智能体编排博客生成流程
AI 总结
一位作者在个人工程文章中搭建了由智能体编排 skill 与 MCP 的流程,通过检索相关段落、生成技术博文并打开新便签。作者认为 skill 更适合表达复杂要求和约束,而 RAG MCP 能提供有针对性的相似内容,不能被“读取全部文章”稳定替代。作者对 skill、正确性检测和 MCP 的多组测试差异很小且结果波动,样本不足以证明稳定的性能收益。文章还指出,语法和结构可以自动判断,但文章是否像本人所写仍需要人参与评价。
深度见解
这篇复盘展示了将智能体、skill、RAG MCP 与便签工具组合成博客生成流程的实践方法,同时明确区分了个人观察与可靠基准测试。
之前就尝试过让 ai 帮写博客, 在便签里手动加 prompt 调 llm, 还在博客上弄了个"ai 生成"标志, 结果基本全是不满意的, 基本全删, 所以就不用 ai 写了.
这次又探索下 ai 写博客的可能性.
实现过程
上次失败不是模型不行, 而是整条链路都靠手搬: 提纲写在便签里, prompt 自己拼, llm 的回复再手动贴进新便签. 除了写 prompt, 人还要负责所有的复制粘贴, 这样也能写, 但每次只能凭感觉判断好坏, 没法把流程固定下来做对比.
这次多了一个 agent, 它能自己调工具, 把 skill 和 mcp 串起来执行, 而且 token 是跟着 agent 走的, 不用再单独申请 apikey 付费. 于是流程终于变成了一个可以编排、可以反复跑、也可以被推翻的东西.
规划
之前是在我的软件 scheduleprop.yo-cwj.com 的便签里写提纲 (因为是有灵感慢慢记录的), 自己加 prompt 调 llm, 然后打开新便签放 llm 返回的内容.