欢迎来到新一期《AI炼金术》

近期我们看了谷歌、OpenAI、Anthropic的一系列发布会，真正感受到“大为震撼” ，所以赶紧来聊聊，面对AI这股汹涌浪潮和巨头们扔下的“重磅炸弹”，有哪些风向变化以及潜在的机会？

「 关键结论 」

MCP（多能力平台）服务越活跃，AI OS（AI操作系统）的雏形就已存在。

AIOS需要让任何应用和AI能力都能互操作。

AI coding能力已非常强，不再只是辅助，而是能独立按需求做事。

MCP渗透到一定程度，就会进入快速加速期。

AGI（通用人工智能）之前的阶段性边界已清晰：大部分人会失业，包括我。

「 关键认知 」

历史上很多热门应用，都在解决工具间的互操作性问题。

公司里像“胶水”一样连接各方的人，其实扮演了内部操作系统的角色。

年轻人用AI可能更好，因为我们过去的“最佳实践”反倒可能成为障碍。

若AI完不成工作，先反思是否没给够信息或上下文，而非AI太弱。

组织协调的关键，在于底层prompt（提示）的同频。

想靠一个特别厉害的模型在某个领域干翻别人，这条路可能难了。

Agent（智能体）需要能一站式看到投放、创意、追踪等所有数据。

「 行动指南 」

所有服务都应有MCP、完善文档、易测试的代码，需求能自动发沙盒验收，以大规模提升效率。

团队组织要尽早为AI coding的普及做好准备。

公司要花大力气，让公司整体的基础设施对AI可访问。

让组织“AI Ready”：流程、功能、信息都要对AI开放可用。

工程师要转变为架构师或产品经理，每天的工作是清晰地给AI布置任务。

创业出路：要么做矩阵式打法，靠组织效率和数量取胜；要么干巨头不干的脏活累活。

大家应该尽快去完善这套AI-ready的基建。

我应该把所有的工作都准备好让AI来干，这样自己就可以不用干活了。

新公司应利用AI能力和AI-ready的基建搭好自己的基础设施，然后靠迭代速度来战胜老公司 。

时间线：

01:00 AI OS初探： AI OS的本质，一个能让日常工具通过AI实现互操作的中心化入口。

03:00 MCP与互操作性： MCP如何将公司内部服务或工具打包，并通过AI实现不同工具间的串联与互操作

05:00 AI OS实际体感： 任何环节的应用之间、任何AI能力在任意环境都可以互相操作

08:00 巨头的机会与AI OS的未来： 微软宣布下一代操作系统将自带AI能力和MCP支持，印证了AIOS可能成为巨头角逐的新战场。历史上，许多热门应用都在解决工具间的互操作性问题。

10:00 MCP 价值与应用： MCP服务如何通过记忆用户历史调用中有价值的信息，使AI变得更强，并提及了“Open Memory”这类本地MCP服务的潜力。

12:00 AI 反向赋能： 随着AI能力增强，未来可能不再是我们给AI安排工作，而是AI反向为我们规划任务、管理日程，前提是所有信息能够打通。

15:00 组织协同与底层Prompt同频： 未来的组织协调不仅需要事情上的跟进，更需要底层Prompt的同频，以实现高效协作和更强的控制。

16:00 AI时代的人才与认知迭代： 年轻人可能比经验丰富者更快适应AI，因为后者固有的“最佳实践”可能成为认知迭代的障碍。AI将使得单个研发的效能数倍提升。

18:00 MCP的实际应用案例： 以搜索结果不佳（bad case）的分析为例，说明如何通过MCP暴露搜索链路中各环节服务，让AI辅助工程师排查问题，提高效率。

21:00 AI编程的惊艳进展： AI编程工具（如Codex, Claude Code, Google的Lotus）的巨大进步，它们不再仅仅是辅助编程，而是能独立完成从需求理解到代码提交的整个流程。

23:00 SWE Bench的启示： AI在SWE Bench（软件工程基准测试）上取得的高成功率（如Claude达到80%），证明了其解决真实世界编程任务的强大能力。

25:00 AI编程与基建的重要性： AI并行处理多任务的能力远超人类，未来的瓶颈将转为需求描述的清晰度。然而，大部分公司的代码库和基础设施尚未为此做好准备。

28:00 “AI Accessible”的企业基建： 公司应致力于打造“AI可访问”的基础设施，包括完善的文档、便捷的测试沙盒环境、标准化的MCP接口，使AI能高效接入并完成工作。

32:00 AI时代的系统设计： 良好的系统设计、模块化、职责清晰将极大提升AI管理和开发代码的效率，不同公司间的迭代速度