离职之后才发现，世界真的就是个巨大的草台班子。原本我一个人负责的项目，我走了之后被拆分给好几个人一起做，结果还是干不明白。不是事情有多难，而是没人愿意真正把细节弄清楚。需求一知半解，代码没人整体把控，出了问题就来回甩锅，效率反而更低。以前总觉得很多流程很“正规”，现在才发现，很多事情能跑起来，靠的只是有人在兜底。一旦兜底的人走了，系统立刻开始摇摇欲坠。所以有时候真不是个人多就行，草台班子里，真正靠谱的永远是那几个把事当事的人。

我真笑了兄弟们，可拽死这家公司了

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...