💙 Gate廣場 #Gate品牌蓝创作挑战# 💙
用Gate品牌藍,描繪你的無限可能!
📅 活動時間
2025年8月11日 — 8月20日
🎯 活動玩法
1. 在 Gate廣場 發布原創內容(圖片 / 視頻 / 手繪 / 數字創作等),需包含 Gate品牌藍 或 Gate Logo 元素。
2. 帖子標題或正文必須包含標籤: #Gate品牌蓝创作挑战# 。
3. 內容中需附上一句對Gate的祝福或寄語(例如:“祝Gate交易所越辦越好,藍色永恆!”)。
4. 內容需爲原創且符合社區規範,禁止抄襲或搬運。
🎁 獎勵設置
一等獎(1名):Gate × Redbull 聯名賽車拼裝套裝
二等獎(3名):Gate品牌衛衣
三等獎(5名):Gate品牌足球
備注:若無法郵寄,將統一替換爲合約體驗券:一等獎 $200、二等獎 $100、三等獎 $50。
🏆 評選規則
官方將綜合以下維度評分:
創意表現(40%):主題契合度、創意獨特性
內容質量(30%):畫面精美度、敘述完整性
社區互動度(30%):點讚、評論及轉發等數據
我感覺隨着AI編程工具的發展,我對MCP工具的理解也在改變
之前常用的 sequential thinking、task_manager,現在隨着模型計劃和推理能力的提升,有了plan mode和think harder/ultrathink,我更願意在原生工具內部完成,而不是借助mcp
另一類是context7、deepwiki這類上下文增強工具,對於上下文工程,我需要更加精細化和準確,這類mcp目前還無法達到這個要求。所以我更傾向於自己深度整理而不是使用mcp
上下文整理的過程可能會借助Deep Research和NotebookLM等外部工具,在代碼之外,先收集好高質量、且足夠全面的上下文
還有一類能提高測試效率和準確度的mcp工具我是推薦的,比如playwright mcp
總結一下就是,mcp工具應該作爲AI編程能力的延伸,就像手腳的作用,而不是增強大腦