MCP server 開了就夠嗎?Linear 為什麼還要自己做原生 agent
開 MCP server 給的是「能做什麼」,做原生 agent 給的是「預設會怎麼做」。但我查了官方文件發現 Linear 兩個都做,所以真正的問題是預設值歸誰。這篇拆給你:品牌方挑工具該問供應商哪三個問題、自建方該先開哪一層,以及 AI 做到什麼程度才算可以上線。
開 MCP server 給的是「能做什麼」,做原生 agent 給的是「預設會怎麼做」。但我查了官方文件發現 Linear 兩個都做,所以真正的問題是預設值歸誰。這篇拆給你:品牌方挑工具該問供應商哪三個問題、自建方該先開哪一層,以及 AI 做到什麼程度才算可以上線。
聽劉軒的 How to 人生學 EP498 聽到一半,意識到一件不太舒服的事:節目在批評的那套注意力機制,有一部分正是行銷人每天在優化的 KPI。這篇不談懺悔,談三個判斷:當所有人都在搶前三秒,前三秒就貶值了;被看到跟被記得是兩組不同的指標;耐性變稀缺之後,值得花時間的內容反而變值錢。
他用三台電腦養三個 AI agent、24 個排程整天跑,卻從不讓 AI 按下送出鍵。這篇不照抄配置,只做判讀:哪些台灣團隊下週能動,哪些是他自己說的個人玩具。三條分辨線,包含把重活搬到自家顯卡跑開源模型、帳單只剩電費的成本分層,以及一個沒人在講的破口:你自己蒐集建立的那個 AI 知識庫,在台灣個資法下是什麼性質。附條文原文與查證結果。
這集最多人在抄的是那份二十幾個工具的清單,但那是最不值錢的部分。真正該抄的是他的架構判斷:agent 就是程式碼加一條資料流,模型只在需要判斷時才出現。而美國那套冷開發玩法,台灣照抄會先撞個資法。
你把 AI 接上資料庫問一句話,拿到一份很完整的報表。柏克萊 DAB 基準測試說:現成的前沿模型第一次答對率只有 38%,而調校過鷹架的方案能到 84.5%。差距不在模型,在你給它的東西。
AEO 的第一步不是改文章,是打開 robots.txt 確認你沒把 AI 爬蟲擋在門外。12 個今天就能動手的檢查點:GPTBot 與 OAI-SearchBot 差在哪、內容四原則的改寫前後對照、三種不用花錢的量測方法。
我這陣子連發了十幾篇 AI 工具與教學文,然後讀到 Dan Koe 這篇長文,他開場點名的例子就是「Instagram 上爆紅的最新 Claude Code skill」。他的指控是:收集招式是一種更陰險的廉價多巴胺。這篇把話講開,並用一盤棋跟一個百貨櫃位,說明為什麼同一份技巧在不同人手上結果差那麼多。
Nike 在營收持平的一年,主動把經典款在市場上的供給砍掉超過 20 億美元,而期末存貨 75 億美元仍與去年持平。動的不是倉庫,是「這一季放多少貨進市場」那個閥門。歐洲把出清渠道砍掉一半以上,換回 15 個百分點的全價實現率。這篇拆解口徑、拆解代價,也給台灣電商三道判斷閘門與五個可以這週就做的動作。
官方用的字是 exploring,不是 launching。Neuralink 讓臨床試驗受試者用意念開電動輪椅,但真正的工程突破是那個被抽象出來的「游標」:一層通用控制格式,下游可以接電腦、機械手臂、輪椅。這篇逐項查證了第 26 位受試者、硬腦膜植入技法,與那個到處被引用的估值數字。
兩邊的子代理、Skills、MCP、沙箱與價格帶都對齊了,規格表已經選不出東西。真正該問的不是「選哪一個」,是「我需要幾個角色」。附一人公司派工表、成本拆解與台灣上手門檻。
2026-07-28 之後,MCP 協定層的 stateful 已經被拿掉了。這篇用一張四維對照表和一棵決策樹,帶你決定自己的 MCP server 該怎麼部署、狀態該搬到哪裡去。
影片標題寫 25 分鐘,作者自己說花了幾個小時、還有 bug。真正值錢的是那句「至少一半時間要花在規劃上」。本文拆解 Claude Design × Claude Code 的六步驟:design.md、AI 規格書、元件庫、資料 schema。