LeoLi_4

软件行业正处于一个前所未有的转型拐点。AI 编程已经从“智能补全”进化为能够执行真实开发任务的智能体（AI agents），各类工具迅速进入日常开发流程。

随着本地运行大型语言模型（LLM）的需求增长，越来越多开发者和 AI 爱好者开始寻找便捷、低成本且高隐私的推理工具。LM Studio 和 Ollama 是目前两个最受关注的本地 LLM 运行平台

随着 AI 系统从单次提示（single-prompt）生成，演进为自主、长时间运行的工作流，开发者正面临新的架构挑战。

在 Agent 讨论中，最容易出现的一个问题是： 所有东西都塞进 Prompt。 工具、流程、状态、判断逻辑，全靠模型“临场发挥”。 Demo 看起来很聪明，但一上工程环境就开始失控。

过去一年，Agent 能不能“调用工具”几乎成了衡量能力的标准。 Function Calling、Tool Use、MCP……各种 Demo 层出不穷。 但在真实使用中，一个问题越来越明显：

既然 Agent已经有 Skills 了，还需要 MCP 吗？结论很明确： Agent Skills 的出现，并不意味着 MCP 会被取代，MCP 解决能力复用，Agent Skills 解决经验复用

MyBatis-Plus（简称 MP）在简化 MyBatis 开发的同时，内置了大量默认规则和自动配置，涵盖实体映射、SQL 生成、字段处理等多个方面。

写在前面 下面总结了一些关于使用idea遇到的问题。如：idea通过完整路径定位接口、idea启动java项目的时候参数位置选择

关于wsl的一些特殊操作方法，如：从 Linux 访问 Windows 文件、使用文件资源管理器访问 Linux 文件、从 WSL 启动 Windows 文件和程序等操作