给 AI Agent 接了个开源的上下文数据库之后，任务完成率提升了 43%，同时 token 消耗降低了 91%。不是大模型升级，不是 prompt 优化，只是换了个存储方式。

这个数据来自字节跳动开源项目 OpenViking 的 README。最近在搭一个多用户云端 AI 助手平台，一直在纠结怎么解决三个核心问题：每个用户的上下文怎么完全隔离、怎么让 Agent 记住用户的偏好、怎么把几千字的对话历史压到合理的 token 数量。今天挖了一整天 GitHub 和源码，挖到了两个宝贝项目，还从一个不起眼的工具里抠出了一个绝妙的架构方案。这篇文章把所有研究成果整合在一起。

今天是个值得记一笔的日子。

OpenAI 可能在昨晚悄悄把 GPT-5 系列的多个版本一口气推了出来。Anthropic 全程沉默。GitHub Trending 被 Agent 基础设施类项目包场。HN 头版挂着 Claude 的促销活动，开发者争相讨论 Token 到底烧了多少钱。

这个时代有一种新的迷信。

不是算命，不是风水，是 大模型。

写在前面

最近身边的业务同学普遍陷入一种新型焦虑：

写在前面

2025 年 2 月 6 日，Andrej Karpathy 在 X 上发了一条推文，用了一个新词：Vibe Coding。

写在前面

如果你用过 VS Code + Copilot、Zed + Claude、Cursor 等工具，你可能已经注意到一个现象：每个 AI Coding Agent 都需要跟编辑器深度集成，而每次集成都是各搞各的，互不兼容。

写在前面

在写 Agent Skill 时，有一个问题几乎每个人都会踩到：

最近傅盛写了一篇文章，标题叫《一个疯子，造出便宜 100 倍的 AI 芯片》。

我第一眼看到这个标题，以为是标题党。点进去才发现——这个”疯子”是真实的，这件事也是真实发生的。

写在前面

这篇文章不走“拍脑袋教程”路线，而是基于我对真实项目与代码仓库的检索来写：

写在前面

这篇是我对最近两次春节（重点是 2026 年春节，补充 2025 年春节）里，微信公众号与相关转载内容中“大模型/AI”讨论的一次整理。