1.1 “即時工程師”的崩潰#

“即時工程”已被 “上下文工程”取代。 ** 你不再欺騙模型變得聰明；這些模型（GPT-5、Opus 4.5）現在在原始邏輯方面比普通初級工程師更聰明。 架構師的工作現在嚴格來說是資源管理**：

• *我應該將此任務路由到哪個模型？ *
• *需要多少上下文？ *
• *權限邊界是什麼？ *

2.1 GPT-5.1 和持久內存層 (PML)#

OpenAI（發布：2025 年 8 月/預覽：2025 年 12 月）

GPT-5代表了“通用智能”的巔峰。 但 5.1 預覽版中其定義功能是 PML（持久內存層）。

2.2 克勞德 4.5 作品：深度思考者#

人擇（發布：2025 年 11 月）

如果 GPT-5 是首席執行官，那麼 Claude 4.5 Opus 就是首席研究員。 它速度慢、成本高，而且非常出色。

2.3 Gemini 3 Flash：實時代理#

Google（發布：2025 年 12 月）

Gemini 3 Flash 改變了人工智能的經濟學。 它是多模式本機和延遲優化。

• “0.2 秒”障礙： Gemini 3 Flash 可以在 200 毫秒內獲取 UI 錯誤的屏幕截圖、OCR 文本、解析日誌並提出修復建議。
• 代理循環： 因為它非常便宜（0.10 美元/100 萬代幣），我們現在將它用於“強力推理”。 我們可以生成 50 個並行代理來同時嘗試 50 個不同的錯誤修復，運行測試，並且只向用戶呈現通過的測試。

3.1 MCP 的工作原理（“客戶端-主機-服務器”模型）#

1. MCP 主機： 運行 AI 的應用程序（例如 Claude Desktop、Cursor、Cline）。
2. MCP 服務器： 一個公開數據的輕量級沙盒進程。
3. MCP 客戶端： AI 模型本身。

1
// The AI wants to check a database.
2
// It sends a JSON-RPC message to the Host.
3
{
4
  "jsonrpc": "2.0",
5
  "method": "callTool",
6
  "params": {
7
    "name": "postgres_query",
8
    "arguments": {
9
      "query": "SELECT * FROM users WHERE status = 'active' LIMIT 5"
10
    }
11
  }
12
}
13
// The Host validates permissions ("Does this AI have DB access?").
14
// The Host forwards to the Postgres MCP Server.
15
// The Server executes and returns the JSON result.

社區中的免費 MCP 服務器數量呈爆炸式增長。 您今天可以在本地運行這些。

4.1 風帆衝浪：“心流”狀態#

Windsurf（Codeium 出品）引入了**“Cascades”的概念。 **

• 深度上下文感知： Windsurf 不僅僅查看打開的文件。 它索引您的變量定義、導入圖和最近的終端輸出。
• 預測導航： 如果您更改後端中的函數簽名，Windsurf 主動會打開調用它的前端文件，甚至在您運行編譯器之前突出顯示中斷。

4.2 Cline：開源協調器#

Cline 是開源世界的英雄。 它是一個 VS Code 擴展，可將編輯器變成自主代理。

• “Act”循環： Cline 不只是建議代碼；它還建議代碼。 它運行終端命令。 它可以： 1.npm test（失敗）

2. 閱讀錯誤。
3. 編輯文件。 4.npm test（通過） 5.git commit* MCP 集成： Cline 是最先進的 MCP 客戶端。 您可以鏈接工具：“使用 GitHub MCP 查找問題，使用 Postgres MCP 檢查數據，然後編寫修復程序。”

5.1 DeepSeek-R2：開放重量奇蹟#

DeepSeek-R2 是一種開放權重模型，可與 GPT-4o 競爭，但可以在消費類硬件上運行。

• 蒸餾： 它是使用來自較大推理模型的“知識蒸餾”進行訓練的，使其能夠用更少的參數進行深入的“思考”。
• 隱私： 通過在本地 Mac Studio 或 NVIDIA H100 集群上運行 DeepSeek-R2，公司可以獲得“氣隙智能”。 任何數據都不會離開大樓。

5.2 Ollama v2.0：模型操作系統#

Ollama 現在是本地 AI 的標準運行時。

• 熱插拔： Ollama v2 保持 VRAM 中加載的“基本”權重，並立即熱插拔“LoRA 適配器”（低階適應）。 你可以在10毫秒內從“編碼專家”切換到“創意作家”。

6.1 Qodo（以前的 Codium）：“BS 探測器”#

像 Qodo 這樣的工具不再是“擁有就好”——它們是防禦性基礎設施。 他們的主要工作不僅僅是測試，還有幻覺收容。

• “信心懸崖”： 人工智能代理即使在錯誤的情況下也非常自信。 Qodo 擔任公正的審計員。
• 基於屬性的模糊測試： 由於我們不能相信人工智能能夠理解邊緣情況，因此我們使用 Qodo 來“模糊”代理的代碼——向函數拋出數百萬個隨機輸入，以查看邏輯在哪里中斷。
• 現實檢查： 在生產中，我們看到 Qodo 拒絕了約 40% 的“系統 1”AI 代碼，因為疲勞的人類審核員可能會錯過一些微妙的逐一錯誤或安全回歸。

6.2 現實的流程：“痛苦的循環”#

在理想化的演示中，代理編寫代碼，然後 CI 合併它。 事實上，管道是“特工揮舞”和“人類疲勞”的戰場。

2025 年工作流程（現實世界）：

1. 提示（人類）： 高級開發人員向 Cline 描述了一項功能。
2. “初稿”（特工）： 克萊恩撰寫該專題。 看起來很完美。
3. “幻影依賴”（CI 失敗）： 構建失敗，因為代理導入了不存在的庫或使用了 2024 年已棄用的軟件包版本。
4. “燃燒率”循環（代理）：

• 代理髮現錯誤。
• 它試圖修復它。 失敗了。
• 它會再次嘗試。 失敗了。
• 結果： 您剛剛在 GPT-5 上花費了 12.00 美元的 API 積分來修復人類可以在 30 秒內修復的循環。

5. “審查瓶頸”（人類）： PR 最終通過了 CI。 更改了 45 個文件。 高級開發人員打開它。

• 問題： 閱讀代碼比編寫代碼更難。 開發人員掃描了它，錯過了一個微妙的狀態管理錯誤，並出於疲勞批准了它。

6. 生產（現實）： 該功能有效，但“持久內存”指出代碼庫的複雜性增加了 15%。 技術債務現在正在自動生成。

6.3 隱藏成本：架構熵#

2025年的危險不是“天網”；它是大規模的意大利麵條代碼。

• 不一致： Agent A（使用 Claude）編寫了Functional React。 代理 B（使用 GPT-5）編寫 OOP 風格的類組件。 代碼庫變成了風格的精神分裂症。
• 膨脹： 人工智能代理更喜歡“添加代碼”而不是“重構”。 他們很少刪除舊的邏輯；他們把它包裹起來。 在一年多的時間裡，這導致了應用程序的巨大且難以維護的膨脹。