这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实weibo.com/ttarticle/p/show?id=2309405261859845701720 weibo.com/ttarticle/p/show?id=2309405261860189896839 weibo.com/ttarticle/p/show?id=2309405261860542218450 weibo.com/ttarticle/p/show?id=2309405261860961386521 weibo.com/ttarticle/p/show?id=2309405261861309775910 weibo.com/ttarticle/p/show?id=2309405261861657903153 weibo.com/ttarticle/p/show?id=2309405261862010224728 weibo.com/ttarticle/p/show?id=2309405261862362546334 weibo.com/ttarticle/p/show?id=2309405261862781976886 打实

一、什么是低代码(low-code)？为什么需要低代码？

（一）信息化难题

企业在信息化转型过程中常面临诸多困境：传统软件开发周期长（通常3-6个月），无法快速响应业务变化；专业开发人才稀缺且成本高昂，中小企业难以承担；各部门系统孤立形成数据孤岛，集成难度大；业务人员需求与技术开发脱节，落地效果不佳；简单部门级应用需排队等待IT团队开发，效率低下。

（二）低代码(low-code)介绍

为破解上述难题，低代码应运而生。低代码是一种可视化应用开发方法，通过图形化界面、拖拽组件和模型驱动逻辑，以最少手工编码快速构建应用程序，本质是一组数字技术工具集合。它能降低开发门槛，实现业务与技术协同，将应用交付周期缩短至2-4周，助力企业快速完成信息化落地，适配各类业务场景与复杂系统搭建需求。

（三）低代码与传统开发对比

相较于传统开发，低代码优势显著：开发效率提升500%以上，无需从0到1编写全部代码；成本降低60%以上，大幅减少专业开发人才依赖；上手门槛低，业务人员可参与搭建，无需深厚编码基础；迭代灵活，可快速响应业务调整，无需大规模重构系统；集成便捷，能快速对接企业现有ERP、CRM等系统，打破数据孤岛。

（四）低代码的衍生概念

1、无代码：低代码的简化形态，完全无需编写代码，纯通过拖拽组件、配置参数即可完成应用搭建，门槛更低，适合非技术人员（业务人员）快速搭建简单表单、审批类应用，如伙伴云、简道云等平台侧重此类模式，但灵活性略低于低代码。

2、aPaaS（应用平台即服务）：低代码是aPaaS的核心形态，aPaaS更侧重提供完整的云端应用开发、部署、运维一站式平台，除低代码可视化开发能力外，还包含服务器、数据库、安全防护等基础服务，如Zoho Creator、明道云均属于aPaaS范畴，支撑企业全流程应用开发与落地。

二、国内主流低代码平台十大能力测评对比

（以下内容来自作者的深度测评）

（一）织信Informat

1、平台介绍

织信是深圳基石协作科技有限公司自研的企业级AI低代码平台，团队主创由曾主导平安、微众、腾讯、华润、华为等知名企业信息化项目的核心团队组建，从专注企业数字化转型解决方案起步，逐步打磨成兼具灵活性与实用性的企业级低代码开发平台。

深耕低代码行业十余年，见证了从早期简单表单工具到如今企业级全流程解决方案的迭代，今天要测评的织信低代码，是由基石协作于2019年推出的核心产品，其核心团队成员均具备丰富的大型企业数字化系统研发经验，凭借多年行业实践沉淀，逐步升级为可提供“数据+流程+AI”全场景能力的企业级低代码平台，为各行业企业提供一站式数字化转型解决方案，助力企业快速实现国产化、自主可控的信息化部署，兼顾效率与安全，适配从中小规模到大型企事业单位的多样化需求。

2、核心能力

▐ 基础能力

织信低代码的主要功能模块围绕数据引擎、流程引擎、权限引擎三大核心展开，搭配仪表盘、AI辅助开发、拓展功能等模块，以“高效搭建、灵活拓展”为核心，兼顾易用性与企业级需求，覆盖从基础表单到复杂系统的全场景搭建。

▐ 数据引擎

作为织信低代码的核心基础，数据引擎的实用性堪称行业上游水平，其展现方式贴合企业日常操作习惯，支持多达5个大类、35种字段组件（可自定义组件），拖拽即可生成对应表单，无需复杂操作。用户可根据业务场景，为表单设置缜密的逻辑规则，实现字段联动、实时更新，有效打破数据孤岛。

此外，数据引擎还支持80+种高级函数，覆盖运算、日期、字符串等各类业务场景，满足复杂数据处理需求。数据录入支持Excel导入、在线编辑等多种方式，同时可通过链接分享实现内外协作，权限控制细致，保障数据安全。

▐ 流程引擎

织信低代码的流程引擎适配性极强，完全不输专业流程管理工具，采用可视化拖拽+连线操作，无需代码即可设计完整业务流程，遵循BPMN2.0规范，支持自由流程、固定流程、分支流程、并行流程等多种模式，可满足企业所有业务流程需求。

流程审批功能全面，支持审批、退审、加签、撤回、手写签名等操作，处理人可根据实际情况灵活应对；同时支持待办工作流设置，可配置触发条件、负责人及状态，实现流程智能流转，大幅减少人工干预。

▐ 权限引擎与仪表盘

权限引擎提供团队、应用、数据三级权限管控，可灵活配置不同人员的数据查看、操作权限，搭配数据智能预警功能，当数据出现异常时，可第一时间向负责人推送消息，保障数据安全与业务合规。

仪表盘模块支持创建各类统计卡片，提供丰富的可视化报表功能，可多维度展示数据、实现数据对比，同时支持电脑端、移动端多端查看，让移动办公更便捷，帮助企业实现数据全面掌控。

▐ 低代码+AI

织信低代码的核心特色的是AI与低代码的深度融合，区别于普通低代码平台的基础搭建能力，其提供AI自动建模、AI辅助开发、AI组件开发三大核心能力，用户输入简单指令即可快速构建数据表业务模型，30s可实现从需求到成品页面的快速生成，大幅提升开发效率。同时支持API接口、脚本、拓展包等多种拓展方式，可集成第三方服务，满足企业个性化定制需求。

3、优势

可扩展性强，适配复杂场景。织信低代码支持代码开发、API接口、拓展包等多种拓展方式，可轻松集成第三方服务，同时支持分布式架构、集群部署，能承载上亿级数据，适配ERP、OA、CRM等复杂管理系统的数字化升级，满足中大型企业的复杂业务需求。

AI赋能，开发效率突出。其AI辅助开发能力大幅降低了开发门槛，无论是技术人员还是非技术人员，都能快速上手搭建应用，同时支持私有化部署，保障企业数据隐私与安全，适配央国企、军工等对合规性要求高的行业。

行业模板丰富，适配性广。平台沉淀了CRM、ERP、HR等多种行业解决方案模板，覆盖制造、金融、医疗、地产等多个领域，减少企业从零搭建的工作量，同时可根据自身需求微调，适配不同行业的个性化需求。

4、不足

深度定制门槛较高 虽然基础搭建无需代码，但进行深层次业务逻辑定制时，仍需要一定的代码知识和技术能力，对无开发背景的团队来说，学习成本较高，可能需要专门安排技术人员支持。

学习资源与社区氛围待提升 相比成熟低代码平台，织信的学习教程、案例分享相对偏少，初次上手的用户可能需要自行摸索，官方客服支持虽到位，但社区答疑、视频教程等资源仍需完善。

5、商业模式及持续生存能力

▐ 商业模式

织信低代码采用订阅制+定制化服务的商业模式，分为面向中小企业的标准版、面向中大型企业的定制版、面向高合规需求企事业单位的旗舰版，不同版本在数据量、功能权限、服务支持上有所差异，同时提供个性化定制服务，适配不同规模企业的预算与需求。

▐ 持续生存能力

织信低代码由具备大厂信息化经验的核心团队操盘，自2019年推出以来，历经多年打磨，已积累4万家企业用户，服务吉利控股、君乐宝乳业、某飞机设计研究院等行业头部客户，凭借扎实的产品能力和广泛的行业适配性，持续生存能力强劲。

6、客户画像

经过多年发展，织信低代码累计服务4万家企业用户，主要客户规模为50人以上的中大型企业，行业覆盖国防军工、央国企、生产制造、金融证券、生物医疗等多个领域，尤其受到对合规性、数据安全、系统稳定性要求高的企业青睐。

7、评测结论

织信低代码综合评分（满分100分，一颗★2分）

易上手度：★★★★

基础能力：★★★★★

数据管理：★★★★★

API能力：★★★★★

低代码能力：★★★★★

性价比：★★★★

模板质量：★★★

样式交互：★★★★★

AI能力：★★★★★

市场口碑：★★★★

整体评分：90分

8、选用建议：

中大型企业有复杂业务系统搭建需求，且对数据安全、合规性、可扩展性要求较高的，可优先选用。

需要AI辅助开发、追求高效搭建，或有私有化部署需求的企事业单位，织信低代码适配度极高。

国防军工、制造、金融等对系统稳定性和数据承载能力有高要求的行业，可重点考虑，其行业解决方案能快速适配业务需求。

（二）宜搭

1、平台介绍

宜搭是由深耕企业数字化领域多年的阿里钉钉团队打造，历经从基础零代码工具到宜搭Plus低代码平台的迭代打磨，逐步升级为一个为企业提供全场景数字化搭建服务的低代码PaaS平台，为企业的办公协同、业务管理、流程审批等场景提供一站式解决方案。

依托阿里集团的技术积淀与生态资源，搭配灵活的代码扩展能力和丰富的插件支持，兼顾易用性与定制化需求，适配从小微企业到中大型企事业单位的多样化数字化转型诉求。

2、基础能力

宜搭的主要功能模块由表单、流程、报表、插件中心与低代码扩展五大核心部分组成，以“生态联动、灵活拓展”为核心，依托钉钉生态优势，实现办公场景与业务场景的深度融合，让低代码搭建更贴合企业实际使用需求。

▐ 表单

进入表单配置页，采用可视化拖拽操作，上手门槛适中，其提供的页面组件超过70个，在同类低代码平台中表现突出，组件规范度与成熟度极高，涵盖基础输入、数据关联、附件上传等各类场景，可满足不同行业的表单搭建需求。配置完成后的效果实时预览，无需反复调试，所见即所得。

表单支持Excel导入、在线编辑等多种数据录入方式，同时可依托钉钉生态实现内部协作共享，权限控制细致，可针对不同人员配置表单查看、编辑、提交等权限，保障数据安全。此外，表单还支持逻辑规则配置，实现字段联动、必填校验等功能，提升数据录入的准确性。

▐ 流程

虽然宜搭早期以零代码工具起步，但流程引擎功能已十分完善，丝毫不逊色于专业流程管理平台。其遵循BPMN2.0规范，采用可视化拖拽+连线的配置方式，无需代码即可设计完整的业务流程，支持固定流程、分支流程、并行流程等多种模式，适配企业审批、业务流转等各类场景。

流程审批功能全面，支持审批、退审、加签、撤回等常用操作，处理人可根据实际业务需求灵活应对；同时支持流程触发条件配置，实现数据提交后自动触发审批流程，大幅减少人工干预，提升流程处理效率。

▐ 报表

宜搭的报表模块与表单、流程数据深度联动，支持多数据源聚合分析，可将多张表单数据进行统计、筛选、合并、运算等操作，生成各类可视化报表。提供多种图表类型，支持多维度数据展示、对比分析，可根据企业需求自定义报表样式，帮助企业快速掌握业务数据情况。

报表支持实时更新，数据变化后无需手动刷新即可同步展示，同时可嵌入钉钉工作台，方便员工随时查看，实现数据驱动决策。

▐ 低代码+插件中心

宜搭在各个功能层次均预留了代码扩展槽，将定制能力大量开放给用户，专业开发者可通过代码对表单、流程、报表、页面等能力进行扩展，满足企业深层次的个性化定制需求，在数据逻辑定制上几乎无限制。

其插件中心是核心特色之一，可便捷接入各类扩展能力，目前已支持发票识别、身份证识别、公章识别等插件，用户通过可视化配置即可快速接入，无需额外开发，进一步提升搭建效率（目前部分插件仍在内测阶段）。

3、优势

组件丰富，拓展性强 宜搭拥有70+成熟组件，覆盖各类业务场景，同时预留充足的代码扩展槽，专业开发者可灵活定制，搭配插件中心的拓展能力，既能满足基础搭建需求，也能应对复杂业务场景的定制化诉求。

钉钉生态联动优势 依托阿里钉钉生态，宜搭可与钉钉办公场景深度融合，实现应用嵌入钉钉工作台、钉钉消息推送等功能，无需额外下载APP，企业员工可直接通过钉钉使用搭建的应用，大幅降低推广与使用成本。

大厂背书，稳定性强 由阿里钉钉团队操盘，依托阿里集团的技术积淀，平台稳定性与安全性有保障，同时产品迭代速度快，持续优化功能体验，能及时响应企业数字化转型的新需求。

4、不足

对新手不够友好。产品设计偏技术导向，配置过程中会出现较多开发语言相关内容，有开发经验的用户接受度较高，但非技术背景的业务人员想要快速搭建趁手的应用，学习成本较高，必须有IT人员协助。

应用模板质量欠佳。目前宜搭的应用模板数量较少，且大多只是基础框架，内容相对简单，安装后需要进行大量配置才能正常使用，缺少成熟复杂的行业模板，无法有效减少用户从零搭建的工作量。

5、商业模式及持续生存能力

▐ 商业模式

宜搭目前有四个付费版本，面向小微企业的普惠版（50个账号免费）；面向中小企业的标准版（58元/账号/年）；满足中大型企业定制需求的企业版（98元/账号/年）；全定制化能力开放的尊享版（168元/账号/年）。不同版本对数据集数量、附件容量及自定义功能做了明确限制，其商业模式带有阿里一贯风格，现阶段重点聚集合作伙伴、引流阿里云，收费并非主要诉求。

▐ 持续生存能力

宜搭倚靠阿里集团的优越资源，推出后快速迭代，从零代码工具升级为低代码平台宜搭Plus，短短时间内已服务上千家企业，聚集数百家生态开发者，产品生态逐步成熟。依托阿里的技术与资金支持，产品创新能力与持续生存能力极强，未来仍将持续拓展功能边界。

6、客户画像

经过多年发展，宜搭已积累大量企业用户，客户规模覆盖小微企业到中大型企业，行业涉及面较广，尤其受到依托钉钉办公的企业青睐，其中小微企业与中小企业占比最高，多用于轻量级办公审批、简单业务管理等场景。

7、评测结论

宜搭综合评分（满分100分，一颗★2分）

易上手度：★★★★

基础能力：★★★★★

数据管理：★★★★★

API能力：★★★★

低代码能力：★★★★

性价比：★★★★

模板质量：★★★★

样式交互：★★★★

AI能力：★★★★

市场口碑：★★★

整体评分：82分

8、选用建议：

依托钉钉办公、需要实现办公与业务场景深度融合的企业，可优先选用宜搭，生态联动优势突出。

有专业IT人员支持、既需要基础搭建功能，又有深层次定制化需求的企业，宜搭的扩展能力可充分满足诉求。

中大型企业有复杂业务系统搭建需求，且注重平台稳定性与安全性，同时希望依托大厂技术保障的，可重点考虑。

（三）微搭

1、平台介绍

微搭，是由深耕云计算与企业数字化领域的腾讯云核心团队打造，历经从微信生态专属开发工具到全场景低代码平台的迭代打磨，逐步升级为一个聚焦“生态连接+高效开发”的企业级低代码PaaS平台，为企业的小程序开发、内部管理、客户运营等场景提供一站式解决方案。

依托腾讯集团的技术积淀、微信生态资源及云原生能力，搭配AI辅助开发与灵活的代码扩展能力，兼顾易用性与企业级需求，适配从小微企业到中大型企事业单位的多样化数字化转型诉求，尤其在C端应用搭建上具备天然优势。

2、基础能力

微搭的主要功能模块由表单、流程、报表、低代码IDE与生态联动五大核心部分组成，以“微信生态深度适配、多端协同开发”为核心，依托腾讯云技术底座，实现小程序、H5、Web端一次开发、多端部署，让低代码搭建更贴合企业C端运营与内部管理需求。

▐ 表单

进入表单配置页，采用可视化拖拽操作，上手门槛较低，其提供了丰富的UI组件，涵盖基础输入、数据关联、附件上传、身份识别等各类场景，可满足不同行业的表单搭建需求。配置过程实时预览，所见即所得，无需反复调试，大幅提升搭建效率。

表单支持Excel导入、在线编辑等多种数据录入方式，同时可轻松连接腾讯云数据库、腾讯文档等数据源，无需强制迁移数据，灵活适配企业现有数据体系。权限控制遵循RBAC权限体系，可针对不同人员配置表单查看、编辑、提交等权限，搭配SSO单点登录能力，保障数据安全与企业级协同需求。

▐ 流程

微搭的流程引擎兼顾基础审批与简易业务流转需求，采用可视化拖拽+连线的配置方式，无需代码即可设计完整流程，支持固定流程、分支流程等基础模式，适配企业内部审批、业务上报等轻量级流程场景。

流程审批功能简洁实用，支持审批、退审、加签等常用操作，可与企业微信深度联动，审批消息实时推送至企业微信，方便员工及时处理；同时支持流程触发条件配置，实现数据提交后自动触发审批，减少人工干预，提升流程处理效率。但相较于老牌BPM厂商，其复杂流程处理能力略有不足。

▐ 报表

微搭的报表模块与表单、数据源深度联动，支持多数据源聚合分析，可将多张表单数据进行统计、筛选、运算等操作，生成曲线、饼图、表格等多种可视化报表。报表支持实时更新，数据变化后无需手动刷新即可同步展示，帮助企业快速掌握业务数据情况。

此外，微搭新增用户数据分析能力，可直接查看小程序新增用户、活跃用户等数据，支持自定义查看方式，为企业C端运营提供数据支撑。

▐ 低代码+生态联动

微搭的核心特色是微信生态深度集成与多端开发能力，支持小程序、H5、Web多端开发，一次开发即可多端部署，小程序注册、开发、预览、发布全流程一步到位，1个人7天即可完成小程序和管理系统的定制开发与上线。

其提供低代码IDE，支持自定义组件和代码扩展，专业开发者可通过代码进行深度定制；同时内置AI生成能力，支持AI生成应用、组件、代码等，大幅提升开发效率。此外，微搭支持公有云与私有化部署，可一键将应用部署至自有服务器，保障数据主权。

3、优势

微信生态优势突出 与微信小程序、企业微信原生集成，调用流程免签名、免权限配置，小程序开发效率极高，是需要快速搭建小程序、H5营销页的企业首选，能最大化发挥微信生态的协同价值。

云原生与AI赋能 深度集成腾讯云Serverless等能力，实现弹性伸缩，服务器搭建、网络安全等无需企业自行处理；AI辅助开发能力覆盖全开发流程，大幅提升开发效能，人效产值可提升60%-150%。

大厂背书，部署灵活 依托腾讯云技术积淀，平台稳定性与安全性有保障；支持公有云与私有化部署，适配不同企业的数据安全需求，同时服务上海浦东国际机场、河南圆方物业等各行业客户，落地案例丰富。

4、不足

传统To B能力薄弱 在传统To B管理软件领域，生态和模板丰富度暂不如宜搭等平台，复杂业务流程处理能力相较于老牌厂商略有不足，难以适配大型企业复杂的业务管理场景。

模板实用性不足 虽提供多场景模板，但多为基础框架，行业针对性不强，安装后需要进行大量配置才能正常使用，无法有效减少用户从零搭建的工作量，尤其缺乏复杂行业解决方案模板。

5、商业模式及持续生存能力

▐ 商业模式

微搭目前有多个付费版本，所有用户均可享有体验版无限期试用资格，但发布应用有时效限制；面向初创团队、专注小程序开发的团队版（88元/月起）；面向中大型企业的企业版（10800元/年），不同版本在资源配额、功能权限上有所差异，商业模式侧重生态引流与云服务联动，兼顾自助搭建与企业级定制需求。

▐ 持续生存能力

微搭倚靠腾讯集团的技术与资金支持，迭代速度较快，不断新增AI辅助开发、用户数据分析等能力，产品生态逐步成熟。目前已服务上千家企业，聚集大量生态开发者，同时拥有完善的官方培训、认证体系，助力合作伙伴快速上手，持续生存能力极强。

6、客户画像

经过多年发展，微搭已积累覆盖多行业的企业用户，客户规模从初创团队到中大型企业均有涉及，尤其受到需要快速开发小程序、依托微信生态或企业微信办公的企业青睐。行业覆盖交通、文旅、房地产、农业等，多用于小程序开发、轻量级内部管理系统搭建等场景。

7、评测结论

微搭综合评分（满分100分，一颗★2分）

易上手度：★★★★

基础能力：★★★★

数据管理：★★★★

API能力：★★★★★

低代码能力：★★★★★

性价比：★★★★

模板质量：★★★★

样式交互：★★★★★

AI能力：★★★★

市场口碑：★★★★

整体评分：80分

8、选用建议：

需要快速开发小程序、H5营销页，或依托微信生态、企业微信办公的企业，可优先选用微搭，生态联动优势无可替代。

初创团队、零经验团队，想要快速搭建轻量级应用或小程序，微搭的易用性与AI辅助能力可大幅降低开发门槛。

对数据安全有要求、需要私有化部署，且注重平台稳定性，同时有轻量级业务管理需求的企业，可重点考虑。

声明：本测评仅为笔者经验总结的个人观点，与产品不存在利益相关。相关信息、功能描述均来自于网络公开信息、产品官方渠道及笔者使用体验，若有偏差，可与我们取得联系，我们核实后将进行勘误。

本文首发于 Aloudata 官方技术博客：《指标平台选型指南：BI 指标中心/传统/Headless/自动化平台对比》转载请注明出处。

摘要：本文系统对比了传统手工管理、BI 内置指标中心、Headless BI 语义层与自动化指标平台四类方案，从架构本质、分析灵活性、AI 适配能力等维度进行深度解析。重点探讨了以 NoETL 语义编织为核心的自动化指标平台如何破解指标口径混乱、响应迟缓、分析固化的“不可能三角”，为企业构建统一、敏捷、AI-Ready的数据底座提供选型指南。

在数据驱动决策的深水区，企业普遍面临指标口径混乱、响应迟缓、分析固化与成本高昂的“不可能三角”。本文旨在为数据架构师与数据团队提供一份清晰的选型指南，系统对比传统手工管理、BI 内置指标中心、Headless BI 语义层与自动化指标平台四类方案。通过剖析其架构本质与核心能力差异，揭示以 NoETL 语义编织技术为核心的自动化指标平台，如何通过“定义即开发、定义即治理、定义即服务”的模式，实现指标口径 100% 一致、开发效率 10 倍提升，并为企业构建 AI-Ready 的数据底座。

一、决策背景：为何指标平台选型成为企业数据治理的关键？

“我们的销售额究竟是多少？” 这个看似简单的问题，却常常让销售、财务、运营部门给出不同的答案。这种由指标口径不一致造成的决策混乱，每年给全球企业带来的损失高达数百亿美元。

传统“数仓 + BI”的模式，在应对快速变化的业务需求时，逐渐暴露出四大核心痛点，构成了数据分析的“不可能三角”：

• 口径乱：同一业务概念（如“客户活跃度”）在不同部门、不同报表中被赋予多种计算逻辑，缺乏统一的“度量衡”。
• 响应慢：一个新指标的需求从提出到上线，往往需要经历数周甚至数月的 ETL 开发、测试与部署排期。
• 分析缺：分析路径被预先构建的物理宽表（ADS 层）所固化，业务人员无法进行任意的维度组合与下钻探查。
• 成本贵：为满足不同分析场景，大量宽表和汇总表被重复开发，导致存储与计算资源严重浪费。

AI 时代的到来，尤其是对话式数据分析（ChatBI）的兴起，对数据的统一性、敏捷性和开放性提出了前所未有的高要求。大模型需要确定性的语义接口来根治“幻觉”，业务需要分钟级的响应来探索未知。这共同催生了从静态管理到动态服务的指标平台技术演进。

面对市场上纷繁复杂的“指标平台”概念，关键在于理解其底层架构的本质差异。它们并非简单的功能叠加，而是代表了从“静态元数据目录”到“动态计算与服务引擎”的范式演进。

1. 传统指标管理（手工模式）：本质是 无系统或文档化管理。依赖 Excel、Wiki 或口头沟通记录指标口径，是数据治理的原始阶段。
2. BI 内置指标中心：本质是 BI 工具的附属功能，旨在增强用户粘性和特定工具内的体验。指标定义与消费被锁定在单一 BI 生态内。
3. Headless BI（语义层）：本质是 独立的指标语义层。它将业务逻辑（指标定义）从前端展示中解耦，为多个消费端提供统一语义接口，是架构上的重要进步。
4. 自动化指标平台（如 Aloudata CAN）：本质是 基于 NoETL 语义编织的动态计算引擎。它不仅提供统一语义定义，更通过声明式策略直接基于 DWD 明细数据自动化生产指标，实现“一处定义，处处计算”，是架构范式的根本性变革。

三、维度对比：从六大关键能力看平台差异

以下表格从六个关键维度，系统性地对比了四类方案的差异，揭示了为何自动化指标平台能破解传统困局。

核心差异解读：

• 对底层数据的依赖：这是区分 Headless BI 与自动化指标平台的关键。前者是“查询路由层”，计算能力受限于预建的物理宽表；后者是“动态计算引擎”，通过 声明式策略 在逻辑层面构建“虚拟明细大宽表”，直接基于明细数据生成最优查询。
• AI 适配的本质：自动化指标平台提供的 NL2MQL2SQL 架构，将大模型（LLM）擅长的自然语言理解与确定性极高的 语义引擎 解耦。LLM 负责生成标准的指标查询请求（MQL），语义引擎将其翻译为准确 SQL 并利用 智能物化加速 引擎实现秒级响应，从根本上杜绝了数据幻觉。
• 复杂指标支持：自动化指标平台支持声明式定义跨表聚合、去重计数、比率、留存率及“指标转标签”等复杂业务逻辑，而无需编写底层 SQL。

四、综合选型建议：根据企业阶段与核心诉求决策

没有“最好”的平台，只有“最适合”当前阶段和未来需求的平台。决策应基于企业的数据成熟度、团队技术能力和数字化战略目标。

选型决策路径：

1. 初创/数字化初期企业：若想跳过“先乱后治”的痛苦阶段，直接采用最先进的语义模型驱动架构，自动化指标平台 是“弯道超车”的理想选择。它门槛低，能一步到位构建统一、敏捷的数据服务能力。
2. 已部署单一 BI 工具的中型企业：如果核心诉求是解决该 BI 工具内的指标管理问题，可优先评估其 内置指标中心。但若已出现多 BI 工具并存，或需要向 CRM、运营系统提供数据服务，则应考虑建设 独立的指标平台。
3. 拥有成熟数仓和强技术团队的大型企业：若已认识到语义层的重要性，Headless BI 是一个合理的架构升级选项。但若希望彻底摆脱宽表膨胀的束缚，实现极致的业务敏捷性，并面向 AI 未来构建底座，自动化指标平台 是更彻底的解决方案。
4. 面临严格合规与审计要求的金融、央国企等：指标口径的 100% 一致与全链路可追溯是刚需。自动化指标平台 通过“定义即治理”和内嵌的自动判重、血缘分析能力，能系统性满足此类要求。

实施策略参考：无论现状如何，采用 “存量挂载、增量原生、存量替旧” 的三步走策略，可以平稳演进，最大化保护现有投资，逐步享受新架构带来的红利。

五、常见问题 (FAQ)

Q1: 我们已经用了一些 BI 工具，还有必要上独立的指标平台吗？

有必要，但出发点不同。BI 工具擅长数据可视化与分析，但其内置指标模块本质是增强 BI 自身粘性的功能。当企业存在多套 BI，或需向 CRM、营销系统等非 BI 场景提供统一数据服务时，独立的指标平台作为 中立的“指标计算中心”和“统一服务出口”，能实现“一处定义，处处使用”，从根本上解决跨工具口径不一致问题。

Q2: Headless BI 和自动化指标平台听起来很像，核心区别是什么？

核心区别在于 对底层数据的依赖和计算模式。Headless BI 提供了一个统一的语义层，但其计算仍 依赖 于下游数仓预先构建好的物理宽表或汇总表（ADS 层）。而自动化指标平台基于 NoETL 语义编织技术，能 直接 基于 DWD 明细数据，通过声明式定义自动生成最优查询，无需预先开发物理宽表。前者是“查询路由层”，后者是“动态计算引擎”。

Q3: 引入自动化指标平台，是否意味着要推翻现有的数仓和 BI 体系？

不需要推翻，而是 演进与增强。自动化指标平台（如 Aloudata CAN）采用“存量挂载、增量原生、存量替旧”的三步走策略。可以先将现有稳定宽表挂载，统一口径；所有新需求直接基于明细层敏捷响应，遏制宽表膨胀；最后逐步替换维护成本高的旧宽表。它向下对接现有数据湖仓，向上通过标准 API/JDBC 服务所有 BI 与应用，是现代化数据栈的 关键拼图。

Q4: 如何确保自动化平台生成的指标计算性能？

通过 声明式物化加速 策略。用户可针对高频查询的指标组合声明物化需求，系统自动编排并维护物化视图（明细加速、汇总加速、结果加速）。查询时，语义引擎 会进行智能 SQL 改写与路由，透明命中最优物化结果，实现亿级数据秒级响应（P90 < 1s）。

Q5: 自动化指标平台如何与 AI 大模型结合？

它提供 AI-Ready 的数据底座。一方面，其浓缩的指标语义知识图谱是 RAG 的高质量语料；另一方面，通过标准化 Function Calling，AI 应用可以像调用 API 一样，传入指标、维度、筛选条件，由平台返回准确结果，无需让大模型直接面对复杂的数据库表结构，确保了安全与可控。

六、核心要点

1. 架构范式演进：指标平台正从“静态元数据目录”向“动态计算服务引擎”演进。自动化指标平台 代表了以 NoETL 语义编织为核心的下一代架构。
2. 破解不可能三角：通过 声明式定义 和 智能物化加速，自动化平台能同时实现指标口径 100% 一致、分钟级开发交付、任意维度灵活分析，并降低总体拥有成本。
3. AI 适配的核心：真正的 AI-Ready 不是简单的 NL2SQL，而是 NL2MQL2SQL 架构。它将大模型的创造力约束在已定义的、统一的业务语义层内，是根治幻觉、建立可信 AI 分析的基石。
4. 平滑落地路径：采用 “存量挂载、增量原生、存量替旧” 策略，企业无需推翻现有体系，即可逐步迁移至更敏捷、更统一的指标驱动架构。
5. 战略价值选择：选型不仅是技术工具的比较，更是对企业数据治理成熟度与未来数字化战略的考量。自动化指标平台为追求业务敏捷性和面向 AI 未来布局的企业提供了关键支撑。

本文首发于 Aloudata 官方技术博客，查看更多技术细节与高清图表，请访问原文链接：https://ai.noetl.cn/knowledge-base/metric-platform-selection-...

新春将至，美团技术年货如约而来。感谢这一路上，伙伴们的并肩前行与坚定支持！❤️

时光荏苒，美团技术博客已经陪伴大家走过了 12 个年头。过去一年，美团技术团队在持续深耕中积累了诸多值得分享的实践案例与开源项目。尤其值得关注的是，美团 LongCat 团队在大模型开源领域取得了不少亮眼的成果，这一年，我们陆续发布了覆盖基座模型、图像、视频、语音等多个方向的开源产品与工具，持续助力 AI 技术共享与生态繁荣。截至目前，美团技术团队微信公众号已累计发布 640 余篇技术文章。

值此马年春节来临之际，我们精选了过去一年美团技术团队微信公众号发布的 40 多篇优质技术文章，精心汇编成一本近 600 页的电子书。谨以此作为一份特别的新年礼物，献给每一位热爱技术、持续探索的同学。祝大家在新年里，一「马」当先，「马」到成功！

这本电子书的内容涵盖大模型、开源、AI Coding、安全、数据库、智能硬件、AB实验等多个技术领域，同时收录了一些美团技术团队与高校的合作成果，以及被多个国际顶级会议收录的论文合集，希望能为大家的工作和学习带来一些启发与助力。也欢迎大家将这份电子书分享给更多志同道合、追求进步的伙伴，让我们一起携手共进，砥砺前行。

新的一年，愿大家继续乘风破浪，在挑战中铸就辉煌；以坚定的步伐，踏出属于自己的未来之路。

如何获取

❤️ 温馨提示

• 技术年货合集大小约为60M，下载需要一定的时间，建议通过PC浏览器进行查阅、下载；
• 打开电子书目录后，可直接点击感兴趣的文章进行阅读；
• 部分文章中的动态图片、视频无法在电子书中完全的展示，大家可以在公众号历史文章中进行阅读，感谢理解。

| 关注「美团技术团队」微信公众号，阅读更多技术干货！

| 本文系美团技术团队出品，著作权归属美团。欢迎出于分享和交流等非商业目的转载或使用本文内容，敬请注明“内容转载自美团技术团队”。本文未经许可，不得进行商业性转载或者使用。任何商用行为，请发送邮件至 tech@meituan.com 申请授权。

摘要

随着大模型在真实业务中的应用不断深入，单纯依赖模型参数内知识已难以满足需求。检索增强生成（RAG，Retrieval-Augmented Generation）成为连接大模型与外部知识的重要方式。
本文从 0 到 1 系统讲解 RAG 的核心原理、系统结构及落地步骤，帮助读者构建一个可用、可扩展的 RAG 检索增强系统，为智能体和企业级 AI 应用提供可靠基础。

目录

• 一、什么是 RAG
• 二、为什么需要 RAG
• 三、RAG 系统核心架构
• 四、从 0 到 1 搭建 RAG 系统
• 五、一个典型 RAG 流程示例
• 六、常见问题与优化经验
• 七、总结
• 参考文献

一、什么是 RAG

RAG（检索增强生成）是一种将信息检索与文本生成结合的技术框架。

简单理解：

RAG = 先检索资料，再让大模型基于资料生成答案

传统大模型的问题在于：

• 知识存在时效性
• 无法访问私有数据
• 容易产生幻觉

RAG 的出现，本质上是为大模型接入“外部大脑”。

RAG 的基本流程

通常包括三步：

1️⃣ 从知识库中检索相关内容
2️⃣ 将检索结果作为上下文输入模型
3️⃣ 大模型基于上下文生成回答

这使得模型回答更可信、更可控。

二、为什么需要 RAG

在实际应用中，仅依赖大模型参数知识存在明显局限。

1. 解决知识时效性问题

大模型训练数据具有截止时间。
而 RAG 可以连接实时或持续更新的知识库。

2. 支持私有数据访问

企业数据、内部文档、业务资料无法进入模型训练。

RAG 可以：

• 接入内部知识库
• 保障数据安全
• 提供定制化答案

3. 降低幻觉风险

当模型基于真实检索内容回答时：

• 胡编概率显著下降
• 可追溯性增强
• 结果更可信

4. 成本可控

相比微调大模型：

• RAG 成本更低
• 维护更简单
• 迭代更灵活

因此，RAG 已成为企业落地大模型的主流方案之一。

三、RAG 系统核心架构

一个标准 RAG 系统通常包含以下模块。

1. 文档处理模块

负责数据准备：

• 文档清洗
• 分段切分
• 去噪处理

高质量数据是 RAG 效果的基础。

2. 向量化模块

将文本转换为向量表示：

• 使用 Embedding 模型
• 保留语义信息
• 支持语义检索

这一步决定检索质量上限。

3. 向量数据库

用于存储和检索向量数据：

• 支持相似度搜索
• 高效索引
• 可扩展存储

常见做法是使用专门的向量数据库。

4. 检索模块

根据用户问题：

• 向量化查询
• 找到最相关内容
• 返回 Top-K 结果

这是 RAG 的“信息入口”。

5. 生成模块

将检索结果与问题一起输入大模型：

• 构建 Prompt
• 引导模型基于资料回答
• 控制生成范围

生成阶段决定最终体验。

四、从 0 到 1 搭建 RAG 系统

下面给出一个通用落地路线。

第一步：确定应用场景

先明确目标：

• 客服问答
• 企业知识库
• 文档助手
• 智能搜索

场景不同，设计重点不同。

第二步：准备数据

数据来源可以包括：

• PDF 文档
• 网页资料
• 内部知识库
• 产品文档

建议优先保证数据质量，而非数量。

第三步：文本切分策略

常见方法：

• 按段落切分
• 固定长度切分
• 语义切分

合理切分可显著提升检索效果。

第四步：生成向量并入库

流程包括：

• 选择 Embedding 模型
• 批量生成向量
• 存入向量数据库

这是 RAG 的核心基础设施。

第五步：构建检索逻辑

关键参数包括：

• Top-K 数量
• 相似度阈值
• 混合检索策略

需要通过测试不断调整。

第六步：设计 Prompt

常见模板：

• 指定仅基于提供资料回答
• 要求引用来源
• 限制自由发挥

Prompt 设计直接影响稳定性。

五、一个典型 RAG 流程示例

以“企业知识问答”为例：

用户提问
   ↓
问题向量化
   ↓
向量数据库检索
   ↓
返回相关文档片段
   ↓
构建 Prompt
   ↓
大模型生成回答

这一流程已被广泛用于：

• 企业知识助手
• 客服机器人
• 文档问答系统

六、常见问题与优化经验

1. 检索不准怎么办？

优先检查：

• 文本切分是否合理
• Embedding 模型是否匹配领域
• 是否存在噪声数据

2. 幻觉仍然存在？

可能原因：

• 检索内容相关度低
• Prompt 约束不足
• 返回文档过少

3. 如何进一步提升效果？

常见优化方向：

• 重排序（Rerank）
• 混合检索（关键词 + 向量）
• 查询改写
• 多轮检索

成熟系统往往结合多种优化手段。

七、总结

RAG 并不是让大模型变得更聪明，而是让大模型​获得可靠的信息来源​。

从 0 到 1 构建 RAG 系统，核心在于：

1️⃣ 高质量数据
2️⃣ 合理检索策略
3️⃣ 清晰 Prompt 约束

当这三点做到位，RAG 系统即可在真实业务中发挥稳定价值。

可以说：

RAG 是连接大模型与真实世界知识的重要桥梁。

参考文献

1. 中国信息通信研究院：《生成式人工智能应用发展报告》
2. 中国信通院人工智能研究中心：《大模型技术与产业发展白皮书》
3. 百度智能云：《知识增强大模型技术实践》
4. 阿里云研究中心：《大模型 RAG 应用架构实践》
5. 腾讯云开发者社区：《基于向量检索的知识问答系统实践》
6. CSDN 技术社区：《RAG 检索增强生成技术实战》

这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实打weibo.com/ttarticle/p/show?id=2309405261311327207435 weibo.com/ttarticle/p/show?id=2309405261311645974624 weibo.com/ttarticle/p/show?id=2309405261312069861596 weibo.com/ttarticle/p/show?id=2309405261312388628681 weibo.com/ttarticle/p/show?id=2309405261312707395718 weibo.com/ttarticle/p/show?id=2309405261313026162825 weibo.com/ttarticle/p/show?id=2309405261313349124124 weibo.com/ttarticle/p/show?id=2309405261313759903863 weibo.com/ttarticle/p/show?id=2309405261314078933118 实

印度作为全球增长最快的主要经济体之一，其证券交易所（NSE 和 BSE）吸引了大量国际量化交易者和金融科技开发者。通过 StockTV API，您仅需使用 countryId=14 即可轻松调取涵盖 Nifty 50 指数、数千只个股以及 IPO 日历在内的全维度金融数据。

一、 核心接入参数

在进行任何 API 调用前，请确保您已准备好以下基础配置：

• 国家 ID (countryId): 14。
• 交易所 ID (exchangeId): 46 代表印度国家证券交易所 (NSE)，74 代表孟买证券交易所 (BSE)。
• 身份验证: 需在所有请求中携带 key 参数。

二、 核心接口说明

1. 印度股票市场列表

获取印度市场所有股票的实时行情快照，包括最新价、涨跌幅、成交量等核心指标。

• 接口地址: https://api.stocktv.top/stock/stocks
• 请求示例: ?countryId=14&pageSize=10&page=1&key=YOUR_KEY
• 关键返回字段:
• last: 最新成交价。
• chgPct: 实时涨跌幅（直接拼接 % 即可展示）。
• technicalDay: 日线技术指标建议（如 strong_buy）。

2. 实时指数获取（如 Nifty 50）

监控印度大盘走势的必备接口。

• 接口地址: https://api.stocktv.top/stock/indices
• 请求参数: countryId=14&key=YOUR_KEY
• 示例: 返回 Nifty 50 (NSEI) 指数的最高、最低、涨跌额及毫秒级时间戳。

3. 实时 K 线图表

支持从 1 分钟到 1 月的多种时间频率，满足图表渲染和量化策略需求。

• 接口地址: https://api.stocktv.top/stock/kline
• 参数配置: pid={产品ID}&interval=PT1H（获取 1 小时 K 线）。
• 间隔选项: PT1M (1分), PT15M (15分), PT1H (1时), P1D (天) 等。

4. 印度股市排行榜（涨跌监控）

实时获取市场异动个股，支持涨幅榜和跌幅榜。

• 接口地址: https://api.stocktv.top/stock/updownList
• 请求参数: countryId=14&type=1（type=1 涨幅榜，type=2 跌幅榜）。

5. 印度 IPO 与新股日历

监控印度市场即将上市或已上市的新股动向。

• 接口地址: https://api.stocktv.top/stock/getIpo
• 参数示例: countryId=14&type=1（1 为未上市，2 为已上市）。

三、 深度数据：公司信息与基本面

除了价格跳动，API 还提供了丰富的静态数据：

• 公司信息: 调用 https://api.stocktv.top/stock/companies?countryId=14 获取印度公司的行业 (Industry)、板块 (Sector)、员工人数及公司详细描述。

四、 快速上手：Python 接入示例

import requests

def get_indian_market_top_stocks():
    url = "https://api.stocktv.top/stock/stocks"
    params = {
        "countryId": "14", # 印度
        "pageSize": "5",
        "key": "YOUR_API_KEY" # 替换为您的 Key
    }
    
    response = requests.get(url, params=params)
    data = response.json()
    
    if data['code'] == 200:
        for stock in data['data']['records']:
            print(f"代码: {stock['symbol']} | 名称: {stock['name']} | 现价: {stock['last']}")
    else:
        print("请求失败:", data['message'])

get_indian_market_top_stocks()

五、 实时性保障方案

StockTV 提供两种数据分发模式，满足不同对延迟敏感的场景：

1. HTTP 模式: 适合列表展示和基础行情查询，开发成本极低。
2. WebSocket (WS) 模式: 适合交易终端。服务器在价格变动瞬间主动推送，延迟可达毫秒级，是开发高频监控应用的首选。