MCP 不替代 Function Calling，两者在不同层。Function Calling 是模型「说」要调哪个工具、参数是啥，只出一个 JSON 不负责执行；Tool Calling 是它的口语化叫法。MCP 是上面一层标准协议，用 JSON-RPC 把工具的声明和执行都标准化，一个 Claude Code 同时挂 banana-image、sync-assistant 多个 server 连封面生成、多平台分发，就是这套底层能力的活样本。
「AI 超级个体进阶指南」第 5 课。Workflow、Automation、Agent 最容易被当成一回事，其实就差一刀：控制流到底是人提前写死的，还是模型运行时自己定。Anthropic 在《Building Effective Agents》里把这条线划得很清楚。我的内容流水线 7 个环节顺序焊死是 Workflow，每个环节内部让模型自己判断怎么干是 Agent，推送收录这种死规则是 Automation，三层叠在一起每天在跑。
微软 2025 数据说上班族平均每两分钟被打扰一次、一天 275 次，80% 的人觉得信息过载。这篇讲怎么在输入端搭一个信息雷达，把抓料、去重、按账号契合度打分排序交给机器。我自己用 aihot 接口拉 AI 圈精选，再用 content-scout 给每条按六个维度打分，每天上百条里挑出值得看的五条，这套真东西全拆给你。
第二大脑不是再装一个笔记软件，是把知识攒成能复用、能喂给 AI 的系统。本文讲清 Obsidian、Notion、飞书知识库三类工具怎么选，给出 PARA 分层和回沉动作，并用我那个攒了大半年、分成五层、被写作 agent 直接当上下文读的真实 Obsidian 库做示范。
OpenAI 6 月 26 日预览 GPT-5.6 三个模型：旗舰 Sol、均衡 Terra、最便宜 Luna，定价 5/30、2.5/15、1/6 美元每百万 token。但最强的 Sol 只开给约 20 家受信任机构，ChatGPT 用户暂时摸不到，因为美国政府要求先审再放。前沿模型第一次像受管制品一样发布，这比模型本身更值得盯。
高手用 AI 结果更好，差距常在会不会拆任务而非提示词花哨。拆解是 AI 时代的元能力，把一件大事切成调研、提纲、初稿、配图、SEO、发布这种带可交付物的子任务逐个单独喂，AI 才干得准。本课讲怎么沿可交付物下刀、颗粒度怎么定、上一步产出怎么直接当下一步输入，以及选题和终审为什么必须留给人。
你天天用 DeepSeek、Kimi，效率却没怎么动，不是工具不行，是你停在「一问一答」的搬运工模式。MIT 那篇论文把账算清了：人和 AI 每交接一次都要审一遍，省下的时间又被审回去了。真正的杠杆是把一天里的重复活串成一条 AI 能端到端跑的流水线。文末带你做一次重复劳动盘点。
「AI 超级个体成长计划」收官篇。别追求一个全能 AI 助手，要搭写作、研究、SEO、客服、编程五个专职助手，再设计一条派活收活的工作流。我自己就是当工头把活分给一批 agent 并行跑、逐篇过手。Anthropic 公开过同款主智能体加子智能体模式，并行最多砍掉九成耗时，代价是 token 约为单聊十五倍。从用 AI 到管 AI，差的就是你会不会派活。
自动化内容工厂不是全自动写作机，而是 RSS 采集、AI 摘要、AI 写作、自动发布四个工位串成的流水线。RSS 抓料用 Feedly 或自托管 Miniflux，串联用 n8n，AI 摘要去重后写初稿，发布一律先进草稿箱不直发。每个工位都能放手，唯独发布这一关留人守着，因为我自己就踩过部署令牌过期、流水线静默失败一整天的坑。
这是超级个体第 8 课，给小白一条照着就能走完的建站链路：用 Bolt 一句话生成个人主页、Cloudflare 成本价买域名、Cloudflare Pages 或 GitHub Pages 免费部署绑域名、再去搜索引擎提交 sitemap 催收录。我用运营 vance.xin 的真实经验讲，包括 PAT 过期让部署静默挂一整天、GEO 改造后一周 4713 次 AI 抓取只换回 10 次回流（回流率 0.21%）这种只有亲手跑过才知道的事。