从 DeepSeek 的服务器繁忙到 Claude Code 全栈交付：2025 年 AI 原生开发实录
目录
- 前言
- 2月：大模型战国时代的开启与本地化部署的尝试
- 3月：云端算力的可视化与角色扮演的深度定制
- 4月：边缘计算与 MCP 协议的初次邂逅
- 5月：AI 原生 IDE 的革新与 CodeBuddy 的崛起
- 6月：MCP 生态的全面爆发
- 7月：设计到代码的闭环与浏览器自动化
- 8月：从安全防御到协议构建与全栈部署
- 9月：命令行交互的智能化重构
- 12月：智能体开发平台与逻辑推理游戏
- 1月：内容创作流的云端闭环
- 结语：与云共生的 AI 之年
前言
2025 年对于开发者而言，是技术范式发生剧烈重构的一年。如果说前两年的 AI 浪潮更多停留在“对话”与“生成”的层面，那么 2025 年则标志着 AI 正式接管了从基础设施部署、协议标准化到全栈代码交付的完整工作流。这一年，技术的边界被打破，基于 Model Context Protocol (MCP) 的生态连接、边缘计算的普及以及智能体（Agent）的深度应用，共同构建了一个全新的开发宇宙。
回顾这一年，从年初 DeepSeek 的算力博弈，到年末利用 Claude Code 与腾讯云全家桶实现的全自动化交付，这是一场关于效率与创造力的进化。
2月：大模型战国时代的开启与本地化部署的尝试
2025 年初，科技界的目光聚焦于 DeepSeek 的横空出世。这不仅仅是一个新模型的发布，更是一场关于算力、算法优化与开源精神的无硝烟战争。随着 DeepSeek 展现出惊人的推理能力，全球开发者陷入了对高性能模型的狂热追逐，服务器负载的红色警报成为了一种常态。
面对云端 API 的不确定性与延迟，本地化部署（Local Deployment）成为了当时最迫切的技术需求。本地部署不仅仅是为了避开网络的拥堵，更是为了数据的隐私安全与低延迟交互。通过 Ollama 等容器化工具，将量化后的 DeepSeek 模型加载至本地 GPU 或高内存 CPU 环境中，成为了当时技术社区的热门议题。
当时撰写的第一篇关于本地 AI 部署的技术文档，详细记录了如何从拉取镜像到暴露 API 端口的全过程。这一实践证明，算力民主化正在让每一台终端都具备成为智能中心的能力。
在本地终端的黑色背景与白色字符之间，第一次与 DeepSeek 的对话标志着个人开发模式的转变。此时的模型已经具备了极强的逻辑推理能力，能够理解复杂的上下文指令，而不再仅仅是简单的关键词匹配。
随后的几周内，云计算巨头迅速跟进。腾讯云将 DeepSeek 深度集成至其大模型知识引擎 LKE (LLM Knowledge Engine) 中。这是一个典型的 RAG (检索增强生成) 架构应用。通过 LKE，企业可以将私有知识库进行向量化处理（Embedding），存储于向量数据库中。当用户发起提问时，系统首先在向量库中检索相关片段，然后将检索结果作为上下文（Context）输入给 DeepSeek 模型。
DeepSeek 强大的总结与推理能力，结合 LKE 精准的检索能力，解决了大模型普遍存在的“幻觉”问题，使得生成的内容既具有逻辑性又具备事实依据。这种架构迅速成为了企业级 AI 应用的标准范式。
3月：云端算力的可视化与角色扮演的深度定制
随着模型参数量的提升，本地硬件的瓶颈逐渐显现。3月份，重心转向了基于云端高性能计算资源的部署。腾讯云高性能应用服务 HAI (High Performance Application Service) 提供了一种开箱即用的解决方案。特别是其 CPU 算力实例，经过特定的指令集优化，能够以较低的成本运行大参数量的推理任务，打破了“AI 必须依赖昂贵 GPU”的固有认知。
在服务器端部署 WebUI，实现了可视化的交互界面。这不仅仅是 UI 的改变，更重要的是它支持了参数的动态调整，如 Temperature（温度值）、Top-P 等，让开发者能够直观地感受到不同参数对模型输出创造性的影响。
在这一阶段，Prompt Engineering（提示词工程）的重要性被提升到了新的高度。在可视化的对话界面中，通过系统级指令（System Prompt）给 DeepSeek 赋予特定的“身份”。例如，设定其为一名资深的 Python 架构师或一名精通 SEO 的内容创作者。
这种基于身份的上下文设定，利用了模型在预训练阶段接触到的特定领域数据分布。当模型“认为”自己是某个角色时，其输出的术语准确度、逻辑结构以及解决问题的视角都会发生显著变化。通过这种方式，AI 不再是一个通用的聊天机器人，而是一个具备特定专业技能的虚拟员工。
4月：边缘计算与 MCP 协议的初次邂逅
4月份的技术探索进入了架构层面，重点在于如何打破数据孤岛与提升访问速度。腾讯云 EdgeOne 的引入，将应用部署推向了边缘计算节点。EdgeOne Pages 不仅提供了静态资源的托管，更重要的是利用其全球加速网络，将内容分发至离用户最近的节点。
与此同时，MCP (Model Context Protocol) 开始进入视野。这是一个旨在标准化 AI 模型与外部数据、工具交互的协议。利用 EdgeOne Pages Deploy MCP Server，可以将本地开发的静态网页项目快速封装并部署至公网。这背后涉及到 CI/CD 流水线的自动化构建，以及边缘函数（Edge Functions）对 HTTP 请求的路由处理。
通过 EdgeOne 直接连接 GitHub 或 Gitee 仓库，实现了代码提交即部署的 GitOps 流程。这种无缝的集成极大地缩短了从代码编写到产品上线的周期，让开发者能够专注于业务逻辑而非繁琐的运维配置。
5月：AI 原生 IDE 的革新与 CodeBuddy 的崛起
5月标志着开发工具本身的智能化革命。腾讯发布了 AI 时代的 IDE —— CodeBuddy。作为首批内测用户，深刻体验到了 AI 并非仅仅是代码补全工具，而是结对编程（Pair Programming）的实体化身。
CodeBuddy 深度理解项目的全量代码上下文（Context Awareness），能够基于整个项目结构提出重构建议。利用这一工具，开发了一款基于 Chrome 浏览器的网页翻译插件。这不仅仅是调用翻译 API，更涉及 DOM 树的解析、文本节点的替换以及异步请求的并发控制。CodeBuddy 在处理复杂的 JavaScript 异步逻辑和 CSS 样式隔离方面展现出了惊人的效率。
凭借对 CodeBuddy 的深度应用与技术解析，在年底的腾讯云大会上获得了最具价值原创作者的荣誉。这不仅是对个人技术探索的肯定，也是 AI 辅助开发模式逐渐成为主流的有力证明。
6月：MCP 生态的全面爆发
6月是 MCP 协议深度实践的一个月。MCP 的核心价值在于提供了一种通用的接口标准，使得 AI 模型可以“读写”外部系统。在这个月里，针对 Redis、MySQL、Obsidian 和 Figma 等不同类型的软件和服务，进行了 MCP 服务的配置与测试。
对于 MySQL MCP，AI 可以直接生成 SQL 查询语句并执行，从而实现自然语言查询数据库；对于 Figma MCP，AI 可以读取设计图的图层数据，理解设计规范。这种跨应用的数据互通，彻底打破了传统 SaaS 软件之间的壁垒，让 AI 成为了连接一切的万能胶水。
7月：设计到代码的闭环与浏览器自动化
CodeBuddy 的功能在 7 月迎来了重大升级，真正实现了“设计即代码”的愿景。新引入的功能模块包括 Select from Figma、Select Component、Config MCP、Upload Images、Preview 以及 Deploy。
通过 Select from Figma 功能，开发者可以直接在 IDE 中选中 Figma 的设计组件，CodeBuddy 能够解析其向量数据与样式属性，自动生成高质量的 React 或 Vue 组件代码。配合小红书卡片 MCP，这一工作流被应用于生成极具视觉冲击力的社交媒体封面。AI 能够自动分析当下的设计趋势，调整配色与排版，生成符合算法推荐逻辑的图片。
生成的封面不仅美观，而且严格遵循了图层分离与响应式设计的原则，展示了 AI 在创意设计领域的落地能力。
同月，Claude Code 与 BrowserCat MCP 的组合开启了网页自动化的新纪元。BrowserCat 提供了一个无头浏览器（Headless Browser）环境，通过 MCP 协议受控于 Claude。这意味着可以使用自然语言指挥 AI 去执行复杂的网页操作，如自动抓取数据、表单填写、甚至跨站点的交互测试。
在终端界面中，可以看到 AI 逐步解析网页结构、定位元素并执行操作的日志。这种自动化能力不再依赖脆弱的 CSS 选择器脚本，而是基于 AI 对网页语义的视觉理解，极大地提高了自动化任务的稳定性。
8月：从安全防御到协议构建与全栈部署
8月通过对腾讯 IOA (一体化终端安全管理系统) 的深度体验，补全了安全领域的拼图。在企业级开发中，安全是基石。IOA 提供了从病毒查杀、漏洞修复到资产管理的全面防护。其核心在于“零信任”架构的落地，确保只有合规的终端和身份才能访问企业资源。仪表盘上清晰展示了终端的安全评分与威胁拦截记录，为全栈开发提供了坚实的后盾。
在掌握了 MCP 的使用后，技术探索深入到了协议的创造层面。通过 Python 编写自定义的 MCP Server，并将其打包发布至 PyPI。这一过程涉及定义 MCP 的 JSON-RPC 接口、处理标准输入输出流（Stdio）以及 Python 包的构建（Poetry/Setuptools）。将原本分散的脚本工具封装成标准化的 MCP 服务，使得任何支持 MCP 的 AI 客户端都能直接调用这些能力。
基础设施方面，利用腾讯云轻量应用服务器（Lighthouse）配合宝塔面板搭建了个人 WordPress 站点。Lighthouse 提供了开箱即用的应用镜像，而宝塔面板则简化了 Nginx、PHP、MySQL 的配置管理。这是一个经典 LAMP/LEMP 栈的现代化实践。
随后，为了进一步提升站点的访问速度与安全性，EdgeOne 再次登场。这一次，它不仅仅是静态托管，而是作为动态站点的全站加速网关。配置了 CNAME 接入后，EdgeOne 提供了 DDoS 防护、Web 应用防火墙（WAF）以及智能路由优化。个人网站不仅实现了全球秒开，更具备了企业级的安全防护能力。
9月：命令行交互的智能化重构
随着 CodeBuddy CLI 的发布，服务器管理进入了“对话即运维”（ChatOps）的时代。CodeBuddy CLI 允许开发者在终端中直接与 AI 交互，通过自然语言生成复杂的 Shell 命令。
结合 Lighthouse MCP，这种交互变得更加强大。AI 可以直接读取服务器的状态（CPU 负载、内存使用、进程列表），并根据指令执行重启服务、查看日志或配置防火墙等操作。这避免了记忆繁琐的 Linux 命令参数，降低了运维门槛，同时也减少了误操作的风险。
12月：智能体开发平台与逻辑推理游戏
年末，腾讯元器（Yuanqi）平台的推出标志着智能体开发的普及化。在该平台上，开发了一款沉浸式的“海龟汤”推理智能体。
这不仅仅是一个聊天机器人，而是一个具备复杂状态管理的 Agent。它需要维护游戏的当前状态（谜面、已知的线索、玩家的提问历史），并根据预设的逻辑判断玩家的猜测是“是”、“否”还是“不相关”。腾讯元器提供了强大的提示词编排工具和知识库挂载能力，使得智能体能够严格遵守游戏规则，同时保持互动的趣味性与悬疑感。
1月：内容创作流的云端闭环
跨入新的一年，为了提升内容创作的效率，构建了一套基于腾讯云对象存储（COS）、PicGo 与 Obsidian 的无缝图床工作流。
COS 提供了高可靠、低成本的非结构化数据存储。通过配置 PicGo 工具，使其对接 COS 的 S3 兼容接口。在 Obsidian 中撰写 Markdown 文章时，粘贴的图片会自动触发 PicGo 的上传任务，将图片传输至云端，并返回标准的 Markdown 图片链接。这一流程极大地优化了写作体验，实现了本地写作、云端存储的内容生产模式。
结语：与云共生的 AI 之年
从年初 DeepSeek 的算力争夺，到年末构建复杂的 AI 智能体与全栈工作流，这一年的技术轨迹清晰地展示了 AI 如何从一个“玩具”进化为生产力核心。腾讯云提供的全方位基础设施——从 HAI 的算力、LKE 的知识引擎、EdgeOne 的边缘网络到 CodeBuddy 的开发工具——为这一进化提供了坚实的土壤。
代码不再仅仅是逻辑的堆砌，而是意图的表达；开发不再仅仅是敲击键盘，而是编排模型与服务的协奏曲。在这场技术变革中，与云的深度融合，让每一个开发者都拥有了改变世界的能力。
言尽于此，祝各位新年快乐，码到成功
