One helpful tip per day:)
Scott Werner 说，过去需要几个月才能完成的工作，现在用 Claude 几个小时就能写出来。它一个下午能写的代码，超过了他一周的产出。
1. 但问题在于：AI 不知道何时该停止添加功能。
2. 我们不得不将完整的子系统“拆出来”，赋予它们独立的存在。过去我们称之为“模块化”或“拆分”，现在这一过程必须以 AI 的速度进行。
3. 我认为，未来高级开发者的角色会转向模块级别的模式识别。不是判断“
One helpful tip per day:)
Scott Werner 认为我们正处于一个奇妙的中间地带：没人能假装自己是专家，因为整个局势始终在我们脚下不断变化：
1. 即使是全球最资深的 AI 编程搭档，也不过做了最多两年而已，那么我们全都是新手。也许会永远是新手，按照目前这种加速度的发展来看。
2. 你下了个提示，然后去过自己的生活。回来时，已经有一万行代码生成。你读五分钟，只回一句反馈。
3. 这个比例完全不对等：输入与输出、投入与成果、时间与进展，全部失衡。这打破了他对“工作应该是什么感觉”
Philipp Schmid 介绍道，在 USB 等标准出现之前，连接外部设备需要各种各样不同的接口和自定义驱动程序。同样，把 AI 应用程序集成到外部工具和系统中，也曾是一个“Ｍ×Ｎ 问题”。
1. MCP 的目标是通过提供一个通用 API，将这个问题简化为“Ｍ+Ｎ 问题”。工具开发者只需要为每个系统构建 N 个 MCP 服务器，而应用开发者则只需为每个 AI 应用构建 M 个
