Tabularis Tabularis 是一款跨平台的桌面级数据库管理工具，原生支持 PostgreSQL、MySQL/MariaDB 及 SQLite，并可通过 20 余款扩展插件兼容 SQL Server、DuckDB、ClickHouse 和 Redis 等多种主流数据库。该程序内置了智能 SQL 编辑器（支持自动补全）、交互式 SQL 笔记本以及可视化查询生成器，并提供图形化的 EXPLAIN 执行计划分析功能，旨在显著优化开发者的数据库运维与查询效率。 此外，Tabularis 具备卓越的扩展性与集成能力。通过内置的 MCP（Model Context Protocol）服务器，用户可将其无缝对接至 Claude、Cursor 及 Devin 等人工智能代理，直接在应用内实现 AI 辅助数据库交互。同时，该平台支持基于 JSON-RPC 标准的插件系统，允许开发者使用任意编程语言自定义扩展功能，以满足复杂业务场景下的定制化需求。

「大脑不是20个标签页」 终端里用 Claude Code 的人大多遇到过这种场面：一个任务等回复，顺手再开一个；回执一来又带出澄清、支线和新标签页，不知不觉就在二十个线程间来回跳，上下文全靠脑子暂存，最后忘了最初要干什么。 Sergey Kuhne 的文章《How I'm fighting the AI Brain Fry》说的不是懒，是工作流设计错了：排序和上下文都压在人身上。他的解法是把队列放进 git：每张工单是仓库里的 markdown 文件，状态随提交留下快照；代理只做研究、构建、跑测试、核验，敏感代码先问，生产部署留给自己。 所有要人拍板的事收进一个 owner inbox，每轮从 git 重建阅读页。一次只取一项，载入上下文、给出裁决、写回工单，然后关掉。工单不在脑后挂着，注意力才腾得出来。系统照样累，但不再被任务拖着跑。AI 负责并发，人负责在清晰边界里做完整判断，执行可以委托，裁决权不能丢。

「AI能设计药物却治不好所有病」 硅谷这两年把AI制药讲得很热，动辄“十年治愈大多数疾病”，但真正长期做新药的人并不买账。 WSJ这篇报道里，Vertex董事长Jeff Leiden直接说，团队找过大约50家AI公司，拿1万种化合物的数据反复筛，结果没有一家单靠AI做出可用的新药。问题不在算力，而在生物系统太复杂：靶点能不能成药、有没有脱靶、副作用会不会在人体里放大，很多都不是模型多跑几轮就能解决的。 钱当然还在涌入，2025年全球AI药物发现融资达到84亿美元，药企也在和OpenAI、Anthropic、英伟达这类公司密集合作，但行业高层的态度其实越来越务实：AI更像副驾驶，能帮忙找靶点、筛分子、匹配临床受试者、压缩早期研究时间，却远没到“包治百病”的阶段。 说到底，制药不是生成一段代码，实验室、临床试验、监管审批一道都绕不过去。AI会改变流程，但短期内还替代不了科学家对生物机制的理解，更不可能跳过漫长而昂贵的验证。真正有价值的，也许不是神话AI单独造药，而是把它放回工具的位置，和人的经验、实验能力、产业流程一起发挥作用。