AI Coding 的下一步不是补全，而是任务级执行
当模型开始自己读仓库、跑测试和修改多个文件，工程重点会从“生成代码”转向“定义任务边界与验证结果”。
Notes
关于 AI 的短笔记。
不做新闻搬运，主要记录可以长期复用的工程结论、实验观察和设计问题。
MCP 真正有价值的地方，是统一工具边界
统一协议的意义不只是少写几个适配器，更重要的是把能力发现、权限和上下文访问变成更稳定的系统层。
Agent 失败后，重试不是唯一答案
有些失败应该重试，有些应该换模型，有些应该回退到人工。恢复策略本身也是 Agent 设计的一部分。
为什么 Evals 应该和测试代码放在一起
如果一个 Agent 会持续变化，那么评测集就应该像测试套件一样版本化，并参与每次重要改动。
模型路由：不要让最贵的模型处理所有事情
分类、抽取和简单改写可以交给更快的模型，把复杂推理和长任务留给高能力模型。