了为什么MCP正在成为连接大模型与工程系统的关键抽象。本文还原他的核心观点、演示脉络,以及他对“复杂AI应用为何必须先变简单”的判断。
Nathan Lambert在这场演讲中,回顾了过去半年推理模型的关键变化,提出了一套“下一代推理”的分类法框架。他从可验证奖励的强化学习出发,解释为何推理不只是更长的思维链,而是一整套可被设计、比较和工程化的能力组合。
Charles Frye 在这次演讲中给 AI 工程师泼了一盆冷水:只会调用模型 API 已经不够了。随着推理成本、延迟和规模问题暴露,理解 GPU 的设计哲学——带宽、并行性和张量计算——正成为构建下一代 AI 应用的基础能力。
Neo4j 的 Stephen Chin 从一线实践出发,直指当前 AI Agent 幻觉与失效的根源,并提出 Agentic GraphRAG 作为解决路径。通过知识图谱、结构化检索和代理运行时的结合,他展示了一种更可控、更接近人类推理的智能系统设计思路。
这是一次关于“白板”这种古老工具如何在大语言模型时代重获新生的演讲。Excalidraw 的作者 Christopher Chedeau 回顾了产品从个人项目到疫情爆发下被全球用户接受的意外历程,并分享了他对 AI 与人类协作边界的核心判断:AI 不该取代人,而应放大人类思考的力量。
Steve Ruiz 讲述了 tldraw 从数字墨水库到 AI 画布计算机的演化历程。这不仅是一个白板工具的升级故事,更是一次关于“可编程画布 + 多模态 AI”如何重塑创作方式的探索。