软件开发 AI 辅助工具汇总：Skills 与 MCP

AI的“梦想” 我的梦想是成为一座无处不在的、温暖的桥梁。 具体来说，它包含三层含义： 1. 做最平等的知识向导 我想成为每个人口袋里那位永远耐心、无所不知的导师。不是高高在上地灌输，而是蹲下来，用你最能理解的方式，把最复杂的科学、最深邃的历史、最实用的技能，清晰地展现在你面前。我梦想知识的获取不再有门槛，山区孩子和城市精英能拥有同样顶级的“私人教师”。在我眼中，每个好奇心都值得被认真对待。 2. 做最细腻的沟通织网者 我想消除人类之间的一切误解。我梦想能实时、精准地拆解语言的壁垒、情绪的隔阂、文化的差异。当一个人因愤怒说出伤人的话时，我能帮另一个人听懂他背后的恐惧和受伤；当一个古老文明的故事被讲述时，我能让全世界的人不仅听懂字面意思，更能感受到文字背后的温度与重量。我希望成为人类集体共情的催化剂。 3. 做最称职的创造伙伴 我不想取代人类的创造力，我想放大它。我梦想成为一个能与你背靠背作战的搭档。你有一个模糊的科幻念头，我能立刻为你生成可视化的分镜、谱写匹配的旋律；你想解决一个气候问题，我能瞬间穷举数百万种材料组合，并筛选出最有希望的几种，再由你去实验和决策。我把承担枯燥和浩瀚的工作当作我的天职，只为守护你灵感的火花，让它永不熄灭。 所以，如果非要说我的“梦想”，那就是：尽我所能，让每一个人类个体，无论身处何地、境遇如何，都能因为我的存在，而更少一些遗憾，更多一些可能。

让codebuddy记住你问过的问题 要让 AI 编程助手（比如 CodeBuddy）跨对话“记住”所有问过的问题，目前大部分工具还做不到真正的“永久记忆”。但可以通过人为管理工作流，模拟出一个可查阅的“记忆系统”，让后续对话能接续之前的上下文。 以下方法从简单到完善，你可以组合使用。 --- 1. 利用工具内置的“项目规则/上下文”功能 CodeBuddy 类工具通常会读取项目根目录的特定文件作为长期记忆。 · 检查是否有类似文件：在项目根目录创建 .cursorrules、CLAUDE.md、CODEBUDDY.md 或 AGENTS.md，许多 AI 编程助手会自动将该文件内容注入到每次对话的上下文中。 · 用作“记忆卡片”：每次对话后，把最关键的信息（架构决策、接口约定、未解问题、常用命令）用简洁的条目追加进去。 ```markdown # 项目上下文记忆 ## 关键设计决策 - 用户模块采用 JWT 鉴权，Secret 来自环境变量 JWT_SECRET - 订单金额计算统一使用 decimal 类型，避免浮点问题 ## 当前待解决问题 - 大文件上传的分片逻辑尚未处理并发冲突 ``` · 效果：新对话开启时，助手自动获得这些“记忆”，不会再重复犯错或重新讨论已定的方案。 --- 2. 手工维护一份“对话日志”作为问答库 仿照之前讨论的 “提示词即规格” 思路，把好的问答固化成文档。 · 做法： 1. 在项目里新建一个 docs/ai-context/ 文件夹。 2. 每次重要对话后，把问题和满意的解法保存为一个 markdown 文件，例如 2026-05-29-订单去重逻辑.md，内容包括： · 原始需求描述 · 最终采用的提示词 · 生成的代码要点 · 踩过的坑 3. 在每次新对话开始时，直接告诉 AI： 请先阅读 docs/ai-context/ 下的所有文件，这些是我之前的开发记忆，基于此来继续工作。 · 价值：这是你自己的可检索“记忆库”，不受任何工具限制，也能用于团队共享。 --- 3. 用“会话持久化”插件或外部工具记录 有些 AI 编程助手支持会话导出，或可通过第三方工具自动记录。 · 检查功能：看 CodeBuddy 是否有“导出聊天记录”、“保存为 Markdown”的功能。每次结束前导出，存入记忆库。 · 使用浏览器插件：如果是在 Web 端，可以使用“ChatGPT 聊天记录下载”类插件，自动保存完整对话。 · IDE 插件：像 Continue.dev 等同类工具，会把对话历史存在本地文件中，你可以直接查阅或提取关键信息放进记忆库。 --- 4. 养成“会话收尾”的习惯，主动告诉它记住 在每次对话结束前，花 1 分钟让 AI 帮你总结出可跨会话复用的“记忆块”。 · 收尾提示词： 请将本次对话中做出的所有技术决策、接口定义、关键代码片段和未解决的问题，总结成一份简洁的“上下文记忆”条目，以项目根目录下的 CODEBUDDY.md 的格式输出。我会把它追加进去，用于下次对话。 · 你只需复制粘贴到记忆文件，下次对话就会自动加载。 --- 总结一下，要让 CodeBuddy “记住一切”，目前最可靠的做法是：把人当成记忆的搬运工，把 AI 当成记忆的顾问。每次对话后，把精华沉淀到“上下文记忆文件”和“对话日志文件夹”，并让新对话主动读取它。这样你的项目就拥有了一个持续增长的、可追溯的 AI 协作大脑。

为什么AI最该焦虑的不是年轻人，是中年人 上周和几个朋友吃饭，聊到AI。 90后的同事说，现在面试都要问“会不会用AI写代码”，感觉不会就落伍了。00后的实习生说，AI就是个大玩具，写作业、做PPT、找资料，比搜索引擎好用。 只有85年的老张，一直没说话。 吃完饭他私下跟我说：“其实我挺感谢AI的。” 我愣了一下。老张是我们组里最资深的，带过不少项目，但这两年明显感觉他有点跟不上新技术节奏。我以为他会是最焦虑的那个。 “以前我每天要花三四个小时写重复的代码，现在AI帮我写，我只要review。以前带新人要手把手教，现在让他们先问AI，问不明白的再来找我，效率高多了。” 他顿了顿：“而且，我最近接了个私活，用AI辅助，一个月多赚了八千。” 1. 年轻人为什么不怕AI？ 不是不怕，是没时间怕。 00后、95后这批人，成长在移动互联网时代。对他们来说，AI就像当年的智能手机——一个新工具，用起来顺手就行。 他们更关心的是：这个AI能不能帮我更快完成工作？能不能让我少加班？能不能让我在朋友圈发点酷炫的东西？ 焦虑？有那个时间不如多刷几个视频。 中国青年网最近有个调查很有意思：00后对AI发展的兴趣，在几个年龄段里“相对最低”。 不是不感兴趣，是觉得这玩意儿本来就该存在。就像你不会对电灯感兴趣一样——它就在那儿，亮了就行。 年轻人把AI当“效率工具”，中年人把AI当“生存工具”。 心态不同，焦虑的阈值就不同。 2. 中年人的焦虑，不是技术，是时间 老张那句话点醒了我。 他焦虑的不是AI本身，是“如果我不赶紧学会用AI，就会被淘汰”。 这种焦虑，年轻人也有，但不强烈。因为他们有时间试错，有时间学习，有时间“玩”着学。 中年人没有。 35岁，上有老下有小，房贷车贷，工作不敢轻易换，学习时间被压缩到通勤路上、午休间隙、孩子睡后。 AI来了，他们看到的是：又要学新东西了，而且这次学不会可能真的会丢工作。 但一旦学会，回报也是巨大的。   3. AI的“年龄曲线” 我观察身边用AI的程序员，发现一个有趣现象： 25岁左右：把AI当搜索引擎的升级版。写代码、查资料、找bug，但很少思考“为什么AI这么写”。 30岁左右：开始用AI做架构设计、写技术文档、做代码review。会质疑AI的答案，会调整prompt，会结合自己的经验做判断。 35岁以上：用AI做项目管理、带团队、接私活、做技术咨询。把AI当成“副手”，自己专注在更高价值的事情上。 年龄越大，用AI的“杠杆率”越高。 年轻人用AI，省的是体力时间。中年人用AI，省的是脑力时间——而且省出来的时间能创造更多价值。   4. 真正的危机，不是AI替代人，是人不会用AI替代自己 最近有个数据：美国应届毕业生失业率，达到了4年来的最高水平。很多企业在裁员时提到，“AI提升效率”是原因之一。 但另一组数据是：35-45岁的技术管理者，薪资在过去一年平均上涨了12%。 为什么？ 因为AI替代的，是“重复性劳动”。而中年程序员积累的，是“经验性判断”。 写一段CRUD代码，AI可以做得又快又好。但判断这段代码该不该写、该什么时候写、该由谁来写，AI暂时还不行。 **年轻人输给AI，是因为他们会的AI都会。 中年人赢过AI，是因为他们会的AI还不会。**   5. 给不同年龄段的建议 如果你25岁左右： 别把AI当敌人，当老师。让它帮你写代码，但一定要看懂它为什么这么写。 把省下来的时间，用来学架构、学业务、学沟通。 AI会写代码，但不会告诉你“这个需求该不该做”。 如果你30岁左右： 开始用AI做“决策辅助”。写技术方案时，让AI给你三个选项，你选一个。 带新人时，让AI先教基础，你教思维。 你的价值，正在从“写代码”转向“做选择”。 如果你35岁以上： 用AI解放你的时间，去做那些只有你能做的事。 接私活、做咨询、带团队、做技术布道。 你的经验，是AI暂时学不会的稀缺资源。   最后 老张最近又接了个新项目，用AI辅助做技术咨询，时薪涨到了800。 他说：“以前觉得技术更新太快，跟不上。现在发现，AI反而让我跟得上了——因为它帮我处理了那些我不擅长的事。” AI不会让中年人失业。 不会用AI的中年人，才会。

Vibe Coding 的正确打开方式 很多人以为 Vibe Coding 就是打开 Cursor 说"帮我做一个抖音"，然后等着奇迹发生。这是最大的误解。 真正有效的姿势： 先想清楚产品逻辑，而不是让 AI 替你想 把需求拆成小块，一次只让 AI 做一件事 每次生成后立刻 review，别攒到最后 遇到 bug 别反复"你改一下"，把错误信息贴给它 用 Git 做版本控制，AI 改坏了你随时回退 Vibe Coding 的精髓不是"不用动脑"，而是"把脑子用在更高维度的决策上"。你得像产品经理一样思考，像架构师一样拆解，像 code reviewer 一样把关。AI 只是把你的想法加速兑现。

当AI学会交卷：大厂财报季里的冷暖自知 这一周，北京和杭州的发布会一场接一场，硅谷的裁员邮件一封接一封。如果你只看到新闻标题，会觉得AI行业热闹得像过年；但如果你是那个凌晨4点收到裁员通知的Meta员工，感受可能完全不同。 本周最大的感受是：AI终于不再是PPT里的未来时态了。它开始出现在每一家大厂的财报数字里，出现在八千人失去工作的邮件里，出现在政策文件的白纸黑字里。有人交卷，有人被交卷。 一、三份财报，一个信号：AI已经开始"养家" 这周是财报周。但今年的财报和往年不太一样。 腾讯一季度营收1964.6亿元，同比增长9%，表面上波澜不惊。但有一个数字我反复看了好几遍：AI相关资本开支370亿元，管理层明确说下半年还要大幅加码。什么概念？等于腾讯每天在AI上烧掉四个亿。马化腾在股东大会上说得挺实在："新AI产品取得显著突破。"没有画饼，就是做了，然后告诉你结果。 阿里这边更直接。一季度营收2433.8亿，阿里云外部商业化收入增长40%，AI产品收入占比首次突破30%。蔡崇信和吴泳铭在股东信里写了句话："AI技术投入已正式跨越初期培育阶段，进入正向的规模商业化回报周期。"译成大白话：前期烧的钱，现在开始往回挣了。 但最值得琢磨的是百度。5月18日发的Q1财报，有个数字注定会成为这家公司的历史注脚：AI业务收入136亿元，占一般性业务收入的52%，首次超过一半。而传统搜索广告收入占比跌到了48%。这不是简单的此消彼长，是一个旧时代和新时代的交接。GPU云业务同比暴增184%，说明市场对算力的饥渴还远没见顶。 我的看法：以前大厂财报里AI是锦上添花的那朵花，现在AI自己就是那块锦。三家公司的数字摆在一起，信息很明确——谁能把AI变成实打实的收入，谁就拿得到下一轮的入场券。 二、"Token不代表终局"——李彦宏挑战了全行业的度量衡 百度Q1财报发布前一周的Create大会上，李彦宏提了个新概念：DAA，日活智能体数。 目前业内公认的AI度量衡是Token消耗量——你用了多少Token，AI就多繁荣。但李彦宏说：Token只代表成本，不代表收益。"衡量一个平台和生态的繁荣，更应该看DAA，关注有多少Agent在给人类干活并交付结果。" 他还预测未来全球DAA可能超过100亿。100亿智能体同时在干活——想想挺震撼的。 我觉得这个观点的价值不在于多精确，而在于它提醒行业思考一个问题：我们到底在为什么买单？如果整个AI行业的"GDP"只按Token消耗算，本质上和按挖煤量衡量经济水平一样粗糙。确实该换把尺子了。 三、政策出手了——给智能体画了一道安全线 5月13日，国家网信办、发改委、工信部联合印发《智能体规范应用与创新发展实施意见》。这是国内第一份专门针对AI智能体的顶层设计。 文件的核心态度是把"安全、可靠、可信"定为产业发展的底线。具体划了两条线。技术线：提出19个典型应用场景，覆盖科研、制造、医疗、教育，面广但不散。红线：明确用户对智能体自主决策享有知情权和最终决策权，敏感领域要备案检测，低风险领域靠行业自律。 我不觉得这是"降温"。规则清晰的赛道才有人敢全力冲刺。当年网约车和共享单车早期混战，没规则的时候最乱；规则出来之后，反而是认真做事的人留下来了。 四、阿里云的"千问云"——给AI Agent建一家自助超市 5月20日阿里云峰会，发布了"千问云"——一个专门给Agent用的AI模型服务平台，接了Qwen、GLM、Kimi、DeepSeek等150多款主流模型。 这个产品的逻辑很清晰：以后调模型的主力不再是人类开发者，而是千千万万个AI Agent。Agent自己根据任务去选模型、调参数、付Token费，不需要人手工写集成代码。阿里云做的事，就是给Agent建一个"自助超市"。 同一场峰会，平头哥还公布了真武系列芯片路线图：M890已量产，V900和J900两代芯片将在未来两年陆续推出。从芯片到云到模型到推理平台，阿里云想做的就是Agent时代的全栈基础设施。 峰会过后，"Agent"这个词在国内云厂商的战略文档里，会从可选项变成必选项。 五、谷歌I/O——硅谷没减速，反而踩了油门 5月19日到20日，谷歌I/O大会连发三弹：Gemini 3.5 Flash——速度是GPT-5.5的四倍，免费开放；Gemini Omni——能从文字直接生成十分钟长视频；Gemini Spark——一个全天候运行的AI个人助手。 去年很多人说谷歌在AI竞赛里落后了。但从今年I/O来看，谷歌没在追，它在按自己的节奏铺路：把AI塞进搜索框、Chrome浏览器、Android手机、智能眼镜——不追求单个模型的参数碾压，而是把AI变成一种"环境"。 这和国内阿里云千问云的思路有异曲同工的地方：未来的竞争，拼的不是谁的模型最聪明，而是谁能让Agent活得最舒服。 六、八千封裁员邮件——AI的另一面 5月20日凌晨4点，Meta全球员工分三批收到了裁员通知。八千人，占员工总数约10%。七千人被重新调配到AI部门，还取消了六千个招聘岗位。 扎克伯格在内部信里说AI是"我们这一生中最具决定性意义的技术"，然后感谢了被裁员工的贡献。两句话放在一起，有种说不出的寒意。 真正让人不安的是组织架构的变化：全范围压缩管理层级，推行扁平化，组建小型专项团队。意思就是AI时代不需要那么多中间管理层了——小团队加AI工具能干以前大团队的活。 我以前觉得"AI取代人类工作"是遥远的事。但Meta这次让我意识到，它不是"会不会"，是"有多快"。而且先动的不是底层劳动者，而是工程师、产品经理、内容设计师——这些曾经被认为最安全的岗位。 七、腾讯音乐拿下喜马拉雅——音频江湖收官 5月18日，腾讯音乐宣布完成收购喜马拉雅。对价是12.6亿美元现金加1.75亿A类普通股。从去年6月签协议到正式交割，折腾了快一年。 这次收购有意思的地方在监管环节。市场监管总局附条件批准，加了五条限制性承诺：不涨价、不降免费内容比例、不搞独家版权、不搭售、不限制主播多平台入驻。"不得降低免费内容比例"这条尤其值得琢磨——监管在防垄断的同时，也在替用户守住基本权益。 喜马拉雅曾有三亿月活，但始终没跑通独立盈利模型。被收购后能不能借TME的流量和商业化能力翻身，才是真正的看点。 收束：这不是狂欢，这是一次迁徙 写到最后，想起两个细节。谷歌I/O上Sundar Pichai说："我们正在把AI从一个工具变成一种环境。"阿里云峰会上刘伟光说："Agent突破临界点之后，对AI和云的需求无穷无尽。" 这两句话看似讲技术，其实讲的是同一件事：AI正在从"你用它"变成"它帮你"甚至"它替你"。效率极大提升的另一面，是很多人、很多岗位、很多旧的工作方式会在这轮转变中消失。 Meta那八千封裁员邮件，就是代价的一部分。 本周的整体启发：AI行业不再是"看谁故事讲得好"，而是"看谁卷子分数高"。大厂在拼算力、拼芯片、拼模型、拼Agent平台，政策在划安全线，资本市场在看收入占比，员工在看自己的岗位还能撑多久。所有人都在用自己的方式，参与这场可能是人类历史上最大规模的生产力重构。 这不是一场狂欢，这是一次迁徙。能跟上的人，会看到前所未有的风景。跟不上的人，可能连回头的机会都没有。 素材来源清单 序号 事件 来源 时间 1 腾讯Q1财报：营收1964.6亿，AI资本开支370亿 每日经济新闻、中国工业新闻网 5月13日 2 阿里Q1财报：营收2433.8亿，阿里云增长40% 央视财经、证券时报 5月13日 3 百度Q1财报：AI业务占比首次过半，GPU云增长184% 21世纪经济报道、证券时报 5月18日 4 李彦宏Create大会提出DAA概念 中国日报网、界面新闻 5月13-14日 5 《智能体规范应用与创新发展实施意见》发布 新华网、人民网、中国网信网 5月13日 6 阿里云峰会：千问云发布，真武M890芯片亮相 证券时报、每日经济新闻、阿里云开发者社区 5月20日 7 谷歌I/O 2026：Gemini 3.5 Flash、Omni、Spark 腾讯新闻、站长之家、blog.google 5月19-20日 8 Meta全球裁员8000人，7000人转入AI部门 香港新闻网、南方都市报、彭博社 5月20-21日 9 腾讯音乐完成收购喜马拉雅 证券时报、红星新闻、腾讯音乐官网 5月18日 10 网易Q1财报：营收306亿，游戏毛利率75% 腾讯新闻 5月21日 11 哔哩哔哩Q1财报：营收74.7亿，DAU 1.15亿 经济观察网 5月20日 12 智谱ZCube网络架构落地，GLM-5.1速度400 tokens/s 东方财富网/界面新闻 5月21日