​

EazyDraw 是 Mac 上专门画矢量图的工具，简单说就是用来做平面图、图标、插画、技术绘图这些，画出来的图放大不会糊，适合需要干净线条和精确尺寸的场景。

1. 先下载好安装包

安装包下载：https://pan.quark.cn/s/f42ce6432768 ，把 EazyDraw for Mac v11.4.1.dmg文件下载到你的 Mac（比如放桌面或下载文件夹，别塞太深的子文件夹，一会儿好找）。

2. 打开 dmg 镜像文件

找到下载好的 .dmg文件，双击它——屏幕会弹出一个新窗口，里面一般有俩东西：一个是“EazyDraw”的图标（一般是浅色方块，上面有绘图笔或几何图形样式），另一个是“应用程序”文件夹的快捷方式（小文件夹图标）。

3. 把软件拖进“应用程序”文件夹

按住“EazyDraw”图标，直接拖到旁边的“应用程序”文件夹里（跟平时拷贝文件一样），等进度条走完，这一步就装好了。

4. 首次打开要“解锁”（重点！）

去“应用程序”文件夹找到 EazyDraw，双击打开。第一次运行时，macOS 会弹提示“无法验证开发者”，别慌：

• 点左上角苹果图标 → 选“系统设置”（旧版叫“系统偏好设置”）→ 左侧点“隐私与安全性”；
• 右边往下翻，找到“安全性”区域，会看到“已阻止使用‘EazyDraw’，因为来自身份不明的开发者”，下面有个“仍要打开”按钮，点一下，再输开机密码确认就行（如果没看到“仍要打开”，先关掉提示窗口，重新打开软件，提示会再出现）。

​

引言
在物联网（IoT）的浪潮中，低功耗广域网（LPWAN）技术扮演着至关重要的角色。其中，LoRaWAN作为一种开放标准，以其远距离、低功耗的特性，在智能城市、智慧农业、工业物联网等领域展现出巨大的应用潜力。理解LoRaWAN的网络拓扑结构，是深入掌握其工作原理和应用部署的关键。本文将详细解析LoRaWAN的网络拓扑，并介绍门思科技（Manthink）如何通过其创新的产品和解决方案，助力LoRaWAN生态系统的发展。
LoRaWAN网络拓扑概述
LoRaWAN网络采用独特的“星形拓扑（Star-of-Stars Topology）”结构，这与传统的蜂窝网络或Wi-Fi网络有着显著的区别。在这种拓扑中，终端设备（End Devices）不直接与网络服务器通信，而是通过一个或多个网关（Gateway）进行数据中继。这种设计极大地简化了终端设备的复杂性，降低了功耗，延长了电池寿命。
LoRaWAN网络主要由以下四个核心组成部分构成：

1. 终端设备（End Devices）：也称为节点，是网络的最前端，负责采集数据（如温度、湿度、位置等）或执行控制指令。它们通常是电池供电，通过LoRa无线技术与网关通信。
2. 网关（Gateways）：也称为基站或集中器，是连接终端设备和网络服务器的桥梁。网关接收来自终端设备的LoRa信号，并将其转换为IP数据包，通过标准IP连接（如以太网、Wi-Fi或蜂窝网络）转发到网络服务器。同时，网关也能将网络服务器的下行数据转发给终端设备。
3. 网络服务器（Network Server, NS）：是LoRaWAN网络的核心大脑，负责管理整个网络的运行。它的主要功能包括：数据去重、上行数据路由到正确的应用服务器、下行数据调度、自适应数据速率（ADR）管理、设备激活（OTAA/ABP）等。网络服务器确保了数据在终端设备和应用服务器之间的可靠传输。
4. 应用服务器（Application Server）：负责处理和存储来自终端设备的业务数据，并向下行发送控制指令。它是最终用户或应用程序与LoRaWAN网络交互的接口，通常会提供数据可视化、分析和应用集成等功能。
   这种星形拓扑结构使得LoRaWAN网络具有高扩展性、低功耗和广覆盖的优势。终端设备无需维护复杂的连接，只需将数据发送到任何可接收的网关，由网络服务器进行统一管理和路由。

LoRaWAN网络拓扑的详细解析
终端设备（End Devices）
终端设备是LoRaWAN网络的感知层，它们可以是各种传感器、计量表或执行器。这些设备通常部署在偏远地区或难以供电的环境中，因此低功耗是其设计的核心考量。LoRaWAN协议通过优化通信机制，如Class A、Class B和Class C操作模式，以平衡功耗和通信延迟。
门思科技（Manthink） 在终端设备领域提供了多样化的解决方案，以满足不同行业的需求。例如，支持EB的模组OMx22S，能够兼容CJ/T 188、DL/T 645、Modbus等多种协议，用户只需进行简单的硬件改动，即可将现有设备快速升级为LoRaWAN设备，大大降低了开发难度和成本。此外，DTU（数据传输单元） 产品，包括防水的DTU RDO21x 和 导轨式DTU RDI22x，能够支持CJ/T 188、DL/T645等物联网设备的接入，为传统设备的LoRaWAN化提供了便捷途径。SE72温湿度表 更是凭借其IP65防护等级和长达8年的电池寿命，成为恶劣环境下数据采集的理想选择。
网关（Gateways）
网关是LoRaWAN网络中的关键基础设施，负责接收来自终端设备的LoRa信号并将其转发至网络服务器。一个网关可以覆盖数公里甚至数十公里的范围，并同时处理数千个终端设备的数据。网关通常部署在建筑物顶部或高塔上，以获得最佳的覆盖范围。
门思科技（Manthink） 的网关产品线提供了企业级的解决方案。室外网关GDO51系列 和 室内网关GDI51系列 均基于Ubuntu操作系统，能够适应复杂的企业内网环境。它们支持多种主流协议，如ChirpStack、Basic Station、TTN、ThinkLink、GWMP等，这意味着门思科技的网关可以无缝接入任何支持这些协议的LoRaWAN系统，为用户提供了极大的灵活性和兼容性。
网络服务器（Network Server, NS）
网络服务器是LoRaWAN网络的“大脑”，它管理着所有终端设备的连接、数据路由和安全。网络服务器负责处理上行数据（从设备到应用）和下行数据（从应用到设备），并确保数据的完整性和安全性。自适应数据速率（ADR）功能也是由网络服务器控制，它根据终端设备与网关之间的链路质量动态调整数据速率，以优化网络容量和终端设备电池寿命。
门思科技（Manthink） 在网络服务器领域拥有强大的自研产品——ThinkLink。ThinkLink云版本 支持全球LoRaWAN标准，用户可以免费注册并免费接入多达1000个LoRaWAN设备，这对于小型项目或个人开发者来说是一个巨大的优势。它支持任何品牌的支持GWMP和ThinkLink协议的网关接入，极大地扩展了其兼容性。此外，ThinkLink-Edge版本 是一款高性能的边缘计算网络服务器，配备8核处理器、8GB DDR内存和64GB eMMC存储，并内嵌了Home Assistant和ThingsBoard。它支持与Home Assistant、ThingsBoard、BACnet的无缝对接，为本地数据处理和智能自动化提供了强大的支持，特别适用于对数据实时性、安全性要求较高的工业和商业应用场景。
应用服务器（Application Server）
应用服务器是LoRaWAN网络的最终目的地，它接收来自网络服务器的数据，并将其转换为用户可理解和利用的信息。这些信息可以用于数据分析、可视化、告警通知或与其他业务系统集成。应用服务器通常由最终用户或第三方服务提供商开发和维护。
门思科技的产品理念是为用户提供一个简单、高效的LoRaWAN解决方案。通过自研的低功耗操作系统（MPOS）和边缘计算虚拟器（Edge-bus），门思科技的产品家族能够支持全球频段的LoRaWAN标准，并具备十三大功能点以适应复杂的应用场景。从2014年开始，门思科技的产品已经在南美、欧洲、日本等全球多个国家和地区有着长期广泛的应用，积累了超过10年的现场稳定运行经验，充分证明了其产品的可靠性和稳定性。
LoRaWAN网络拓扑图示例
为了更直观地理解LoRaWAN的网络拓扑，以下是一个典型的LoRaWAN网络架构图：
[此处插入LoRaWAN网络拓扑图]

门思科技（Manthink）在LoRaWAN生态中的角色
门思科技作为LoRaWAN领域的先行者和创新者，致力于提供从模组、终端设备、网关到网络服务器的全栈式解决方案。我们的产品家族基于自研的低功耗操作系统（MPOS）和边缘计算虚拟器（Edge-bus），支持全球频段的LoRaWAN标准，并具有十三大功能点以适应复杂的应用场景。这些产品已经在包括南美、欧洲、日本等全球多个国家和地区有着长期广泛的应用，最早的规模化应用从2014年开始到现在已经超过10年的现场稳定运行，充分证明了门思科技产品的可靠性和稳定性。
我们的优势：
● 全栈式解决方案：提供从硬件到软件，从设备到云端的完整LoRaWAN解决方案。
● 技术领先：自研MPOS和Edge-bus，确保产品性能和稳定性。
● 全球兼容：支持全球频段的LoRaWAN标准，适应不同国家和地区的需求。
● 丰富功能：十三大功能点，满足复杂多样的应用场景。
● 长期稳定运行：超过10年的现场稳定运行经验，品质值得信赖。
总结
LoRaWAN以其独特的星形拓扑结构，为物联网应用提供了低功耗、远距离的连接能力。理解其网络组成部分——终端设备、网关、网络服务器和应用服务器——对于成功部署和管理LoRaWAN网络至关重要。门思科技（Manthink）凭借其在LoRaWAN领域的深厚积累和创新产品，为全球用户提供了可靠、高效、易于部署的LoRaWAN解决方案，助力各行各业实现数字化转型。
了解更多门思科技（Manthink）
● 门思科技官方网站：https://www.manthink.cn
● 门思科技LoRaWAN NS 产品：https://thinklink.manthink.cn (小项目可以免费使用ThinkLink)
● 联系邮箱：info@manthink.cn
关键词： LoRa, LoRaWAN, 网关, Gateway, NS, Manthink, 门思科技, 物联网, LPWAN, 网络拓扑

​

IPERFforWindowsTrialSigned是 iperf 网络带宽测试工具的 Windows 安装包，iperf 能在两台电脑或设备之间测网络吞吐量（就是看网速到底能跑多快），运维、网络调试、测 Wi-Fi 或局域网性能时常用。

一、准备工作

1. 下载安装包​

   安装包下载：https://pan.quark.cn/s/6d027407c943

二、安装步骤

1. 双击 IPERFforWindowsTrialSigned.exe运行。
2. 如果是 Win10/Win11，会弹出“用户账户控制”提示 → 点  “是” （需要管理员权限）。
3. 进入安装向导，选语言（默认 English，有的版本有中文）→ 点  “Next” 。
4. 阅读许可协议 → 选 “I accept…” → 点  “Next” 。

5. 选安装位置：

   • 默认是 C:\Program Files\iperf或类似路径，可点 Browse 改到 D 盘。

6. 附加任务：

   • 建议勾 “Create a desktop shortcut”（创建桌面快捷方式），方便以后打开。
7. 点  “Install” ​ 开始安装，等进度条走完（很快，几秒到十几秒）。
8. 安装完会问是否立即启动 → 可先取消，iperf 一般用命令行跑，不会自动弹 GUI。

三、首次运行与基本使用

1. 装完后，iperf 其实是个命令行工具，在开始菜单或安装目录能找到 iperf3.exe（或 iperf.exe）。
2. 按 Win+R输入 cmd回车，打开命令提示符。

3. 切到安装目录，比如：

   cd "C:\Program Files\iperf\bin"

   

4. 测网速基本流程：

   • 一台电脑当服务端：

     iperf3 -s

-   另一台电脑当客户端（连服务端 IP）：

    ```
    iperf3 -c 服务端IP
    ```



-   跑完会显示带宽、丢包、抖动等信息。

1. 常用参数：

   • -t设置测试时长（秒），比如 -t 30测 30 秒。
   • -P设置并发连接数，比如 -P 4用 4 条流同时测。

​

🌟 TrendForge 每日精选 - 发现最具潜力的开源项目
📊 今日共收录 7 个热门项目，涵盖 50 种编程语言

🌐 智能中文翻译版 - 项目描述已自动翻译，便于理解

🏆 今日最热项目 Top 10

🥇 openai/skills

项目简介: Codex 技能目录

今日新增: 583 | 总星数: 4842 | 语言: Python

https://github.com/openai/skills

🥈 bytedance/UI-TARS-desktop

项目简介: 开源多模态AI智能体堆栈，连接尖端AI模型与智能体基础设施

今日新增: 573 | 总星数: 27099 | 语言: TypeScript

项目截图:

https://github.com/bytedance/UI-TARS-desktop

🥉 aquasecurity/trivy

项目简介: 在容器、Kubernetes、代码仓库、云环境等场景中检测漏洞、错误配置、密钥泄露和软件物料清单

今日新增: 165 | 总星数: 31535 | 语言: Go

项目截图:

https://github.com/aquasecurity/trivy

4. nvm-sh/nvm

项目简介: Node 版本管理器 - 符合 POSIX 标准的 bash 脚本，用于管理多个活跃的 node.js 版本

今日新增: 131 | 总星数: 91497 | 语言: Shell

https://github.com/nvm-sh/nvm

5. DataExpert-io/data-engineer-handbook

项目简介: 数据工程全方位学习资源汇总仓库

今日新增: 71 | 总星数: 39856 | 语言: Jupyter Notebook

https://github.com/DataExpert-io/data-engineer-handbook

6. Flowseal/zapret-discord-youtube

项目简介:

今日新增: 70 | 总星数: 21967 | 语言: Batchfile

项目截图:

https://github.com/Flowseal/zapret-discord-youtube

7. likec4/likec4

项目简介: 通过代码生成的实时动态图表，实现软件架构的可视化、协作与持续演进。

今日新增: 40 | 总星数: 1802 | 语言: TypeScript

项目截图:

https://github.com/likec4/likec4

🌈 分语言热门项目

● C 最热项目

项目名称: tmux/tmux

项目描述: tmux源代码

今日新增: 62 | 总数: 41435

地址: https://github.com/tmux/tmux

项目名称: timescale/timescaledb

项目描述: 作为Postgres扩展打包的高性能实时分析时序数据库

今日新增: 40 | 总数: 21703

地址: https://github.com/timescale/timescaledb

项目名称: bol-van/zapret2

项目描述: 反深度包检测软件

今日新增: 17 | 总数: 1464

地址: https://github.com/bol-van/zapret2

● C# 最热项目

项目名称: marticliment/UniGetUI

项目描述: UniGetUI：您的包管理器图形界面。或可粗略描述为用于管理包管理器的"包管理器管理器"。

今日新增: 140 | 总数: 20667

项目截图:

地址: https://github.com/marticliment/UniGetUI

项目名称: wshobson/agents

项目描述: 面向Claude Code的智能自动化与多智能体编排系统

今日新增: 101 | 总数: 27973

项目截图:

地址: https://github.com/wshobson/agents

项目名称: Cleanuparr/Cleanuparr

项目描述: Cleanuparr是一款自动化清理工具，用于清理Sonarr、Radarr及支持的下载客户端（如q...

今日新增: 55 | 总数: 1902

地址: https://github.com/Cleanuparr/Cleanuparr

● C++ 最热项目

项目名称: ggml-org/llama.cpp

项目描述: 使用 C/C++ 实现的大语言模型推理框架

今日新增: 85 | 总数: 94535

项目截图:

地址: https://github.com/ggml-org/llama.cpp

项目名称: godotengine/godot

项目描述: Godot引擎——跨平台2D与3D游戏引擎

今日新增: 61 | 总数: 106402

项目截图:

地址: https://github.com/godotengine/godot

项目名称: LadybirdBrowser/ladybird

项目描述: 真正独立的网页浏览器

今日新增: 33 | 总数: 58405

地址: https://github.com/LadybirdBrowser/ladybird

● Lua 最热项目

项目名称: yetone/avante.nvim

项目描述: 像使用Cursor AI IDE般高效运用您的Neovim

今日新增: 13 | 总数: 17325

项目截图:

地址: https://github.com/yetone/avante.nvim

项目名称: Kong/kong

项目描述: 🦍 云原生API网关与AI网关。

今日新增: 12 | 总数: 42695

项目截图:

地址: https://github.com/Kong/kong

项目名称: coder/claudecode.nvim

项目描述: 🧩 Claude Code Neovim IDE 扩展

今日新增: 10 | 总数: 1967

地址: https://github.com/coder/claudecode.nvim

● Vue 最热项目

项目名称: dreamhunter2333/cloudflare_temp_email

项目描述: CloudFlare 免费临时域名邮箱 支持附件收发 IMAP SMTP TelegramBot

今日新增: 23 | 总数: 5972

项目截图:

地址: https://github.com/dreamhunter2333/cloudflare_temp_email

项目名称: zyronon/TypeWords

项目描述: 练习英语 一次敲击 一点进步

今日新增: 17 | 总数: 7326

项目截图:

地址: https://github.com/zyronon/TypeWords

项目名称: vbenjs/vue-vben-admin

项目描述: 一个基于Vue3、Shadcn UI、Vite、TypeScript和Monorepo构建的现代化V...

今日新增: 14 | 总数: 31485

项目截图:

地址: https://github.com/vbenjs/vue-vben-admin

● Kotlin 最热项目

项目名称: RunanywhereAI/runanywhere-sdks

项目描述: 可在本地运行AI的生产就绪工具包

今日新增: 165 | 总数: 6291

项目截图:

地址: https://github.com/RunanywhereAI/runanywhere-sdks

项目名称: tiann/KernelSU

项目描述: 基于内核的Android系统root解决方案 （注：根据技术文档惯例，"Kernel based"译...

今日新增: 15 | 总数: 14915

地址: https://github.com/tiann/KernelSU

项目名称: JackEblan/Geto

项目描述: 为应用配置设备级设置。该项目采用多模块化设计，遵循Bob大叔的整洁架构原则，参考Now in And...

今日新增: 9 | 总数: 761

项目截图:

地址: https://github.com/JackEblan/Geto

📈 今日趋势分析

最活跃语言: TypeScript(2个)、Python(1个)、Go(1个)

今日总获星: 1,633 颗星

平均获星: 233 颗星/项目

今日之星: openai/skills (583)

📊 数据总览

TrendForge 致力于追踪全球开源项目动态，每日为开发者精选最具价值的 GitHub 项目。

数据来源: https://trendforge.devlive.top/

数据说明: 基于 GitHub 官方 API 数据统计，每日更新

翻译声明: 项目描述采用 AI 智能翻译，如有疏漏请以原文为准

报告生成于: 2026年02月07日

GitHub #开源项目 #技术趋势 #程序员 #软件开发

视觉智能的商业临界点已经到来
2026年，多模态视觉大模型的发展正从技术探索阶段过渡到商业价值兑现期。当技术能够稳定识别图像中的商品并理解用户自然语言描述的偏好时，一个新的商业时代开启了。在东京银座的一家高端百货，一套基于多模态视觉大模型的导购系统正在改变零售体验：顾客用手机拍摄心仪的手提包，系统不仅识别品牌和型号，还能根据顾客过往的购物记录、当前穿着风格，甚至社交媒体上表达的生活态度，推荐相配的鞋履和配饰——这种体验的转化率比传统推荐系统高出三倍。

这种商业价值的爆发并非偶然，而是多项技术成熟度曲线交汇的必然结果。视觉识别精度突破95%实用门槛、跨模态语义对齐技术让图像与语言理解无缝衔接、边缘计算能力大幅提升使实时分析成为可能——这三个技术拐点在2025-2026年间相继到来，为商业化应用扫清了最后障碍。

行业级解决方案的差异化竞争策略
2026年最成功的商业实践表明，通用型多模态视觉模型难以直接创造商业价值，而针对特定行业深度优化的模型却能快速形成竞争壁垒。

在医疗影像诊断领域，领先企业不再简单标定病灶位置，而是构建了“影像-病理-预后”的全链条理解模型。当系统读取CT扫描时，它不仅识别肿瘤特征，还能关联相似病例的治疗方案和康复轨迹，为医生提供决策支持而非仅仅诊断辅助。这种深度行业理解构建的数据护城河，使后来者难以在短期内追赶。

制造业的质量检测方案则展现了另一种商业逻辑。传统视觉检测只能识别预设的缺陷类型，而多模态系统通过分析产品图像、生产线传感器数据和维修记录文本，能发现人眼难以察觉的潜在缺陷模式，甚至预测设备故障对产品质量的影响。这种从“检测”到“预防”的价值跃迁，让客户愿意支付十倍于传统系统的价格。

成本结构的革命与商业模式创新
多模态视觉大模型的商业普及，关键驱动力之一是成本结构的根本性改变。2025年之前，训练行业级模型需要数百万美元的算力投入，而2026年的模块化训练框架和模型高效微调技术，将这一门槛降低到原来的十分之一。

成本下降催生了全新的商业模式。在时尚行业，一家初创公司不再销售软件许可，而是提供“视觉智能订阅服务”：中小品牌按月支付费用，即可获得与大牌同等的视觉分析和设计辅助能力。在农业领域，服务商根据农田面积和检测频率收费，为农场主提供作物病虫害的早期预警——这种“效果付费”模式彻底改变了技术采购的逻辑。

更值得关注的是边缘端部署的经济性突破。2026年，经过优化的多模态模型已能在智能手机和工业边缘设备上流畅运行，这意味着商业应用不再受限于云端连接，可以在网络条件差的工厂车间、偏远农场或应急现场发挥作用。这种部署方式的转变，开辟了数十个此前无法触达的商业场景。

数据生态构建：从单向采集到价值循环
传统视觉系统的数据流动是单向的：采集、标注、训练、部署。2026年领先企业的核心竞争优势，在于构建了能够自我增强的数据价值循环。

零售巨头亚马逊的多模态系统展示了这种生态的威力：当顾客在实体店试穿服装时，视觉系统分析试穿效果；顾客的购买决定与在线评价形成反馈；这些数据不仅优化推荐算法，还反向指导服装设计与库存管理。数据在消费端与生产端之间形成闭环，每一条数据都多次创造价值。

在自动驾驶领域，特斯拉建立的“影子模式”数据生态更为成熟：数百万辆车的视觉系统持续观察环境，即使在自动驾驶未激活时也在对比人类司机的决策与模型预测的差异。这种持续的对比学习使系统能力呈指数级增长，形成了竞争对手难以复制的数据资产。

商业落地的隐形挑战与应对策略
技术成熟度不等于商业成功率。2026年，多模态视觉大模型的商业落地面临三个隐形挑战，而成功企业已找到应对之道。

首先是“期望值管理”问题。早期客户往往对AI能力抱有不切实际的期待，认为系统应像人类一样理解任何视觉场景。领先供应商通过“能力边界透明化”策略解决这一问题：明确告知系统在哪些场景下准确率超过98%，在哪些边缘情况下可能失效，并提供相应的保障方案。这种坦诚反而建立了更强的客户信任。

其次是“集成复杂度”挑战。多模态系统需要与企业现有IT架构、数据平台和业务流程深度融合。提供“渐进式集成”方案的供应商更受青睐：先从单一场景试点，验证价值后再逐步扩展，避免“大爆炸式”改造带来的风险。

最后是“持续进化”需求。商业环境不断变化，今天的模型明天就可能过时。建立“模型即服务”的持续更新机制成为标准配置，确保客户无需频繁投入重训成本即可获得能力升级。

2026年的商业格局与未来展望
到2026年末，多模态视觉大模型的市场已形成清晰的层级格局：底层是少数几家提供基础大模型的科技巨头；中间层是专注行业解决方案的垂直领域领导者；上层则是大量利用API构建具体应用场景的创新企业。

这一格局中最具活力的正是中间层的行业专家。他们既理解技术的可能性，也深谙行业的痛点；既能为客户创造可见的ROI（投资回报率），又能建立长期的竞争壁垒。这些企业的估值逻辑已从传统的“软件毛利率”转变为“数据资产价值”和“行业生态地位”。

展望2027年，下一轮商业突破将来自多模态系统与物理世界的更深度融合——当视觉理解能力与机器人操作、环境交互、实时决策结合时，将催生真正的“智能体经济”。那些在2026年掌握了多模态视觉模型商业方法论的企业，将在下一轮竞争中占据先发优势。

商业与技术之间总是存在微妙的时差。2026年的机遇在于：技术刚刚跨越实用门槛，而商业认知还未完全普及——这中间的窗口期，正是先行者建立优势的最佳时机。多模态视觉大模型的发展历程再次证明：最具颠覆性的商业创新，往往发生在技术曲线从陡峭趋于平缓的转折点上，因为此时技术足够可靠，而应用想象刚刚展开。

​

EmEditor是 EmEditor 文本编辑器的安装包，这是个主打大文件和代码编辑的工具，打开几百 MB 甚至 GB 的文本不卡，支持各种编程语言高亮、正则查找替换，写代码、改日志、处理数据都挺顺手。

一、准备工作

1. 下载安装包​

   • 安装包下载：https://pan.quark.cn/s/0424198092b3

2. 用管理员身份运行（推荐） ​

   • 右键 EmEditor.exe→ 选“以管理员身份运行”，防止权限不足导致安装出错。

二、安装步骤

1. 双击 EmEditor.exe运行（如果右键过了就直接双击）。
2. 第一次打开会弹出“用户账户控制”提示 → 点  “是” 。
3. 进入安装向导，选语言（默认 English，有的版本有中文）→ 点  “Next” 。
4. 阅读许可协议 → 选 “I accept the terms…” → 点  “Next” 。

5. 选安装位置：

   • 默认是 C:\Program Files\EmEditor，可点 Browse 改到其他盘。

6. 附加任务：

   • 建议勾 “Create a desktop shortcut”（创建桌面快捷方式），方便以后打开。
7. 点  “Install” ​ 开始安装，等进度条走完（几十秒）。
8. 安装完会问是否立即启动 → 可先取消，等会儿再开。

三、首次运行与基本使用

1. 在开始菜单或桌面找到 EmEditor​ → 点开。
2. 第一次打开就是干净的主界面，类似记事本但功能更多。
3. 打开大文件：拖文件进来或直接点“打开”，几百 MB 也能秒开。
4. 代码高亮：打开 .c、.py、.html等文件，会自动识别并高亮语法。
5. 查找替换：支持正则表达式，找特殊内容很方便。
6. 多标签页：可以同时开多个文件，来回切换不用来回找窗口。

​

使用Docker安装Temporal， 使用外部MySQL数据库

1. 初始化MySQL数据库

# 创建用户 temporal
CREATE USER 'temporal'@'%' IDENTIFIED BY 'temporal';

# 创建数据库 temporal
CREATE DATABASE `temporal` DEFAULT CHARACTER SET utf8mb4 DEFAULT COLLATE utf8mb4_general_ci;
grant all privileges on `temporal`.* TO 'temporal'@'%';

# 创建数据库 temporal_visibility
CREATE DATABASE `temporal_visibility` DEFAULT CHARACTER SET utf8mb4 DEFAULT COLLATE utf8mb4_general_ci;
grant all privileges on `temporal_visibility`.* TO 'temporal'@'%';

2. 配置文件

docker-compose.yml

services:
  temporal-init:
    image: temporalio/auto-setup:1.29.3
    container_name: temporal_init
    environment:
      DB: mysql8
      # 改为正确MySQL配置
      MYSQL_SEEDS: "192.168.2.215"
      DB_PORT: 3306
      MYSQL_USER: "temporal"
      MYSQL_PWD: "temporal"
      MYSQL_DB: "temporal"
      DEFAULT_NAMESPACE: "default"
    command: ["temporal-sql-tool", "create-schema", "-k", "default", "-v", "1.19"]
    restart: "no"
    
  temporal:
    image: temporalio/auto-setup:1.29.3
    container_name: temporal_server
    environment:
      # 使用外部 MySQL
      DB: mysql8
      MYSQL_SEEDS: "192.168.2.215"    # 你的 MySQL 地址
      DB_PORT: 3306
      MYSQL_USER: "temporal"
      MYSQL_PWD: "temporal"
      MYSQL_DB: "temporal"                 # Temporal 数据库
      DEFAULT_NAMESPACE: "default"
      # 这里填127.0.0.1会报错， 需要在ports将7233端口映射到宿主机， 填写宿主机的IP
      TEMPORAL_BROADCAST_ADDRESS: "192.168.2.215"
    ports:
      - "7233:7233"   # gRPC frontend
      - "7234:7234"   # history
      - "7235:7235"   # matching
      - "7239:7239"   # worker
      - "8088:8088"   # Temporal Web API (可选)
    depends_on:
      - temporal-init
    restart: always

  temporal-ui:
    image: temporalio/ui:2.45.0
    container_name: temporal_ui
    environment:
      TEMPORAL_ADDRESS: "temporal:7233"  # 指向 Temporal Server 容器名
      TEMPORAL_UI_PORT: "8080"
    ports:
      - "8080:8080"   # 浏览器访问
    depends_on:
      - temporal
    restart: always

temporal-init: 用于自动初始化数据
temporal: 启动核心进程
temporal-ui: 启动UI管理界面
访问 http://192.168.2.215:8080/ 查看管理后台

3. 启动

# 启动
docker compose up -d
# 查看日志
docker logs --tail=100 -f temporal_server

销毁命令:

docker compose down
docker container list

导言

周一早晨，你打开笔记本电脑，心中萦绕着一个问题：两年后，我的工作是否还有意义？

上周，你花了三小时撰写一份活动方案。而一位同事使用AI智能体，仅用四分钟就生成了质量接近80%的版本——如果诚实地说，可能接近90%。

不是担心是否会失业，而是担心你所做的工作是否还能体现价值。你依然保住了工作，但你能感觉到它在不断缩水。问题不在于“机器人来了”，而在于你不再清楚自己该擅长什么。花了五年积累的Excel技能？自动化了。分析竞争对手并整合信息的能力？已有AI代劳。清晰撰写项目进展的技巧？不复存在。

你的职业身份正在以你无法追赶的速度消失，却无人告诉你下一步该何去何从。

案例分享

Sarah是资深研究分析师，十年经验，时薪250美元。公司引入AI研究助手后：

• 初期：AI用90分钟完成她需2-3周的基础研究，她转而负责“高阶分析”。
• 六个月后：公司质疑她工作的附加价值，将她的角色转为“质量审核员”，时薪降至150美元。
• 最终：公司用AI搭配两名初级员工（年薪6.5万美元）替代了她85%的工作。
• 核心问题：无人能明确定义“更高价值的工作”具体是什么，企业最终只能选择成本更低的方案。

职场困境

这一现象并非个人失败所致，而是经济激励结构的必然结果：

• 企业通过AI降低成本，经理只需比较AI订阅费与员工薪资便可做出决策。
• 但企业缺乏动力为员工设计未来角色，因为“重新定义工作”无法在财报中体现短期回报。
• 速度错配：AI能力以6-12个月为周期迭代，而人通过教育或企业培训的适应周期长达2-5年。
• 工业时代的制度无法解决指数级变化的问题，导致个人陷入系统性困境。

常见的应对策略

当感到自身价值被侵蚀时，人们通常会采取看似合理的应对方式：

1. 更熟练地使用AI工具

   • 学习提示工程，掌握ChatGPT、Claude等平台，成为团队中的“AI专家”。
   • 致命伤：仍在比拼执行速度，而执行本身正被标准化，一旦工具被大幅优化，“提示技巧”便会失效。

2. 深耕现有专业领域

   • 会计师钻研更复杂的税法，设计师学习更多软件，分析师构建更精细的模型。
   • 致命伤：在逐渐被自动化的领域深入，如同在洪区筑堡垒，AI已能逼近专家水平，专长反而成为包袱。

3. 强调“软技能”

   • 试图通过创造力、同理心或人际关系凸显“不可替代的人性”。
   • 致命伤：这些概念过于模糊，难以度量，当AI能10秒生成100个创意时，“保持人性”无法转化为具体价值。

根本问题：上述策略都是被动适应，而非主动重塑，真正有效的是构建一个前所未有的新角色。

有效策略：成为协同指挥者

不要只执着于优化现有工作，要充分利用AI完成此前不可能的任务，持续发现约束消失后的新可能性：

• 案例：市场营销者Marcus用AI同时运行50个活动变体，他的角色转变为设计测试框架、解读数据模式、制定战略决策。
• 关键：找到因人力限制而无法规模化的环节，用AI突破瓶颈，并专注于决策层。

• 行动指南：

  • 第一周：找出一个因耗时过长而无法大量进行的工作。
  • 第二周：用AI将其规模扩大10倍，容忍质量暂时下降。
  • 第三周：分析规模化带来的新洞察。
  • 第四周：向老板展示“新增能力”而不仅仅是“效率提升”。

结语

AI正揭示一个残酷的真相：许多人所谓的“战略思维”，其实只是严谨的执行力。当AI以惊人速度接管基础工作，那些曾被经验掩盖的、真正战略洞察力的缺失，便暴露无遗。企业曾习惯将“资深”等同于“有战略判断力”，而AI的到来，迫使所有人直面这一认知误区。经验堆积成的护城河，正在技术的冲击下迅速瓦解。

别再执着于捍卫那个正在缩水的旧角色。真正的出路，是主动构建一个——甚至六个月前都还不存在的——新角色。成为那个率先洞察新可能性，并围绕它构建价值的人。不要指望企业为你规划未来，也别等待教育系统赶上变革。在这个快速迭代的时代，唯一可靠的，是自我重塑的能力。

周一的清晨依旧会来，不同的是：当别人仍在焦虑中追问“我的价值何在”时，你是否已经走在了构建答案的路上。

越来越多企业开始用SRM软件，把原本依赖Excel、邮件、微信群的采购协作过程，升级为更标准、更可追溯、更可分析的数字化流程。

以华为云云商店上架的SRM软件产品介绍为例，成熟的SRM软件方案通常会围绕四大模块搭建能力框架：供应商管理中心、价格管理中心、采购执行协同中心、采购商城中心。

对于中小企业来说，选对SRM系统往往意味着：采购团队终于能从“处理琐碎流程”转向“做供应商管理与成本优化”。今天我将从以下三点展开去讲，希望能对中小企业有所帮助。

1、中企业企业为什么要SRM软件？

2、几款主流的SRM软件介绍

3、如何选择适合的SRM软件？

一、为什么中小企业特别需要SRM系统？

不少中小企业的采购管理，仍停留在“Excel+纸质单据+人工沟通”的阶段。短期内能跑，但一旦企业规模上来，问题会集中爆发：

1、流程繁琐、效率偏低
从需求提出、询价比价、下单审批到对账结算，环节多且高度依赖人工操作，容易出错，也很难标准化。

2、供应商管理分散，信息更新滞后
供应商档案、资质文件、合同、历史交易记录散落在多个表格或文件夹里，更新不及时，关键风险（比如资质过期、交付异常）很难提前发现。

3、价格与成本不可控，采购“靠经验”
缺少统一的价格库、历史报价追溯困难，比价辑不透明，降本更多靠采购员个人能力，难以沉淀为组织能力。

4.绩效评估缺机制，无法科学分级管理
交付准时率、质量问题、服务响应等数据无法形成体系，导致供应商管理长期停留在“印象打分”，优胜劣汰难执行。

二、正远SRM：全景化协同采购管理方案

https://www.zhengyuantech.cn/

在华为云云商店上架的正远SRM数字化采购管理平台，定位是“采购全过程数字化与供应商协同网络构建”。其产品介绍明确强调：通过电子化流程与多种寻源方式，帮助企业提升采购效率、提高透明度并降低采购成本。

正远SRM的一大特点是采购方式覆盖较广，支持询比价采购、招标采购、竞价采购等，同时也提供多种采购组织模式的适配能力。

它的核心能力围绕四大模块展开：

1、供应商管理中心
支持供应商全生命周期管理，包括准入、资质、供货能力与产能评估等，强调把好准入关，形成科学供应商管理体系。

2、价格管理中心
提供采购预询价、比价采购、招标、竞价等多方式寻源策略，用于建立更体系化的价格管理与成本优化机制。

3、采购执行协同中心
通过供应商门户/协同网络实现订单协同：订单下发、交付反馈、异常处理等流程在线化，提高执行透明度与协同效率。

4、采购商城中心
面向标准物资采购提供内部采购商城能力，覆盖商品发布、价格审批、上架下架、购物车、订单中心等功能，实现自助式集中采购。

总体而言，正远SRM强调“轻灵活、低耦合”，对于需求变化快、流程迭代频繁的中小企业更友好。

三、金蝶AI星辰：轻量化云SRM选择

预算相对谨慎、希望快速上线的中小企业，通常会优先考虑云端SaaS类产品。金蝶面向小微企业推出的金蝶云·星辰定位是“小微企业SaaS管理云”，主打免安装、免维护、快速开通使用，并支持开放API接口连接生态。

在采购数字化方向，金蝶也有对应的采购云能力：例如金蝶云星空采购云强调供采双方协同的数智化采购平台思路。

对中小企业来说，星辰类产品的优势通常体现在：

1、SaaS订阅模式降低门槛
无需部署硬件与维护服务器，初期投入相对可控。

2、易上手更利于推进供应商协同
供应商侧操作越轻量，落地成功率越高。

3、与财务、进销存等体系形成联动
中小企业往往更关注“业务财务一体化”，避免数据割裂。

四、其他主流SRM系统盘点

除正远、金蝶外，中小型企业在SRM选型中还会常见以下几类方案：

1、8Manage SRM
覆盖寻源、招标、采购订单、合同管理等全流程，支持SaaS与本地部署，适合流程相对复杂、希望强化报表分析与权限控制的企业。

2、携客云SRM
偏“性价比与易用性”的云端采购管理工具，适合预算更有限、希望快速上线、优先解决协同与流程电子化的小型企业。

3、用友BIP采购云
用友采购云强调从寻源到签约的数字化，并提供电子招投标能力，覆盖从立项到定标的全过程，同时也包含采购商城能力。
整体更偏平台化、体系化，适合有一定规模、对合规与流程控制要求更高的企业。

4、简道云（零代码）
如果企业采购场景差异大，或者希望低成本快速搭建个性化流程，零代码方案也是现实选择。优点是灵活与低门槛，但复杂SRM场景往往需要较多自定义设计。

五、如何选择适合的SRM系统？

面对众多选择，中小企业建议抓住几个“选型硬指标”，避免被演示效果带偏：

1、先明确企业核心需求，不要一开始就追求“大而全”
中小企业优先把“供应商档案统一、寻源比价、订单协同、对账效率”这些刚需做扎实。

2、优先考虑部署与成本模式：云优先，本地谨慎
SaaS订阅模式更适合中小企业，避免前期投入过大、上线周期过长。

3、考察集成能力，避免数据孤岛
优先选择与现有ERP/财务体系同生态产品，或开放API较完整的平台。

4、易用性决定落地率，尤其是供应商侧
供应商端如果操作复杂、培训成本高，协同很难推起来。

5、服务保障要写进合同，别只听口头承诺
关注实施周期、培训方式、响应SLA、驻场与远程支持能力。

一家机械制造企业引入SRM系统后，供应商准入审核周期从7天缩短到2天，优质供应商占比提升40%。采购人员的时间分配也发生明显变化：从处理琐碎事务转向做谈判与供应商管理。

当一家电子元器件经销商上线SRM系统三个月后，供应商引入周期从14天缩短至3天，采购成本下降8%，库存周转率提升22%。

这些变化背后，是采购协作方式的改变——流程更透明、数据能沉淀、风险可预警，供应链也因此更敏捷、更抗风险。