一句话看懂：Hacker News 上出现一个“分享你的 AI Setup”讨论，开发者们晒出自己定制的 MCP 服务器、订阅组合与工作流。它反映出 AI 编程工具正从“买哪个模型”转向“怎么搭一套自己的工作台”。
事件核心：发生了什么
该帖鼓励用户公开自己的 AI 工具配置，向他人学习。评论区迅速变成实战展示：有人分享用本地模型读取网页以节省上下文和成本，有人用 Valknut、Jscpd、Lizard 组合出代码质量评分并交给模型判断是否出现重复代码或架构退化，还有人用 id-token-nicer 防止模型悄悄改坏 ID。订阅方面，有用户同时使用每月 20 美元的 Codex 和促销价 5 美元的 Antigravity。争议点也很明确：有重度用户表示，绝不愿把 GitHub 账号接入来源不明的 MCP 服务器。
为什么重要
这组讨论说明，AI 编程的竞争正从模型参数转向“周边系统”。MCP、技能文件、本地小模型分工、提示词结构，正在成为开发者实际生产力的一部分。同时，Antigravity 的条款要求必须使用其 harness，这类限制会倒逼用户重新设计工作流。换句话说，闭源模型和开源工具正在同一条流水线上被混用，生态的粘性不再只来自模型本身，而来自可组合的工具链。
对用户/开发者/创作者的影响
对开发者而言，最直接的启发是：把规划、执行、提交拆成独立步骤，往往比让模型一口气做完更稳。评论区提到，Gemini 系工具适合给定 TODO 后自主规划并执行，而 Codex 更适合作弊式拆解、逐步提交。用便宜的小模型跑后台长任务，也是一种控制 token 成本的现实做法。不过，接入第三方 MCP 服务器意味着把仓库和账号权限交出去，安全边界需要自己评估。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 MCP 服务器的安全与信任机制能否标准化，避免用户“不敢连”；二是主流订阅分层和 ToS 限制是否会影响工作流选择；三是这种“晒配置”的社区行为是否会沉淀出可复用的配置模板或评测标准。目前公开信息显示，讨论仍以个人经验分享为主，缺少统一基准。
来源：hackernews
