笔记散落各处，AI 却帮不了你？聊聊怎么用 Obsidian 的本地 Markdown 文件，配合 LLM 插件、MCP 和编译式知识库，把"一堆文件"变成"能回答问题的第二大脑"。

AI Agent 的演化，表面上看越来越拟人，技术上看其实是在一层层补齐“器官”：从思考与推理、多模态感知，到工具、技能、记忆、人格、规则、身体接口，再到多 Agent 协作与治理。它未必先替代人，但一定会先重写很多知识工作的分工边界。

复杂流程不是靠"更长的 Prompt"解决的，而是靠可拆分的 SubAgent、可审计的 A2A 消息契约、可复用的 MCP 工具，以及"先声明后执行"的 workflow 把不确定性关进笼子里。

你以为 Prompt 只是"和 AI 聊天"？错了。现代 Prompt 可以执行命令、调用工具、定义工作流——它已经从"自然语言"进化成了"可执行的程序"。本文通过 Cursor 的 Rules、Commands、MCP Tools 和 OpenSpec 案例，手把手教你把 Prompt 变成真正的"代码"。

深入理解 Cursor 的 Rules、Commands 和 Agent Skills——它们不只是配置文件，而是"教 AI 如何帮你干活"的说明书