1. 没用过 opus4.6 + agents + skills + mcp 组合的人不足以谈 AI 编程
我知道这个标题很冲，但我说的是真心话。
今天看到"AI 编程不过如此"的帖子，点进去一看，不是在吐槽不准，就是在说离做的好差很远。说实话这些我都经历过，去年我也是这个看法。
但现在的 AI 编程已经完全不是那个东西了。
我现在的工作流大概是这样：
我是项目经理，AI 是干活的工程师团队。
不是比喻，是字面意思。我描述需求和约束，agent 自己读项目源码、理解模块关系、开分支写实现、build 报错自己看 log 改、跑通测试、提 PR 。我 review 完 merge 。一个中等复杂度的功能，从描述到 merge 可能就 20 分钟。
这里面几个关键的东西缺一不可：
1. 模型能力是底座
Opus 4.6 这个级别的模型，上下文理解和代码推理能力跟之前的模型真的不是一回事。不是"更好一点"，是质变。它能在一个几万行的项目里自己翻文件找依赖，写出来的代码风格跟项目一致。之前的模型做不到这个。
2. Agent 是手和脚
光有聪明的大脑没用，得能自己操作。Agent 工作流让模型不再是个对话框，而是一个能读文件、跑命令、看报错、自己迭代修复的执行者。这个差距就像你跟一个人微信聊技术方案 vs 直接让他坐你旁边开电脑干活。
3. Skills 是经验
你可以把特定领域的最佳实践、项目规范、工具使用方法封装成 skill 喂给 agent 。相当于这个"工程师"入职的时候就已经读完了所有内部文档。不用你每次都从头教。
4. MCP 是工具箱
让 agent 能直接操作外部工具和服务——数据库、API 、CI/CD 、各种 SaaS 。不是让你手动复制粘贴中间结果，而是 agent 自己调用、自己处理返回值、自己决定下一步。
这四个东西组合起来，才是 2026 年 AI 编程该有的样子。你拿 2024 年的 Copilot 体验来评价现在的 AI 编程，就像拿塞班手机的体验来评价智能手机一样荒谬。
我不是说 AI 能取代程序员——架构决策、需求判断、代码 review 这些还得人来。但执行层面的效率提升是 5-10 倍，这个不夸张。以前要写半天的东西，现在真的是描述清楚然后等 20 分钟。
所以当我看到有人还在说"AI 编程就是个玩具"的时候，我真的很想问一句：你用的是什么？什么时候的东西？
不是所有 AI 编程都叫 AI 编程。
有同感的吗？或者有人用了完整工具链之后觉得也不过如此的，也欢迎来说说。
