家长通
540.3MB · 2025-11-14
2025年初，在还是欢庆的浓郁的新年氛围之中，DeepSeek 猛然爆火，但是他的爆火并非偶然，而是技术积累、产品策略与市场机遇共同作用的结果。核心原因可以概括为：以一个极具竞争力的 开源模型，用远低于行业预期的成本，提供了顶尖的性能，并通过出色的产品体验迅速吸引了大量用户。
在那样的氛围之下，DeepSeek 的请求量激增。但由于它并非阿里、腾讯或字节这类拥有庞大基础设施的大厂，服务器一度不堪重负，请求常常出现卡顿与失败。
与此同时，各家平台纷纷高调宣称自己 部署了 满血版 DeepSeek，借此吸引流量、争夺用户。这种铺天盖地的舆论攻势，反而在无形中让更多人真正认识到了 AI，也点燃了全民关注人工智能的热潮。
时至今日 仍然如此
在那场舆论浪潮中，凡是与 DeepSeek 挂钩的东西几乎都会爆火，其中以 AI 算命为噱头的视频文章也是不遑多让。
我当时也被这股浪潮吸引，怀着浓厚的兴趣亲自把玩了一番。我使用了两张 NVIDIA RTX 3090 显卡，在服务器上通过 LLaMA Factory 进行 LoRA 微调，训练了一个 DeepSeek-1.5B 的算命小模型。
对我们绝大多数普通人来说，DeepSeek 大模型的爆火，使我们以几近 0 成本，提高我们生活工作的各个方面：
提高文本效率：无论是写总结、改方案、做汇报，还是写公众号、整理资料，都能在几秒钟内生成高质量文本，自动优化语句逻辑与表达结构。重新定义生产力：程序员可以更快写代码、设计师能更高效出图、运营人员能瞬间生成策划案。成为人类伙伴：不再只是一个冷冰冰的工具，而是一个懂你的伙伴。它能帮你规划时间、调整情绪、陪你聊天、提供建议。但在便利之余，对我们自身也是挑战：
信息过载与判断力稀释：当AI能快速总结、生成、整合信息时，我们越来越少去“思考”与“验证”。信息变得触手可及，却也可能让独立思考的能力逐渐退化。
内容同质化：人人都能写、人人都能创作，但生成内容越容易，差异化反而越难。AI 写的文章、视频、设计，可能开始趋同、缺乏个人风格，这对真正的创作者而言，是一种无声的挑战。
隐私与依赖的代价：当生活的方方面面都交由 AI 处理，AI 便掌握了你的隐私，一旦泄露，就是毁灭。
不知不觉从年初，来到了年中，DeepSeek 浪潮逐渐平息。MCP（Model Context Protocol） 又是一浪更比一浪强。
这一次，讨论的重心不再是 模型有多聪明，而是——模型终于学会了主动去 连接世界 。
如果说 DeepSeek 让人们重新相信了大模型的智能潜能，那么 MCP 则让人看到了 AI 真正成为 智能体（Agent） 的那一天。它不再局限于语言理解，而是能通过一套通用协议，发现、调用并管理外部资源——数据库、工具、接口、文件系统，甚至其他 AI。
MCP 的出现，像是一场重新定义 AI 生态边界 的革命。它被称为「大模型的 HTTP 协议」，统一了模型与外部世界之间的交互方式。
在它的框架下，一个指令不再只是文字，而可能是一串实时触发的 API 请求，一次数据库检索，或一个函数执行的结果。
从 2025 年 7 月开始，Anthropic 率先开源了 MCP 的 SDK 与文档。短短两个月，GitHub 上相关项目便突破万星，各家厂商纷纷宣布接入支持。
OpenAI、DeepSeek、百度、字节……一时间，支持 MCP 成了新的技术标配，也成为各家展示技术开放能力的象征。
就在这股浪潮中，我也开始了自己的实践探索。
在我的项目—— 「 招标 AI 助手 」 中，我使用 MCP 将模型与外部世界相连：
ElasticSearch 执行 DSL 查询Markdown 报告文件行业与地区编码接口解析、生成与存储@Bean("communicateTool")
public ToolCallbackProvider communicateToolCallbackProvider(
ElasticSearchService elasticSearchService) {
// 构建统一的 ToolCallbackProvider
MethodToolCallbackProvider provider = MethodToolCallbackProvider.builder()
.toolObjects(elasticSearchService) // 合并两个服务
.build();
// 打印所有注册的工具名称
Arrays.stream(provider.getToolCallbacks())
.map(ToolCallback::getName)
.forEach(name -> System.out.println("communicate 注册的工具: " + name));
return provider;
}
@Bean("commonTool")
public ToolCallbackProvider commonToolCallbackProvider(CommonService commonService) {
// 构建统一的 ToolCallbackProvider
MethodToolCallbackProvider provider = MethodToolCallbackProvider.builder()
.toolObjects(commonService) // 添加 CommonService
.build();
// 打印所有注册的工具名称
Arrays.stream(provider.getToolCallbacks())
.map(ToolCallback::getName)
.forEach(name -> System.out.println("common 注册的工具: " + name));
return provider;
}
标书生成结果展示：
由招标文档 到生成标书
对大多数普通人而言，MCP 的出现真正让我们 解放了双手。只需一句话，AI 就能自动调用各种工具，为你完整地完成一项工作。从一键生成爆火的短视频、文章，到替代那些机械、重复的任务，一切都变得轻而易举。AI 的效率越来越高，而普通人的压力也随之增加——如果你不能一个人当五个人用，可能就会被时代淘汰。
如果说 MCP 让模型具备了 行动的接口，那么 Trae 则让开发者真正看到了「人与 AI 共创」的工作形态。
Trae 是一个以 AI 为核心的开发平台，目标是让开发者能与模型像同事一样协作——
它不仅支持多模态上下文理解（代码、文档、终端、设计稿），还能在你的开发环境中持续学习、响应与反馈。
2025 年 11 月 12 日，Trae 发布了 Trae Solo ——一个为 独立开发者 打造的响应式 AI 开发伙伴。
官网这样定义它：
Trae Solo 模式是 Trae IDE 的高级功能模块，专为 独立开发者（Solo Developer） 设计。 它并非传统意义上的 AI 插件，而是一个能 主动协作、感知上下文、执行任务链 的智能开发环境。
在 Solo 模式下，AI 助手具备以下核心能力：
从AI发展的速度来说，甚至于世界的发展速度来说，没几年就会天翻地覆。
个人团队，或者是一个 微型盈利公司，远比日复一日的搬砖更可靠——因为不久的将来，砖可能都不存在了。
Cursor 还是 Trae，我们只需专注于产品的设计。UI 设计、前端开发、后端逻辑、测试验证，甚至一键上线部署，都可以由 AI 集成体完成，你的背后是一整支智能团队。看到、理解 并 接受 你的产品。这意味着一款有流量的产品才是重点，毕竟有流量才有反馈，而修改自然有我背后的AI完成。
