jakeswang的博客

本文分享了作者使用AICoding工具（特别是ClaudeCode）提升开发效率的经验。重点包括：1）Prompt工程技巧，强调清晰的需求描述和结构化表达；2）合理划分AI任务边界，建议仅将明确需求且能力范围内的任务交给AI；3）小步快跑开发策略，强调代码可验证性和模块化；4）AI代码必须人工Review，建议防御性编程；5）有效管理上下文的方法，包括信息压缩和外部记忆辅助；6）ClaudeCode使用经验，介绍了其原理、安装、工作流程和多实例协同技巧。作者还展示了ClaudeCode在旅游规划、PPT制作

【摘要】携程研发总监董艺荃分享AI网关建设经验：为解决大模型服务接入中的多源认证、费用管理、流量治理等问题，携程基于开源项目Higress构建AI网关，通过统一管理模型路由、认证鉴权、限流熔断等功能，实现多模型服务的高效接入。网关采用K8s原生架构，支持Wasm插件扩展，并创新性地开发了HTTP到MCP服务的协议转换能力。目前已稳定支撑大规模模型调用，未来将持续优化路由规则、输出处理等能力，深化AI与网关的融合。（149字）

MCP 的扩展性则通过统一的接口标准，将复杂的 M（个模型）×N（个外部工具对接）问题转化为 M+N 的问题。目前，MCP 生态已经得到了广泛的支持，包括 Anthropic 的 Claude 系列、OpenAI 的 GPT 系列、Meta 的 Llama 系列、DeepSeek、阿里的通义系列以及 Anysphere 的 Cursor 等主流模型均已接入 MCP 生态。从大模型本身，到为大模型添加工具调用功能，再到大模型与工具的交互标准，最后到 AI Agent 之间的通信协议，这一系列的发展就像是。

Higress是阿里巴巴开源的一款基于云原生技术构建的高性能API网关，专为Kubernetes和微服务架构设计。它集成了Ingress控制器、微服务网关和API网关功能于一体，支持多种协议和丰富的流量管理能力。发展历程resources:limits:cpu: 1gateway:service:技术领先性：基于 Envoy/Istio 的云原生架构，在性能、扩展性、安全性上达到行业领先水平。场景适配性：深度优化 AI、微服务、K8s 等场景，解决企业数字化转型中的痛点问题。生态开放性。

Function Calling允许大型语言模型(如GPT)决定何时调用外部函数，并将函数结果整合到其响应中。以下是使用Java实现Function Calling的详细指南。

随着应用复杂度提高，通常需要从纯Prompt逐步过渡到结合多种技术的混合架构。AI应用开发技术架构比较：简单创意任务 → 纯Prompt需要执行操作/查询实时数据 → Function Calling需要处理专有知识 → RAG复杂企业应用 → 可组合使用Function Calling+RAG

MCP（模型上下文协议）就像是大模型世界里的“最后一公里”。大胆地说一句，MCP 应该是每个程序员在 2025 年必须掌握的知识点。大模型的功能确实很强大，但它们也有明显的短板。例如，大模型在数学计算方面表现不佳。曾经有一个知名的测试，让大模型比较 9.8 和 9.11 哪个数更大，大约半年前，大部分大模型都会错误地回答 9.8 更小。如今，这种情况已经基本得到纠正，这主要得益于 RAG（检索增强生成）技术。

RAG特点优点Naive RAG- 单一索引，如TF-IDF、BM25、向量检索- 简单，易于实现- 缓解模型幻觉- 文档增强- 索引优化- query重写- 更准确的检索- 增强检索相关性- 混合检索- 工具、API集成- 模块化、工程化的实现- 更强的灵活性- 适应更多元的场景Graph RAG- 图结构索引- multi-hop推理- 基于图节点的上下文内容增强- 关系推理能力- 适合结构化数据。

Netskope首席信息安全官James Robinson 指出："尽管企业努力推广官方管理的AI工具，但我们的研究表明，影子IT 已演变为影子AI——近四分之三用户仍通过个人账户访问生成式AI应用。数据显示，90%的企业有员工直接使用ChatGPT、Google Gemini和GitHub Copilot等生成式AI应用，98%的企业员工使用Gladly、Insider等集成AI功能的应用程序。过去一年企业内使用AI应用的人数几乎翻倍，平均每家企业4.9%的员工使用生成式AI应用。

通过 Nacos+Higress 的方案实现0代码改造将 Agent 连接到存量应用，能够显著降低存量应用的改造成本。当前需要用户手动配置接口描述信息，后续可以通过工具化的能力将接口进一步简化，用户只需要微调即可。现实中，我们有大量的存量服务和接口，按照接口到 Tool 的映射，我们将会有非常多的 Tool，当 Agent 拉取 Tool 列表并传递给模型的时候，将会有非常多的 token 消耗，并且模型的性能也可能会下降。

2月中旬开始，MCP 火了。我们来看看反映开源项目热度的两个关键指标，GitHub Star 和搜索指数。Star 从2月开始，加速增长：微信指数，从2月开始，出现流量突增：从社群的交流看，预计4月，国内会集中出现一批 MCP 中间件提供商，包括 Server、Client、Server hosting、Registy、Marketplace 等，在各自原有的优势领域进行延展。本文旨在进一步厘清一些易混淆的概念，并分享看到的一些货币化机会，以及我们在 MCP 上的计划和进展。

Microservice（微服务层）：业务能力原子化封装Cloud-native（云原生层）：基础设施弹性支撑Platform（平台层）：共性能力沉淀与复用这一架构通过解耦、重组企业IT能力，实现了"厚中台、薄应用"的现代化架构理念。AI 大模型的进化并非呈线性发展，而是在某个关键节点实现突破后，便会引发整个体系的变革。其中，AI 大模型对工具的调用能力堪称这一进程中极为重要的单点突破，也是AI走向规模化和组织化的重要环节。