国产的AI产品，图片分析能力在高考这几天都禁用了

从另一个角度来看，也代表AI的发展确实到了一个牛逼的程度，上一个由于科技发展而被高考限制的，应该还是智能手机吧？

flowith激活码，大家自取：

T0ROS8D7
PWI5M9Q3
AYH615HG

一个有趣的现象：从模型 => Agent => MCP，也是一种模型能力的【先收敛】【再发散】
基模：面向的问题比较发散 =>
【收敛】垂类Agent：限制+收敛（通过sysprompt，让模型专注于解决该领域的问题）=>
【发散】MCP：补充Agent缺少的技能

0代码基础，近期用AI编程的一点感受：

感觉最难的不是看不懂代码，而是：
1）缺少完成的开发流程 -》 碰到问题先懵逼，甚至不知道去哪看报错 -》 受挫想放弃
2）我认为我提了清晰的需求，但是并不清晰 -》实现的结果不符合预期 -》 下意识归因是AI编程能力不行

因此需要尝试：
1）从简单的产品开始，跟着视频走一遍完成流程，知道怎么查报错，碰到问题怎么办，总结自己的方法论
2）把需求描述清楚，就当和研发评审需求一样，有清晰的流程、模块描述，有页面的示意，最好提前和模型沟通，先确保对需求的理解一致

求助：想问问用trae写小程序的时候，有没有什么快速、准确调整UI的小技巧

我当前遇到的问题：因为代码能力基本为0，所以只能通过对话，让agent自己调整布局和ui，但是很难将想要的效果描述清楚

目前尝试过一个还不错的方式：把原型图和参考的页面发给trae，让他直接参考。但是画原型图+找参考图是个成本，且效率低的事情

Agent当前最大的问题：任务执行的高时间成本，带来的异步交付流程，和交付准确性之间的权衡

1.本质问题：
Agent最终目标是给出一个让用户满意的结果，因此需要深度思考+规划+调用工具执行，确保用户对结果尽可能满意；

但是模型和用户诉求间，存在一定的Gap（源自于context不足、用户对诉求描述的不清晰等）；

导致了复杂的任务，需要和用户不断确认。

2.异步交付和准确性的权衡问题：
越复杂的任务，执行周期越长，用户越不可能一直在屏幕前盯着。因此哪几步需要用户确认、什么时机让用户确认、用户没有确认怎么办，都是问题；

交付的结果，用户不满意的程度是多少，是需要对某一步推到重来、还是微调，以及调整后希望哪些信息变、哪些信息不变，都是很难透传给模型的信息。

怎么用AI快速学习和熟悉知识，掌握了几个小技巧：

1. 告诉AI自己对知识的了解程度（比如小白用户），而AI是这个方面的专家，让他通过通俗易懂的语言，向你科普

2. 明确告诉AI，科普后等待你的提问、质疑，或者当你说出某个指令时，AI自动结合你的对话情况、当前的知识内容，推荐给你三个问题

3. 基于问题不断追问

4. 当你感知到自己熟悉知识后，用自己的语言进行通俗易懂的总结

5. 告诉AI扮演小白用户，你将总结的知识发给他，看他是否能听懂，以及有没有什么问题

6. 在对话中逐渐重塑自己的认知

最近用了用扣子空间和flowith，有两个最大的感受：

1. Agent的聪明度，比外接工具更重要：
对比了扣子空间和flowitih，很明显能感受到扣子不够“聪明”
核心原因是flowith可以选择各个头部的模型（deepseek、chatgpt、claude…），扣子只能用自研模型。所以从结果交付上，扣子对问题的理解、分析、拆解不够，最终交付的内容质量差

2. 网页生成任务，Agent缺少对结果进行主动校验的能力：
尝试了一些Case，比如：生成一个图片压缩的网站、生成一个“用户输入书名，输出内容总结”的网站，扣子空间和flowith都交付了，但是都跑不通：网页收到输入后，一直在loading

妙哇！这个操作的本质，是不是通过模仿多个角色对话，强化模型的CoT🤔

在思考一个问题：
MCP的本质是，给Agent找了一堆工具，让Agent解决问题的效率、效果提升
AI2AI的本质是，一对Agent彼此之间相互协作

那么，MCP维度这件事成立的可能性更高，因为纯工具接口不一定有人用，但在被Agent调用时，可能会带来使用量的提升
但是，AI2AI维度，Agent小a为什么愿意被Agent小b调用（或者叫分配任务），难道因为Agent小a也能给小b带来更高的流量或者价值（小b自己获取不到？），如果是这样，最终会不会也像超级应用一样，变成了一个超级Agent（用户量Top1），其他Agent服务于这个超级Agent