AI之于软件开发

单会话里让一个模型又当 PM、又画界面、又写代码、又去测试，往往会出现两类问题：职责混在一起导致决策漂移，以及上下文越来越长导致成本和延迟一起上涨。那能不能用多Agent协同来解决呢？

大家都是如何选择Agent所使用的LLM的呢？是懒得选，比如直接用cursor的auto模式？还是会进行详细的前期调研？那又该如何调研呢？又或者说可以根据哪些指标量化LLM生成代码质量的好坏呢？

AI浪潮下，大家一定用过Claude Code吧，在我看来，Claude Code不仅是一个“会写点代码的聊天机器人”，更是一个结对编程伙伴。用得好，它能显著提升效率，也能在团队里形成统一规范。

最近Skills热度不减反增，好多团队也都在尝试使用了，那他和MCP有啥区别呢？Skills真的这么强大吗？

想让 AI 不只“会聊”还能“会做”？MCP 就是那条把大模型和真实世界连起来的桥。这篇带你从零搞懂 MCP，不仅在 Cursor 里亲手接上 高德、数据库和自建小工具等MCP，还要手写一个！

眼看AI写代码，眼看我要失业？AI席卷下普通开发该何去何从？我们又该如何掌握AI这个强大的工具来提高自己的竞争力呢？此文或许会给你答案。