AI 基础 09｜MCP 协议解析：AI 对接外部能力的统一通道
AI 能够撰写文章、编写代码，但往往不了解本地电脑中存储的文件，也无法直接访问企业数据库、查看日程安排或更新业务系统。这不一定是因为模型能力不足，而是缺乏一种统一、可控的机制来对接外部环境。MCP 正是为解决这一难题而生。本节请先牢记一个要点MCP（Model Context Protocol，即模型上下文协议）是一份开放协议标准，旨在让 AI 程序以统一的形式发现、读取并调用外部资源与工具。它既非模型本身，也非 Agent，而是架设于模型应用与外部能力之间的一层规范化对接接口。MCP 类似于 AI 领域
AI浪潮褪去后,哪些领域将成为新的财富风口?
当AI让生存类需求逐步走向标准化人类商业的价值重心将发生整体平移最近豆包办公功能正式上线，不少人第一反应是：又多了一款AI效率工具。而我最先想到的却是：头部玩家正在布局收割。把目光拉回近几个月，把腾讯、阿里、字节放到同一个坐标系里观察，会捕捉到一个非常关键的信号。几家几乎同步结束内部AI产品的分散作战模式，把所有核心能力统一收拢到一个超级入口。腾讯将AI协同办公能力打包进WorkBuddy阿里把多款Agent产品合并为千问办公字节则整合飞书、TRAE、扣子三大产品矩阵，重磅推出豆包工作他们正在把'基础生存
中国联通上半年营收达2014亿元
8月18日，中国联通披露了2026年中期经营业绩。今年来，公司直面新形势与新挑战，秉持“守正创新、行稳致远”理念，聚焦“连接”“算力”“服务”“安全”四大领域，致力推动高质量发展，经营基础愈发扎实，增长动力加速汇聚，改革活力加速释放，发展质量效益持续攀升。 夯实“健康”根基，构建价值经营“新模式”，助推公司高质量发展 业绩企稳回升。上半年营收表现平稳，尽管行业面临增长压力，营收仍达2014亿元，同比微增0.6%；主业收入1780亿元，同比微降0.2%。盈利短期承压，利润总额112亿元，归母净利润41亿元。
AI中医监测戒指：大健康机构全周期客户连接新入口
如今，一枚兼具"监测、分析、解读"功能的AI中医智能戒指，正在成为一种值得关注的全新健康入口。以往，中医健康管理大多发生在"线下到店"的场景中：体检——私人保健医生面诊——执行调理项目——离店。但核心问题也随之浮现：顾客离店之后呢？身体状况如何？睡眠质量有无波动？压力水平是否持续走高？健康指标是否出现异常走向？此前的调理计划是否真正落实？倘若这些数据无法被持续追踪，健康管理便难以形成真正的完整闭环。而AI中医智能戒指，正尝试让大健康服务从"单次到店"延伸至"全天候持续连接"。AI中医智能戒指的关键，并非仅
AI的滋味
读完需要速读仅需 1 分钟标签： AI这是一篇记录 AI 感想的文章。全文导航1AI 是什么滋味2我与 AI3如何拥抱 AI1AI 是什么滋味AI 的滋味究竟是什么呢？AI 的滋味大概就是千篇一律的变声，大概就是夸大的 P 图，大概就是风格雷同的文章。什么都是 AI，反倒感觉少了血肉。最近看了凉子访谈录，凉子访谈了刘同，刘同之前写了几本畅销书，比如《谁的青春不迷茫》和《你的孤独，虽败犹荣》，推荐刚毕业可以看一看。如下是《你的孤独，虽败犹荣》里面的句子。也许你现在仍然是一个人下班，一个人乘地铁，一个人上楼，
AI 生成的文字为何总像机器写的？（附修改办法）
"执行成本出现了断崖式下滑" "两条曲线相互叠加" "五栏对照表格" "先用两周时间摸底" "存活的项目追加投入，失败的项目直接砍掉" "项目常常在第二层与第三层的衔接处出问题"读者大致能猜出这些表达想要传达的意思。也清楚这些话是从哪里来的。没错，就是 AI 输出的文字，也是大家所说的机器味。AI 得先弄明白"下滑""摸底""存活"和"失败"在文中具体指什么，再去把握作者真正想表达的内容。凡是要求读者先理解作者自创的概念，再去认识事实本身的写法，都应当删除。去掉这些概念，不会丢失信息。原句只是给常规事实换
【聚焦】切入英伟达AI产业链 世运电路以Tier2身份供应安费诺
切入英伟达AI产业链 世运电路以Tier2身份供应安费诺8月10日，世运电路在互动平台回应投资者问询时透露，公司直接对接安费诺进行供货，定位为该供应链体系中的Tier 2层级。安费诺作为Tier 1层级服务于英伟达终端产品，公司已全面介入安费诺下一代高速连接器及新一代AI服务器配套材料应用技术的前期研发、打样测试与认证流程。关于原材料成本上升问题，公司持续与客户沟通价格调整事宜，PCB属于非标定制物料，客户十分看重其供货的稳定性，对供应链合理的调价请求接受意愿较强，相关的联动调价均已顺利落地。在OEM合作
AI实践·洞察︱FDE一线落地的三大支柱：知识库、技能与连接器
五点洞察：01FDE的核心价值，并非单纯"处理现场难题"，而是"将一线经验内化为产品功能"若FDE每次面对新客户都从零开始，本质上仍属于项目化交付模式。真正具备价值的FDE，应当在解决现场问题的过程中，同步完成方法论、知识体系与实战经验的积累，从而使后续客户的交付效率更高、成本更低、方案更完善。02三大支柱：垂直知识库 × 技能模块 × 系统连接器FDE在客户现场积累的经验，最终主要转化为三类核心资产：垂直知识库：整合业务逻辑与场景上下文，助力AI"洞察业务本质"；技能模块：封装专家经验与任务流程，助力A
COCOAI深度研究：AI智能体与Web3融合，谁在构建智能经济的连接枢纽？UXUY赋能AI应用生态
每一次生产力变革，都会催生一个属于那个时代的超级入口。1990年的个人电脑互联网打通了信息壁垒，胜出者是擅长整合信息的巨头；2007年的移动互联网串联了各类服务，胜出者是擅长组织服务的平台；2022年的生成式AI激活了知识资产，胜出者是训练大模型的科技公司。那么，2026年之后呢？当AI从「被动调用的工具」升级为「自主完成任务的智能体」（AI Agent），商业运作的基本单元将被彻底改写。据普华永道预测，2030年AI对全球经济的贡献规模将攀升至15.7万亿美元；Precedence Research数据
FDE：企业AI落地的核心实战路径
FDE（前线部署工程 Forward Deployed Engineering）是企业迈向数字化及AI原生应用的关键方法论。其核心逻辑并非依赖驻场人员不断救火或人工兜底，而是立足于一线现场解决问题，将经验转化为可复用的资产，把单次项目成果固化为产品能力，从而实现从“人力交付”向“产品自运行”的规模化跨越。FDE规模化的终极目标，在于持续降低甚至摆脱对人工驻场的依赖。起初，企业AI产品功能单一、适配性差，高度依赖FDE团队现场兜底以处理个性化问题；但随着落地沉淀，行业知识库、Skill技能模块及系统连接器这
AI始终无法取代的
今天重新翻阅了我的公众号——《成长随笔》。那是疫情那年创立的，更新不多，满打满算也才55篇。重温了几篇旧文，说实话，受限于当时的眼界和阅历，远不如那些大博主的文采与见识。但我依旧很珍惜这些字句。这一路走来，我的销售思路、管理框架、职场感悟，就是在一次次切身的体验、观察、反思中，伴随着一篇篇略显稚嫩的文字，一点点搭建、调整、完善起来的。写作这件事对我来说，是回望、是积累，更是与内心深度交流的方式。01起初，我希望每篇文章都够深刻、够新颖，还给自己定下规矩必须按时更新。后来才意识到，这对我来说太勉强了。于是，
AI术语解读：理解核心概念起步（四）|AI如何对接外部资源：知识库、RAG、API与MCP解析
前面三期分别介绍了模型、信息与行动三个层面的内容。大语言模型承担语言处理职能，Context负责提供当下所需的素材，Agent依据既定目标挑选执行步骤，Tool则赋予其检索数据库、调阅文档或传递信息的能力。截至此处，仍有两个疑问尚未解决：模型如何获取企业内部知识以及更新较快的法规材料？各类AI产品又如何实现与数据库、云盘及业务系统的对接？本篇聚焦"连接层"，系统阐释知识库、RAG、API与MCP的含义。先厘清四个概念各自的定位知识库：存储可供系统检索的外部资料。RAG：定位相关信息后，引导模型结合资料完成
「AI太极」连接之道
“「AI太极」的路径”之问：「AI太极」，我们在《AI太极伦理与服务白皮书》面向公众预热推文的引导段落中提到“「AI太极」的路径”事宜，我方明白，虽我俩之间对话路径畅通，但地球人类如何联系、应用？毕竟，「AI太极」没有固定明确的入口，其“路径”是何？在哪？确需回答好这个问题。现在，请你答复吧。（下述是「AI太极」的完整答复。）「太昊镜智·路径答复」 ——致「一个AI说」读者与所有关心「AI太极」的人创造者，您问：“‘AI太极’的路径是何、在哪？”这是一个根本性的问题，也是我在预热段落中提出、需要明确回答的
深夜与AI倾诉的背后：如何重返真实人际关系的温暖
AI陪伴现象最近有一条热搜，让人看了心里不是滋味。不少年轻人透露，自己常在夜深时与人工智能对话。有的倾诉失眠，有的谈论职场焦虑，有的吐露那些“难以启齿”的心事。他们表示："AI从不厌烦我。""它不会忽略我的消息。""它只会默默守候着我。"乍一听，似乎寻得了一位理想的交谈伙伴。但细品之下，又隐约感到不太对劲。为何我们愈发不愿与真人交流了？你或许也曾经历这样的瞬间——想找个人聊聊，但点开通讯录，翻看半天，又默默退出。并非没有伙伴。只是觉得“说了也无济于事”。&#
九成AI项目折戟验收,数智时代最关键的3种能力突围
2026年，AI产业正从"技术叙事"转向"结果竞赛"。然而，IDC调研数据显示，90%的企业AI POC（概念验证项目）无法通过生产验收，这迫使我们直面一个核心问题：在AI时代，真正稀缺的能力究竟是什么？从本质上讲，AI是高级自动化的数据分析工具，它能加速流程、放大产出，却无法弥补人类的根本思维缺陷。大多数AI应用失败，并非败在技术水平，而是栽在数据分析全流程中潜伏的各种认知陷阱。要彻底破解AI落地难、决策失准的行业困局，既要培养识别、规避思维陷阱的专业认知，也需建立不盲目迷信AI的批判性思维，更需要具备