AI工具实用指南
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Jason Peterson 是开发者 Jason Peterson 的个人网站，定位为“不要 prompt and pray，而要有意地构建”。它不是一款可注册使用的 AI SaaS，而是围绕 Claude、图像生成、MCP、agentic coding 等 AI 工具的项目化实践博客，并提供 1 对 1 咨询服务。作者背景是近二十年自学软件开发经验，目前在 FilmLight 工作，文章强调真实项目、真实成本和可运行结果。
从抓取内容看，网站最有价值的是对 AI 编码代理局限与上下文工程的拆解。文章《What Coding Agents Don't Know》指出，Claude Code、OpenCode、Codex 等代理能写出“看起来合理”的代码，但缺少本地运行时、包版本、端口、部署路径和日志等隐性知识。作者通过为 FLAPI 构建 MCP server，让代理完成 discover、gather、provision、observe 四类工作：探测环境、收集文档和示例、创建 venv 与安装匹配 wheel、运行代码并读取日志。这类内容适合开发者学习如何把 MCP 从“文档检索”扩展为“可操作的上下文工程层”。
网站文章可直接阅读，未显示订阅收费。明确的商业服务是 1-on-1 session：60 分钟 100 美元，用于帮助用户解决 AI 项目卡点。支付方式、退款政策、企业支持、服务 SLA 均未在抓取文本中出现，因此不能判断其商业化成熟度。
优点是内容来自真实工程场景，不停留在提示词技巧，尤其适合理解复杂专业 API 与 AI agent 的结合方式；同时文章对成本、token 消耗和运行验证有清醒认识。缺点是它本身不提供可直接调用的 AI 产品或 API，更多是知识与咨询；中文支持、隐私政策、支付方式和系统化学习路径信息不足。
更适合软件开发者、AI 工具重度用户、正在为内部 API/专业软件构建 MCP 或 AI 编码工作流的团队；非技术用户也可阅读部分思路，但落地仍需要工程能力。中国大陆访问情况抓取文本未提供，网络可达性、支付可用性均应视为未知。若需要替代参考，可结合 Anthropic Claude/MCP 官方文档、GitHub MCP 示例项目，以及 Substack、Dev.to 上的 AI 开发实践文章。
本测评基于公开资料整理,不构成购买建议,请以 jasongpeterson.com 官网实际信息为准。
聚焦Claude和图像生成的实践文章。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。