最近鸭鸭刷到一篇长文，看完心里一直在敲鼓。

5 月 7 日，新浪财经发布了一位 Meta 高级工程师 Eva 的亲历采访。Eva 没在待裁名单里，绩效不错，正在主动拥抱 AI 工具。但他在采访里说了一句话：

「裁员是真的，但理由是假的。」

他把这场所谓的「AI 替代人类」拆开给读者看，里面没有一个字是道听途说，都是 Meta 内部正在跑的真实流程。

鸭鸭挑几条最扎人的给你列一下：

• Meta 自 2022 年累计裁了约 25,000 人，5 月下旬还要再裁 8,000。

• Meta 推出了一个叫 Checkpoint 的 AI 绩效追踪系统，自动追踪每个工程师超过 200 个数据维度，包括 AI 辅助代码占比、错误率、Bug 关联数。

• 工程师每写一段代码，系统都会自动标注这段代码 AI 辅助的百分比。每个组按情况设最低门槛，有的组要求 50%，有的要求 90%。达不到，绩效就过不去。

• 内部冒出了一个叫 Claudeonomics 的排行榜，30 天内全公司 8.5 万员工烧掉 60 万亿 Token，第一名一个人 30 天烧了 2810 亿。有人为了刷榜让 AI agent 空转数小时。

• 新成立的应用 AI 工程部门，一个经理管 50 个工程师，是硅谷常规配比的 4 倍。

• 面试也改了。Meta 在面试里加了一轮 AI Coding：60 分钟，候选人在一个完全陌生的多文件项目里，用 AI 跑通一个 bug，面试官全程看你每一句 prompt。

Eva 看完这一切，给出的判断比任何一个分析师都干净：

「不奖励用 AI 用得多的人，但一定会惩罚不用的人。」

底下评论分成了几派。

有人说硅谷已经卷成这样，国内大厂迟早抄这套；有人说 AI 让一线工程师反而更累，因为标准在水涨船高；也有人在感慨初级工程师才是这一波最受伤的，因为他们的活全被高级工程师手边的 AI 顺手解决了。

但鸭鸭看完想说一个大家可能没明说的事：

大厂裁员从来不缺理由。AI 只是这一轮最体面的台词。真正在裁的，是疫情期间过度膨胀的成本，和疫情过后不再上涨的股价。

这个角度，可能多数文章都没讲透。

鸭鸭来掰开说。

第一，Meta 这两年砸的钱，没花在工程师身上，全花在 GPU 和数据中心上。Eva 在采访里给了一组数字：Meta 2026 年的资本支出指引是 1150 亿到 1350 亿美元，几乎是 2025 年的两倍，全部流向 AI 基础设施。裁人省下来的工资，转个身就给了英伟达。

第二，这套「AI 占比考核」的真实目的，不在衡量产出，在制造焦虑。Eva 在采访里这么解释：「不奖励用得多的人，但会惩罚不用的人。」翻译过来就是：用 AI 不会给你加分，不用 AI 一定给你减分。这种考核结构，本质是把全公司推到一个永远「证明自己在用 AI」的状态。

第三，Token 排行榜把员工的工作量化成一种「比谁烧钱更狠」的游戏。Eva 说有同事为了排名让 AI 空转数小时，30 天烧 2810 亿 Token。这事儿听起来荒诞，但完全合理：当公司用 Token 衡量你，员工自然会用最低成本的方式让 Token 数字变好看。

第四，1:50 的经理配比，连管理层都被切了。原本 5 个经理的活，现在 1 个人扛。Eva 自己说，剩下 4 个失去了位置，「他们的日子也没有变更好过」。AI 替代影响的不止底层工程师。整个组织都在被压扁。

四件事拼在一起就是 Eva 那句话的全貌：裁员是真的，AI 只是台词。

公司想裁的本来就要裁。AI 只是给这件事一个外界听起来体面的理由。

而且这个剧本，国内大厂一个都没落下。

钉钉无招在公开演讲里说：「公司里还有人天天写文档，这公司一定是过去式」。微博 4 月底要给全员研发做 AI 能力考试，考不过的拉去培训。昆仑万维直接把 AI 编程考核做成 5%-20% 末位淘汰。腾讯发了 token 套餐，每人每年 22 万额度，使用前需总监审批。阿里把 AI 写进绩效硬指标。

所有动作，都和 Meta 的剧本是同一套：先把 AI 写进考核，再用考核结果筛人。

那这事儿能怎么办？

鸭鸭想说几句实在话。

• 别把「会用 AI」当护身符：会用 AI 在 2025 年是加分项，到 2026 年是入场券，到 2027 年只会是基本盘。能让你不被裁的，是「AI 之外你还能做什么」，不是「AI 你用得多熟」。

• 少卷 Token 用量，多卷 AI 之外的判断力：Token 烧得多容易，看出 AI 哪里错了难。这个差距，将来才是工资带宽。

• 离老板更近一点：在 1:50 的管理结构里，能被领导直接看见你做了什么的人，比埋头干活的人安全。AI 帮经理生成「下属贡献摘要」时，你的名字得能在摘要里出现。

• 保留你的「不用 AI 也能干」的能力：架构判断、需求拆解、跨部门协调、用户场景理解。这些是 AI 帮不上忙、但公司离了这些就崩的能力。把它们当成你的真正资产。

最后说一句鸭鸭看完这篇长文之后的判断：

这一轮 AI 浪潮里，最大的风险不是被 AI 替代，是被一个用 AI 当借口的老板替代。

Eva 的原话比鸭鸭说得更狠：「制造不安全感，比发奖金更能驱动产出。」公司想要的，从来就不是你用 AI 用得多熟，是你怕到不敢不用。

懂了这件事，你看到任何一份带 AI 字眼的内部信，都能多看出几层意思。

大家公司有没有把 AI 使用率写进绩效？看到这种政策你的第一反应是什么？评论区聊聊～

……

今天鸭鸭和大家分享一道 AI大模型面试题。

【MCP 的工作流程是什么？】

回答重点

MCP 的核心工作流程是一个客户端-服务器协作的闭环，整体分为 7 个阶段：

1）初始化连接：主机应用启动后，MCP Client 与 MCP Server 建立连接。一个主机可以同时连多个 Server，每个 Server 负责不同的工具和资源。

2）获取工具列表：Client 从 Server 拉取可用的工具清单，包括每个工具的名称、参数、用途描述。这一步相当于"能力注册"，让模型知道手里有哪些牌可以打。

3）构造 Function Calling 请求：用户输入问题后，Client 把工具描述和用户问题一起打包发给 LLM。传输格式是结构化的 Function Calling，告诉模型"你现在能调用这些函数"。

4）模型智能决策：LLM 根据上下文和工具信息，判断是否需要调用外部工具、调用哪个、传什么参数。比如用户问天气，模型就会选择 getWeather 工具并填入城市参数。

5）工具调用执行：如果模型决定调用工具，Client 把调用请求转发给 Server，Server 负责实际执行——跑脚本、查数据库、调 API，然后把结果返回。

6）结果整合：工具执行结果传回 LLM，模型把这个结果和原始问题、对话上下文糅在一起，生成最终的自然语言回答。

7）用户响应输出：Client 把模型生成的回答展示给用户，完成一次完整的人机协作。

扩展知识

两种通信机制

MCP 支持两种底层传输方式，适用场景完全不同：

Stdio 模式：基于标准输入输出流，Client 和 Server 跑在同一台机器上，通过进程间管道通信。启动快、延迟低、调试方便，本地开发首选。Claude Desktop 默认就用这种方式启动本地 Server。

SSE 模式：基于 HTTP 长连接，Server 可以部署在远端。Client 通过 HTTP POST 发请求，Server 通过 Server-Sent Events 推送响应。适合分布式部署、跨网络调用的生产场景。

与传统 Function Calling 的区别

很多人会问：MCP 和 OpenAI 的 Function Calling 有什么区别？核心差异在于标准化和解耦。

传统 Function Calling 是模型厂商各搞各的，OpenAI 有一套格式，Claude 有另一套，换个模型就得改代码。工具定义也是硬编码在应用里，每接一个新工具就得改应用代码重新部署。

MCP 把这套流程标准化了：工具以 Server 的形式独立部署，Client 通过协议发现和调用工具。换模型不用改 Server，加工具不用改 Client。就像 USB 接口一样，只要符合协议，插上就能用。

安全性设计

MCP 在安全上做了几个关键设计：

1）敏感信息不出 Server：数据库密码、API Key 这些敏感配置只存在 Server 端，模型和 Client 压根看不到。即使模型被攻击或者 prompt 注入，也拿不到这些凭证。

2）权限最小化：每个 Server 只暴露必要的工具，Client 只能调用 Server 开放的能力。不像直接给模型一个万能 shell，而是划定好能干什么不能干什么。

3）审计追踪：所有工具调用都经过 Client 中转，可以在 Client 层做统一的日志记录和权限校验。

实际应用场景

拿 Claude Desktop 举例，它内置了 MCP Client，可以连接多个 Server：

• 文件系统 Server：让 Claude 能读写本地文件

• 数据库 Server：让 Claude 能查询 PostgreSQL、MySQL

• 浏览器 Server：让 Claude 能操作 Puppeteer 抓取网页

• Git Server：让 Claude 能执行 git 命令

每个 Server 都是独立进程，挂了一个不影响其他的。用户可以按需启用，不用的 Server 不启动，既节省资源又减少攻击面。

篇幅有限，完整答案可以点击下方小程序进行查阅：

我们精选了近两年的高频面试真题，已经有 10000 多道面试题目啦，由大厂资深面试官手写答案，押题命中率超高！

不仅有传统八股文，场景题、项目题、系统设计题等等应有尽有，还在不断更新中！

目前优惠最低特价 129 元即永久（限时上架）畅看所有面试题和答案，正式运营价格为 399+，不要错过这次优惠哈！

且，现在邀请好友注册并成为会员，还可获得 10% 的分佣🧧！详情见面试鸭拉新邀请有赏规则（网页版面试鸭点击头像查看）

网页端网址：www.mianshiya.com