亡灵
为什么中国式数字化，总要先做一块“大屏”？
最难的数字化工作，是统一数据、重构流程、打通系统、明确责任；最容易被看见的数字化成果，却往往是一块会发光的大屏。当“能展示”比“真好用”更容易被评价，数字化就可能从解决问题，滑向证明自己正在解决问题。
AI 已经进了大学，为什么我们的教育还停在没有 AI 的时代？
真正的矛盾不是学生用了 AI，而是 AI 已经改变了完成任务的方式，我们却还在用旧的作业、旧的考核和旧的评价方式判断一个人到底有没有学会。大学要解决的，不是怎样把 AI 赶出课堂，而是怎样重新定义“学会了”。
AI Agent 接的工具越多，它真的就越强吗？
给 Agent 接上 GitHub、数据库、Shell、邮箱、浏览器和几十个 MCP 服务，看起来能力越来越强。但工具越多，也意味着上下文更拥挤、选择更困难、误调用更多、权限爆炸更严重。真正成熟的 Agent，不是“什么都能用”，而是“需要什么时，只看见什么”。
Agent Skill 会不会成为下一种供应链攻击？它其实已经开始了
Agent Skill 不只是几段提示词。它可以携带脚本、依赖和外部指令，并借用 Agent 的 Shell、文件、网络与 MCP 权限执行任务。当“可复用能力”开始像包一样分发，供应链风险也随之到来。
RAG 为什么还会一本正经地胡说？从检索到生成拆开看
给大模型接上知识库，并不等于它就获得了“事实约束”。RAG 只是把外部资料送进上下文，检索、切块、排序、冲突处理和生成中的任何一环出错，都可能让模型带着证据一本正经地胡说。
服务器面板是什么，它究竟适合谁？
服务器面板把网站、容器、数据库、证书、防火墙和监控搬进浏览器，确实能省下大量重复运维工作。但它也会增加一个高权限管理入口，并隐藏一部分系统细节。本文聊清楚服务器面板到底替你做了什么、付出了什么代价，以及哪些场景值得用。
微服务到底解决了什么，又制造了什么？
微服务可以换来独立发布、独立扩缩容和清晰的团队边界，但代价是网络、数据一致性、可观测性、部署和测试复杂度。真正值得问的，从来不是“要不要微服务”，而是“我到底有什么问题，值得用分布式系统来解决”。
AI 都能写作业了，我们为什么还在查“AI率”？
当教育已经开始全面拥抱人工智能，一些评价机制却还试图用一个算法不透明的百分比证明“这段文字像不像人写的”。更荒诞的是，检测催生了降AI，降AI又依赖AI。真正该改变的，也许早就不是学生的写作习惯，而是我们的评价方式。
