@rohanpaul_ai: “我不再给Claude写提示了。我写循环，循环替我干活。我的工作就是写循环。” ——Boris Cherny，Claude Code的创造者…

X AI KOLs Following 工具
mcp-server claude-code ai-engineering workflow-automation local-worker neo-mcp

摘要

Neo-mcp 是一个新推出的 MCP 服务器，为 Claude Code 提供了一个本地 AI 工程工人，使其能够将代码实现和实验执行等复杂任务交给 Neo，从而降低成本并提高运行速度。

“我不再给Claude写提示了。我写循环，循环替我干活。我的工作就是写循环。” ——Boris Cherny，Claude Code 的创造者。 @withneo 新推出的 MCP 服务器通过 neo-mcp 为 Claude Code 提供了一个本地 AI 工程工人。 它让 Claude Code 将复杂的 AI/ML 任务交给 Neo，Neo 可以执行代码、运行实验、评估结果、调试失败运行并返回完整的执行轨迹。 也就是说，Claude Code 与你交流，Neo 负责更耗时的机器学习工作。 在一项基准测试中，Claude Code + NEO 将任务成本从 1.96 美元降至 0.74 美元，运行时间缩短了 37%，并将后端从 PyTorch 切换到 ONNX Runtime 以实现 CPU 优化的执行。 将 Claude Code、Cursor、VS Code 及其他 MCP 客户端连接到 NEO。编辑器保持对对话的控制。NEO 负责 AI 工程工作。 因此，Neo 成为了 AI 工程工作的执行层。 Claude Code 移交任务。Neo 制定计划、运行实验、监控进度、评估结果，并返回轨迹：转录、文件、指标、报告或仓库变更。 这个反馈循环很重要。 与其消耗 Claude Code 有限的迭代次数来照看长时间运行的任务，Claude 可以使用 Neo 的 MCP 工具来检查状态、暂停、恢复、检查轨迹，或在决策点请求输入。 Claude 保持专注于决策，而非执行噪音。
查看原文
查看缓存全文

缓存时间: 2026/06/16 15:37

“我不再手动提示Claude了。我写循环，循环来完成工作。我的工作就是写循环。”——Boris Cherny，Claude Code的创造者。

@withneo 新推出的 MCP 服务器通过 neo-mcp 为 Claude Code 配备了一名本地 AI 工程工作者。

它能让 Claude Code 将复杂的 AI/ML 任务交给 Neo，后者可以执行代码、运行实验、评估结果、调试失败的运行，并返回完整的执行跟踪记录。

也就是说，Claude Code 负责与你对话，Neo 负责处理更耗时的机器学习工作。

在一项基准测试中，Claude Code + NEO 将任务成本从 1.96 美元降低到 0.74 美元，运行速度提升了 37%，并将后端从 PyTorch 切换为 ONNX Runtime 以实现 CPU 优化执行。

将 Claude Code、Cursor、VS Code 及其他 MCP 客户端连接到 NEO。编辑器保持对话控制权，Neo 负责执行 AI 工程。

于是 Neo 成为了 AI 工程工作的执行层。

Claude Code 将任务转交出去。Neo 负责规划、运行实验、监控进度、评估结果，并返回跟踪记录：包括转录文本、文件、指标、报告或代码仓库更改。

这种反馈循环至关重要。

Claude 不必在长时间运行的任务上浪费有限的迭代次数来“照看”，而是可以利用 Neo 的 MCP 工具检查状态、暂停、恢复、检查跟踪记录，或在决策点请求输入。

Claude 专注于决策，而非执行细节。

相似文章