抽奖是没那个命，阳光普照就可以

用 AI 写代码是直提效，但得会用，不然纯纯添乱。写 CURD、接口注释这种重复活，直接把业务需求丢给它，让它搭个代码骨架，自己再补细节和业务逻辑，能省一半时间；排查简单 bug 也超香，把报错信息粘过去，它秒给排查思路，比自己翻文档快多了。但坑也不少：千万别直接抄它写的多线程、缓存这类复杂逻辑，它容易瞎编 API 和配置，上次直接给我写了个不存在的 Redis 工具类，跑起来直接报错；还有框架实战代码，得自己校验一遍，不然埋雷到线上哭都来不及。说白了就是把 AI 当辅助，别让它代劳核心工作，借力省时间就够了，核心逻辑还得自己把控。

ai编程已经是必然了，每天和ai一起工作至少6小时，明显感觉到Ai比人编程强很多，所以要把自己的工作分成Ai能做的和自己必须做的。这样自己工作瞬间提升10倍！让ai当我的牛马，我的思考的深度大幅加深！

写prompt加上特定的固定回复词，生成答案的时候你可以判断这次回答Ai有没有忽略了上下文，比如说在prompt里添加一句，每次回复完之后，都加上一句xxx,如果某一次回答没这句话了，可能ai已经开始忽略上下文了。

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...