2026 年初，AI 圈出现了一次很有意思的“风向急转弯”：不少人开始公开唱衰 MCP（Model Context Protocol），甚至有点像在年会上把 PPT 的目录页撕掉——不是“我们要优化”，而是“我们不玩了”。更戏剧的是，这种转向不是某个小团队的口嗨，而是从 基础设施、开发者工具链、到 企业协作产品一起发生。本文想针对这些变化聊一聊：为什么 2026 年初 MCP 突然“失宠”？MCP 被批评的 三大致命缺陷到底致命在哪？为什么 CLI 反而像是 AI Agent 的“母语”？如果你在做 Agent 平台/工具链，这波趋势对你意味着什么？
Feed 流（英文 “Feed” 原意为 “饲料”，引申为 “信息供给”）是基于用户关系、兴趣偏好或场景需求，以时间/算法排序为核心，持续向用户展示/推送结构化内容的动态信息展示形态。关注流就是用户关注的人或者账号（或发布源）所发布的feed内容按照时间顺序排列的流。实现关注流通常有三种方式：推模式（Push，又称写扩散）：当用户发布一条内容时，系统会立即将这条内容推送至所有关注者（粉丝）的关注流中；拉模式（Pull，又称读扩散）：当用户要查看自己的关注流时（或者用户收到红点或者数字气泡提醒时），系统实时地去拉取其所有关注对象的最新内容，然后时间倒序排序；推拉结合（Hybrid混合模式）：结合推拉两种模式，例如针对大V用户采用拉模式、普通用户采用推模式。还有其它的一些实现（优化）方式，如按粉丝活跃度进行部分推、非活跃用户延迟推、拉缓存（非实时）等等。本文主要对推模式的实现进行介绍。
当9亿+数据的归因分析耗时超过40秒，甚至拖垮集群稳定性时，你是选择升级“蛮力”硬件，还是重构整个计算架构？携程智能归因团队给出了后者的答案。本文详细拆解他们如何用 Ray + DuckDB 这一“分布式大脑+嵌入式性能怪兽”组合，将查询耗时压进15秒、性能飙升160%，同时彻底消除资源争抢。无论你是正被分析延迟困扰的数据工程师，还是关注下一代弹性计算架构的技术决策者，这套“解耦+并行”的思路都值得一读。
用vibe coding的方式做游戏，一度以"XX博主24小时做游戏收入千万、马斯克点赞"的方式登场，或者出现在"连一条狗都能做游戏"之类混合行业自嘲的梗文中。今天，更多可玩、流行的产品出现，比如996/青椒/鳖太线模拟器，还有一些轻度游戏化内容，比如把龙虾、agent的工作过程放在虚拟格子间中可视化，提升陪伴感。这些内容的制作者大多不是游戏从业者，也并非完全出于商业目的。尽管短期看，无论产品质量还是模式本身，都远达不到"颠覆游戏行业"的程度。不过，创作的快乐与消费截然不同。把脑中的想法一步步变成可运行、可分享、可改进的作品，过程本身就乐趣无穷，也让游戏更具备成为下一种全民媒介的可能。
