2026年3月

前言

OpenClaw 是一款开源的 AI Agent 工具,但对第一次接触的用户来说,完整跑通流程并不直观。本文以 Linux 环境为例,详细记录了 OpenClaw 的安装、初始化流程、模型选择、TUI 使用方式,以及 TUI 与 Web UI 认证不一致导致的常见问题与解决方法,帮助你最快速度把 OpenClaw 真正跑起来

环境准备

1)安装nodejs

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs
> node --version
v22.22.0

2)安装openclaw

npm install -g openclaw@latest
> openclaw --version
2026.2.25

初始化openclaw

openclaw onboard --install-daemon
  • 为了快速跑起来,先选择QuickStart

    watermarked-openclaw_1.jpg

  • 选择模型提供商,为了快速测试,这里直接选择Qwen方便快速跑通流程

    watermarked-openclaw_2.jpg

  • 选择完成之后,会在浏览器弹出登陆页面

    watermarked-openclaw_3.jpg

  • 有为老哥提出疑问:为什么没有支付宝或者手机之类的登陆方式呢?因为openclaw 作为一个开源工具,其默认的 Qwen 配置(qwen-portal)通常指向国际版 API,国际版显然没有支付宝、国内手机号直接登录等登陆方式,取而代之的是Google 账号、GitHub 账号等,如果没有账号,注册一个账号即可
  • 选择Qwen也是因为门槛地,快速上手,国际版往往提供针对开发者的免费试用额度(如每天 2000 次请求)
  • 后面可以换模型供应商,所以当前的目标是快速搭建并且跑通流程,所以选择Qwen。继续...
  • 完成登陆之后回到控制台,选择具体模型,选择默认的即可

    watermarked-openclaw_4.jpg

  • 下一步,选择渠道,这里先跳过,因为这一步后面会详细描述,这里的目标还是先完成安装并且跑通

    watermarked-openclaw_5.jpg

  • 选择是否配置skills,是

    watermarked-openclaw_6.jpg

  • 同样,先跳过,后面再来配置

    watermarked-openclaw_7.jpg

  • 下面的全选否

    watermarked-openclaw_8.jpg

  • Set GOOGLE_PLACES_API_KEY for goplaces,是否要选择Google Places API 来查询现实世界中的地点信息(比如电影院、餐馆等),首先是不能使用google服务,并且不在我们本文的流程中,暂时不需要,选否
  • Set GEMINI_API_KEY for nano-banana-pro,询问你是否要为名为 nano-banana-pro 设置 Google Gemini API 密钥,问题还是不能使用google的服务,选否。至于nano-banana-pro是什么东西,我也不知道...
  • Set NOTION_API_KEY for notion?,配置notion的使用权限,notion是什么?Notion 是一款集笔记、文档、任务管理、数据库和协作于一体的“超级办公室”软件。用不上,选否
  • Set ELEVENLABS_API_KEY for sag?,让openclaw说话,而不是只有文字交流,而说话的能力正是ElevenLabs赋予的,它提供的服务是目前行业内领先的文本转语音(Text-to-Speech, TTS)平台。其生成的语音非常自然、富有情感,听起来几乎和真人一样。不在当前流程,先选否
  • 下一步询问你是否要启用 Hooks(钩子/插件),选择session-memory,让 AI “记住”之前的对话内容或项目上下文,即使你关闭了终端再重新打开,它也能延续之前的话题

    watermarked-openclaw_9.jpg

  • 到此基本配置已经结束,下一步问你怎么孵化小机器人,直接选择推荐的方式,使用tui(terminal ui)完成最后一步

    watermarked-openclaw_10.jpg

  • 这是终结者要来了吗?斯瓦辛格从天而将,并且bgm:”洞洞咚,懂冻,洞洞咚,懂洞咚“

    watermarked-openclaw_11.jpg

斯瓦辛格能不能说中文阿?

watermarked-openclaw_12.jpg

  • 能说中文啊,那就更简单了,现在需要告诉配置初始化一下这个机器人,就像星级穿越里面,男主重新配置TAS一样

    watermarked-openclaw_13.jpg

  • 配置完成,回归测试一下

    watermarked-openclaw_14.jpg

安装完成

页面配置

watermarked-openclaw_15.jpg

为什么tui配置成功了,在webui却一直报错,因为tui和webui使用的是两套完全独立的认证系统

需要把token给应用在页面上就可以了

1)获取token

> cat ~/.openclaw/openclaw.json | grep -o '"token": "[^"]*"'
"token": "7da3f004ff2a1e700f229a87fb5ea12c150b37d58199295f"

2)将参数补充在页面上,token=7da3f004ff2a1e700f229a87fb5ea12c150b37d58199295f

watermarked-openclaw_16.jpg

注:如果访问http://127.0.0.1:18789/会有自动跳转,那使用&将参数补充在后面即可

页面也正常了,并且把之前在控制台的聊天记录也同步过来了

总结

本文在linux下实现了安装openclaw,并且完成了基本流程的搭建,至于后面发掘openclaw的更多功能,敬请期待

联系我

  • 联系我,做深入的交流

 title=


至此,本文结束
在下才疏学浅,有撒汤漏水的,请各位不吝赐教...

在数据集成进入常态化运行后,Apache SeaTunnel 的升级往往不是“想升就升”。版本兼容、配置变更、插件调整,任何一步疏忽都可能影响生产任务。本文结合实际经验,梳理一份可落地的 SeaTunnel 2.x 升级指南,帮你把风险降到最低。

1. 升级前准备

1.1 环境检查

  • JDK 版本:确认新版本 SeaTunnel 支持的 JDK 版本(通常推荐 JDK 8 或 JDK 11)。
  • 依赖组件:检查 Hadoop、Spark、Flink 等依赖组件的版本兼容性。

1.2 备份(至关重要)

在开始升级之前,必须备份您现有的 SeaTunnel 安装目录和数据。

建议备份内容:

  • 安装目录:整个 SeaTunnel 安装包目录。
  • 配置文件 (config/):

    • seatunnel.yaml / seatunnel-env.sh
    • hazelcast.yaml (SeaTunnel Engine 配置文件)
    • log4j2.properties (日志配置)
  • Connector 和插件 (connectors/, plugins/):已下载的第三方 JAR 包。
  • 脚本 (bin/):如果有自定义修改过的启动脚本。
  • Checkpoint 数据:如果您启用了 Checkpoint,建议在升级前先停止任务,并手动触发一次 Savepoint 作为备份。但需要特别注意,2.3.12 之前版本生成的 Checkpoint/State 数据与新版本不兼容。
    因此,升级后如使用 -r 参数尝试从旧 Checkpoint 恢复,可能会直接启动失败。通常建议在升级完成后从零重新启动任务;如确有需要,可尝试基于 Savepoint 恢复,但不保证一定成功。

备份命令示例

# 假设 SeaTunnel 安装在 /opt/seatunnel
# 1. 备份配置文件
cp -r /opt/seatunnel/config /opt/seatunnel/config_backup_$(date +%Y%m%d)

# 2. 或者备份整个目录(推荐)
tar -zcvf seatunnel_backup_$(date +%Y%m%d).tar.gz /opt/seatunnel

2. 下载新版本

2.1 获取新版本

# 示例:下载 2.3.x 版本
wget https://archive.apache.org/dist/seatunnel/2.3.x/apache-seatunnel-2.3.x-bin.tar.gz
tar -zxvf apache-seatunnel-2.3.x-bin.tar.gz

3. 迁移与配置

3.1 配置文件迁移

不要直接覆盖新版本的配置文件。建议使用 diff 工具对比新旧配置文件,将您的自定义配置迁移到新文件中。

  • seatunnel.yaml: 检查 JVM 内存设置 (jvm_options)、类加载路径等。
  • hazelcast.yaml: 检查网络配置 (network)、集群名称 (cluster-name) 等。确保新旧版本的集群通信端口不冲突(如果同时运行)。

3.2 依赖库迁移

将旧版本 lib/ 目录下手动添加的第三方 JAR 包(如 JDBC 驱动、Hadoop 依赖等)复制到新版本的 lib/ 目录。
注意:检查这些 JAR 包是否与新版本 SeaTunnel 冲突。

4. Connector 与插件升级

自 SeaTunnel 2.3.0 起,Connector 与引擎解耦。

4.1 安装新版 Connector

使用源码包中提供的脚本安装所需 Connector:

cd apache-seatunnel-2.3.x
# 查看支持的插件
sh bin/install-plugin.sh --help
# 安装指定插件
sh bin/install-plugin.sh connector-cdc-mysql,connector-console

或者手动从 Maven Central 下载对应的 JAR 包到 connectors/seatunnel 目录。

4.2 兼容性检查

务必检查 Connector 的版本兼容性矩阵。

JDBC / StarRocks / Doris 等 Connector
大多数情况下,V2 Connector API 保持向后兼容。但请务必检查:

  • Driver 版本:新版 Connector 可能依赖更新的 JDBC Driver。
  • 数据库版本:确认 Connector 文档中声明支持的数据库版本范围。
  • 配置项变更:查看 Release Notes 确认是否有废弃的配置项。

CDC Connector (MySQL / Postgres / Oracle 等)
CDC 组件对数据库事务日志格式非常敏感。升级前请:

  1. 确认新版 CDC Connector 支持您的数据库版本。
  2. 注意是否需要更新服务端插件(如 Oracle LogMiner 配置或 Postgres 的 wal2json/decoderbufs)。

Paimon Connector 兼容性示例
Paimon、Iceberg、Hudi 等数据湖组件由于深度依赖特定的文件格式和 API,因此对版本要求非常严格。

SeaTunnel VersionPaimon Version
2.3.2 - 2.3.30.4-SNAPSHOT
2.3.40.6-SNAPSHOT
2.3.5 - 2.3.110.7.0-incubating
2.3.12 - 2.3.131.1.1

Iceberg Connector
最新版本的 SeaTunnel 通常支持较新的 Iceberg 版本(如 1.6.1+)。

常用组件兼容性参考

对于 Hadoop、Hive 等基础设施组件,SeaTunnel 提供了较广泛的兼容性,但仍需注意以下依赖关系:

组件兼容性说明
Hadoop支持 Hadoop 2.x 和 3.x。对于 OSS/OBS 等对象存储连接器,通常要求 Hadoop 2.9+。
Hive依赖用户提供的 JDBC Driver。需确保 $SEATUNNEL_HOME/lib 下的 jar 包与 Hive 服务端版本匹配。
Spark作为引擎使用时,支持 Spark 2.4.x 和 Spark 3.x(具体取决于编译时的 profile)。
Flink作为引擎使用时,支持 Flink 1.14.x - 1.18.x(不同 SeaTunnel 版本支持范围略有不同)。

5. 服务重启

5.1 停止旧服务

在停止服务前,请执行以下检查清单:

  1. 确认运行中任务:检查是否有正在运行的关键任务。

    • 使用 ./bin/seatunnel.sh -l (Zeta 引擎) 查看运行任务列表。
  2. 优雅停止:尽量使用 savepoint 停止任务(如果计划恢复),或等待批处理任务完成。

    • 停止所有 SeaTunnel Server 节点(如果是集群模式)。
  3. 元数据备份:如果使用了外部元数据存储(如 JDBC 用于存储状态),请备份相关数据库表。

停止命令

# 在所有节点执行
sh bin/stop-seatunnel-cluster.sh

5.2 更新环境变量

升级完成后,需要确保系统环境变量已指向新版本目录,否则可能仍然调用旧版本程序。

  1. 更新 SEATUNNEL_HOME

如果使用独立安装目录(推荐新旧版本并存方式),请修改环境变量:

# 编辑环境变量文件
vim ~/.bashrc
# 或
vim /etc/profile

更新为新版本路径:

export SEATUNNEL_HOME=/opt/apache-seatunnel-2.3.x
export PATH=$SEATUNNEL_HOME/bin:$PATH

使其生效:

source ~/.bashrc
# 或
source /etc/profile

验证是否已切换成功:

which seatunnel.sh
echo $SEATUNNEL_HOME

确认输出路径为新版本目录

  1. 检查 Java 与引擎环境

如果新版本对 Java 或引擎版本有要求,请确认:

java -version
echo $JAVA_HOME
echo $SPARK_HOME
echo $FLINK_HOME

如有必要同步更新:

export JAVA_HOME=/path/to/jdk11
  1. 集群节点一致性检查

在集群模式下,必须确保:

  • 所有节点的 SEATUNNEL_HOME 指向相同版本
  • 所有节点的 JAVA_HOME 版本一致
  • 所有节点的 PATH 配置一致

可以在每个节点执行:

echo $SEATUNNEL_HOME

避免出现“部分节点已升级、部分节点仍为旧版本”的情况。

5.3 启动新服务

# 在所有节点执行
sh bin/start-seatunnel-cluster.sh -d

6. 验证与回滚

6.1 验证

运行一个简单的测试任务(如 fake source 到 console sink)验证核心功能。

sh bin/seatunnel.sh --config config/v2.batch.config.template -e local

检查日志 logs/seatunnel-engine-server.loglogs/seatunnel-engine-client.log 确保无异常。

6.2 回滚方案

如果升级失败或发现严重 Bug:

  1. 停止新版本服务。
  2. 恢复旧版本安装目录(使用之前的备份)。
  3. 启动旧版本服务。
  4. 验证旧版本服务是否正常。

7. 常见问题与注意事项

7.1 集群升级策略

Zeta 引擎不支持滚动升级(Rolling Upgrade)。
由于不同版本的节点间可能存在通信协议或序列化格式的不兼容,严禁在混合版本的情况下运行集群。

  • 正确做法:停止所有旧版本节点 -> 升级所有节点 -> 启动所有新版本节点。

7.2 环境变量检查与修正

如果升级后出现异常(如启动脚本仍指向旧版本、命令版本不一致等),请重点排查:

  1. 是否存在多个 SEATUNNEL_HOME 定义(如 .bashrc/etc/profile 同时配置)。
  2. 是否存在旧版本路径仍残留在 PATH 中。
  3. 是否通过软链接(symbolic link)管理版本切换但未更新链接指向。

建议执行:

echo $PATH | tr ':' '\n' | grep seatunnel

确认仅包含新版本路径。

如使用软链接管理版本:

ln -sfn /opt/apache-seatunnel-2.3.x /opt/seatunnel

确保所有脚本与服务统一指向当前版本。

7.3 常见报错排查

  • ClassNotFoundException / NoClassDefFoundError:

    • 检查是否忘记将旧版本的第三方 JAR 包(如 JDBC Driver)迁移到新版本的 lib 目录。
    • 检查 plugin_config 是否配置了正确的 Connector 名称。
  • IncompatibleClassChangeError / NoSuchMethodError:

    • 通常是依赖冲突导致。检查 lib 目录下是否有重复的 JAR 包(例如同时存在 guava-27.jarguava-30.jar)。

【USparkle专栏】如果你深怀绝技,爱“搞点研究”,乐于分享也博采众长,我们期待你的加入,让智慧的火花碰撞交织,让知识的传递生生不息!


一、前言与简述

1. 前言
“最终效果可见文尾”。

此篇文章主要是记录开发过程中的一些细节与踩坑,基础动画框架是复刻的ALS,技术方案来自刺客信条基于预测的FootIK。

自己实现过程中也参考了其他大佬的文章(链接放末尾),实现的方法可能存在很多问题,写法也不是很优雅。文章中一些步骤为制作过程记录,也有补录,可能存在顺序或制作内容和正常顺序有差别,有一些细节或者坑可能忘记了,还请见谅。

2. 简述

基于预测的FootIK通过预测角色的落点来计算即将行走的路径,从而通过IK更改脚步和盆骨来适配地形,相较于传统IK会更加灵活(当然也更复杂)。

总体步骤为:

  • 准备脚步数据
  • 预测脚步落点
  • 计算Pelvis数据
  • 计算脚步路径
  • 计算脚步数据
  • 应用数据

二、准备数据与预测

1. 数据准备
在此阶段我们需要在动作中添加一个曲线,通过这个曲线上的时间来告诉我们脚步还有多久会落下,但正如育碧所言:“Absolutely must be automated”,所以我使用的是UE的AnimationModifier来自动的生成曲线,在其中通过对动画信息进行采样,获取当前帧信息。

之后通过获取到的Foot高度(可以更加细致,比如加上脚尖,甚至旋转等)来判断是否为关键点,如果是就记录下来。这里我还开放了FootName和Height的阈值作为参数。

这里获取脚步位置没有直接的函数,需要GetAnimPosAtTime之后去GetBonePose获取,然后根据获取到的脚步落下与脚步抬起关键点来连成曲线。

这里找到落点其实很简单,但生成曲线还比较麻烦,要注意开始点和结束点的连贯,以及曲线应该改成线性。最后就可以得到自动生成的曲线。

2. 脚步预测
在开始之前我创了一个结构体,往里加入很多参数避免之后修改一次就要改函数输入,又要加一堆参数。

在PreDictFootLocation中,思路是通过我们之前生成的脚步落地曲线以及角色的移动速度来获取落点(除去黑框的内容)。

而其中黑框主要是来解决脚步相对位置的问题。

如果你只是一个动作,可以直接写死相对位置,但如果要应用到游戏中的各个动作,它的脚步相对位置会有差距,这个时候我最先想的是:那我实时计算脚步的位置不就好了?

但脚步会有在后面和在前面,比如落脚的时候不会跟随角色移动,如果用实时位置,那么预测的位置必定很不准确。所以我采取的做法是在落地时记录相对位置,然后用黑框中进行计算。

视频

而这其中的脚步落下是通过一个参数记录上一帧脚步是否落下,如果上一帧落下则更新,同理也可以得到脚步抬起时刻来获取信息。

例如在脚落下时记录脚相对位置,脚步开始位置设为当前脚步位置,上一次的结束位置等。这就是脚步开始位置,而结束位置是通过我们的BoxTrace实时得到的。

这里其实还有个小问题,就是预测的落点会有误差。在移动的时候会逐渐非常缓慢向角色靠近(可看下方视频慢放时)。这个虽然影响不大,但在脚步离台子非常近的时候会有抖动,目前这个问题找了动作、曲线、角色都没找到原因。就先不管了,最后画一画DebugShape就可以得到如下效果:

视频

三、计算Pelvis数据

1. Pelvis起始点与终点
来到Pelvis的计算,首先要获取两脚间的起始点位置(绿线)作为Pelvis计算的起始点和终止点:

这个开始点和结束点的切换是在脚步交错时进行,所以我就直接根据脚步的Y值谁更靠前来决定,当和上一帧不同时则为切换,这个时候更新双脚位置。

注意结束点要在脚落地时一直更新,因为我们之前提到了会有误差,那个落点会一点点向角色靠近,如果只取那一帧的会对不上,所以在脚落地时Pelvis的落点也要一直更新。

这里有些动作会在短时间内交叉两次(比如ALS的冲刺)导致错误,所以还需要对切换加上一个很小的冷却时间,这个时候我们就可以得到下面视频的绿色曲线:

视频

可以看到,我们在上下坡时Pelvis会随着碰撞体一直运动,但我们的预期是在上坡落脚时上升,和在下坡时边下坡边下降,所以首先要固定住Pelvis,之后再去加位移。

2. 上下坡
这里固定Pelvis我之前尝试过使用PelvisOffset‌去做,但是不知道是不是因为更新时机或顺序的问题,会延迟一帧,导致强烈抖动。

所以我最后采取的做法是直接Set角色保持Mesh的高度一直在StartPos处(黑框后面会说)。

此时就可以得到如下效果,可以看到我们角色是一直和开始点保持同样高度:

视频

之后就是处理我们的上坡和下坡的逻辑(平地可视为上坡下坡)来计算Pelvis Addtive Offset Target。

上坡是要落地后采样,并且在结束后Mesh会抬升到新的开始点,所以Addtive要变为0,不然会在原有基础再高一截。而且下坡则是要在没有落地时采样落地,因为脚步落地后,脚步可能还未交叉,开始点还未更新,所以要保持Addtive未最后一个点,不然在交叉腿时会抖。

现在我们知道了怎么计算,但是如何采样呢?这里提前计算了StartFootRate和EndFootRate(Rate这里我代指比例)。

之前尝试过用曲线值来采样,但是一直不准确,还有些其他问题就没用曲线。

先说EndFoot,它是用在下坡时采样。在脚步交错时,EndFoot其实已经抬起后运动了一段距离(下图左脚),通过记录交错时脚步到交错时脚步位置和到最后点位置(XY方向上的长度)的比例来设置。

对于StartFootRate则比较简单,因为交错时StartFoot是落地的,所以直接看到StartPos的距离和End的距离即可。

最后将Mesh偏移哪里的Addtive加上去,就有下面的效果:

视频

四、计算Foot路径数据

1. FootPath
计算过程很简单,就是从一直脚的开始和结束点作为初始点。

从开始到结束和结束到开始分别打射线,在检测到碰撞后再从顶上向下打BoxTrace找到碰撞点,这个时候把两个新的点作为下一次的开始点和结束点,直接没有发生碰撞,或者达到迭代次数上限,最后将所有点数依次组合起来 从开始点到结束点放进数组中。

得到这些点后,我们还需要准备一个数据,用于之后采样。

我们还需要知道脚步到何时需要这个点,此处曾尝试过预测曲线,但不精准有问题,最后采用的还是和上面Pelvis采样相同方法。

通过记录每个点到开始点的距离比例,记录下来,这样开始点是0,结束点是1,中间点介于0-1,最后就得到了FootPath记录点位世界坐标的数组和一个Foot Curve Vars的数组。

2. FootPath采样
计算完上述之后,我们需要知道角色当前取哪个点。

首先要确定角色的脚步位于哪两个路径点之间,就需要根据角色脚步到这一段路径的起始点和终点的距离比例来插值获取位置信息。

可以看到下图中白色小球就是我们采样的位置:

视频

五、应用Foot与更正IK问题

1. Foot
计对于Foot我们仍然要从脚当前位置向上和向下去打一条射线,通过碰撞点得到Trace的脚步位置。

将这个Trace的位置和我们的当前路径采样位置做比较,取更高的那一个,这样就能保证脚步不穿墙。

得到IK位置之后就需要计算偏移,这里要和地面的距离来算而不是脚步位置,否则脚步的动画运动细节会被IK覆盖掉。

最后对位置和旋转平滑一下即可,这个时候如果你运行起来,可以看到平地是基本正常,但上下坡你会发现很奇怪:

视频

所以我们需要在之后进行Pelvis的更正。

2. Pelvis更正
上坡时脚被压着很难受,是因为我们的Pelvis目前严格跟随我们的预测落点,所以在上坡时脚开始抬升前,它的高度并不会动(甚至坡度很抖会穿进去)。

所以我们需要给它一些额外的高度。

我采取的策略是让其不低于最低脚的偏移,这样上坡时就会正常。但是,如果当运动速度比较快,前脚抬的比较高也会有诡异情况,所以我们的Pelvis还要根据前脚的角度来进行一定的偏移,但是如果根据更高的脚来进行,对平地和下坡有一定影响,所以要进行一些处理。

3. 其他脚步问题修复
你以为这样就完美了吗?NO!NO!NO!

当你运行起来,你会看到如下现象:

这Twist怎么又坏掉了?

点开骨骼一看:

原来是我们之前将Mesh下拉,Root也下来了,身体部分随着Pelvis恢复正常,但Root并不会动,导致Knee出现问题,所以此时要对Knee也额外加上脚步的偏移。

这个时候基本就已经完成:

视频

六、融合其他运动状态

1. 不同状态的融合
这个PredictIK在奔跑走路时表现良好,但是如果你加上跳跃、停止等就会出现不可预料的问题。同时在角色刚刚起步时预测IK有些数据没有完全更新,其实是有些问题的,所以我选择在停步时候选择常规IK,而在空中取消IK。

此时你如果尝试着跑一跑,你就会发现下列问题:

视频

2. 奇怪的抖动
这里的抖动除了视频中跳跃之后的抖动,也有刚刚Play移动时候的抖动。

对于空中的抖动是因为在空中落地后是普通IK,没有更新Predict的FootLocation,导致它刚刚进入PredictFootIK时候脚步点还在起跳的地方,就会抖。

所以我的做法是在普通IK的时候也计算更新Foot的Locaton(就是文章开始的第二部分中的预测脚步),同时,如果是在上坡时起跳,会出现人物掉到了墙里,这是因为我们位移了Mesh,所以在切回去的时候没有Offset了,但Mesh位置没还原就会这样,所以在Reset要还原一下Mesh位置,但需要来个插值,不然会瞬移。

同时为了解决开始的抖动,还要Reset一下Pelvis的前后脚位置到Actor的位置(其实不准确,但用下来感觉没影响)。

3. 无法站立
在走到悬崖边缘时,可能出现两个脚的预测都没打到点,或者单脚会出现问题:

对于这个首先要在PredictFoot的时候,如果没预测到,就不要执行PredictFootIK,切回普通IK。但直接切回去会有些问题,还要重置一下IKOffsets。

4. 细节补充
相机我是把Z轴Lag调慢,抖动好很多。

七、待解决问题和最终效果

1. 最终效果
虽然还存在很多问题,但最终效果还是不错的:

视频

更新:在下楼梯时由于射线检测的高度没有设置够,会有时检测不到从而不触发PredictIK(演示视频中存在这个问题),可以通过增高范围解决,但是不宜过大。

2. 待改进问题
A. 对于上不去的坡,Pelvis虽然是落地才抬升,但是脚步会有一个最低的高度(我们预测的路径) 就会有奇怪现象。

这个问题想了一下要解决又要多出很多情况,是否考虑游戏中用一个自动跨上或者攀爬来解决?(有待商榷)

B. 在运动过程中也有很小的概率会脚乱飞,累了不想修了,毕竟小概率。

C. 预测脚步的落点有误差(前面提到过),所以脚步落在边缘是因为如果由于误差缩下来或者缩上去了会有一些抖动。

D. 在上下坡时,脚步切换过程中,起始点会变,所以Mesh高度会变。为了避免跳变我们是有个平滑,但是这个平滑会造成脚步有轻微的浮空,不慢放基本看不出来,就不管了。

参考文章:

Fitting the World: A Biomechanical Approach to Foot IK

《刺客信条》基于预测的FootIK方案分析与UE4实现

UE4实现基于预测的FootIK


这是侑虎科技第1952篇文章,感谢作者Shadow供稿。欢迎转发分享,未经作者授权请勿转载。如果您有任何独到的见解或者发现也欢迎联系我们,一起探讨。(QQ群:793972859)

作者主页:https://www.zhihu.com/people/shadow-21-71-4

再次感谢Shadow的分享,如果您有任何独到的见解或者发现也欢迎联系我们,一起探讨。(QQ群:793972859)

最近自己折腾了一个小项目:一个影视信息聚合网站(电影资料、评分、预告片、影评),技术栈比较简单:Vue + Nuxt 前端,Node/Python 后端。

在开发过程中遇到几个问题,想请教大家:

1️⃣ 版权风险

直接提供在线播放的视频内容会触碰版权红线;

有人提到所谓的 “DMCA ignore 服务器”,短期可能降低被封概率,但版权责任仍在网站运营者自己。

2️⃣ 流量获取

做了基础 SEO 、RSS Feed ,也尝试在 Reddit/Quora 回答问题带一点链接,但效果有限。

个人开发者,有没有低成本、长期有效的引流经验?

3️⃣ 咨询/经验分享
我准备把这些经验整理成一个 影视网站开发&运营咨询站,分享版权合规、SEO 、引流、运营策略等,让新手少踩坑。

如果有做过类似项目或者有经验的朋友,欢迎交流思路,也希望大家分享一些实战经验。

网站地址:cine.pictools.live

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=2309405273078698999902 weibo.com/ttarticle/p/show?id=2309405273079017766992 weibo.com/ttarticle/p/show?id=2309405273079340728558 weibo.com/ttarticle/p/show?id=2309405273079659495676 weibo.com/ttarticle/p/show?id=2309405273079986389064 weibo.com/ttarticle/p/show?id=2309405273080309612697 打实

在白裙上安装好了 synology chat server,

手机上也安装了 app ,mac 上也安装了,但是 mac 版和 ios 版都收不到通知,只有打开这个 app 刷新能看到最新消息。

求助一下群里的大佬

一、我们真的把神策数据迁进来了
仅需要1个开发、几天时间,就能把多年神策数据完整迁进了ClkLog,并且还能继续分析。

很多团队在考虑更换埋点分析系统时,都会卡在同一个问题上:
历史数据怎么办?能不能导出来?导过来之后,还能不能继续用?
这一次,我们给出了一个确认的答案:可以

二、一次成功的数据迁移:5天迁完3年数据,零丢失
前段时间,我们帮一家已经使用主流埋点分析系统(神策)3 年多的用户,完成了一次完整的数据迁移。
全程通过ClkLog数据迁移工具,将用户原系统的历史数据完整迁移到ClkLog中,并实现了迁移后数据的正常分析使用。

迁移实施场景如下:

  • 1 个开发
  • 5 天时间(实际工作量可能会有偏差)
  • 3 年历史数据
  • 数据量:804万事件数据、381万用户数据
  • 迁移后可在ClkLog 中直接查询、做分析、跑模型、继续服务业务

通过本次迁移案例,我们可以相信,使用ClkLog数据迁移工具可以快速、稳定、安全的完成神策历史数据迁移,且确保数据可以继续使用。

三、为什么用户一定要迁移?
在最初沟通中,用户的需求其实非常明确:

  • 已经使用成熟的用户行为分析产品多年
  • 数据量大,事件和用户标签体系完善
  • 需要重新评估分析系统的架构、部署方式和成本
  • 新系统是否支持数据迁移,成为重要选型条件之一

一旦换系统就清空历史数据,是不可接受的。

四、数据迁移的难点不是“导数据”,而是“导完还能分析”
很多人以为数据迁移是:“导出 → 导入”,但在用户行为分析里,真正的难点在于:

  • 事件模型差异:
    不同系统的事件结构、属性体系、用户标识规则不统一,需要先对齐。
  • 用户ID还原:
    ID不匹配会导致留存、漏斗、行为链路完全失真。
  • 分析能力保持一致:
    迁移后的数据必须能继续支持常用分析模型,保证结果不偏差。

如果这些问题处理不好,数据虽然迁过来了,但已经无法支撑业务分析

五、我们是如何设计这次迁移方案的?
正是在这次真实迁移过程中,ClkLog 对数据迁移方案进行了系统化设计。
这次迁移实现了:埋点不变、代码不动、分析不断、历史数据可延续
* 原有客户端埋点代码无需修改
只需将数据采集服务地址切换到ClkLog采集服务,即可无缝接入实时数据上报。
* 历史数据可直接在ClkLog平台使用
迁移完成后,运营和产品团队可在ClkLog分析平台直接查询、分析和可视化历史数据,实现新旧系统之间的平滑过渡。

六、这件事意味着什么?
这次迁移,我们验证了一件很关键的能力:
数据不是被“锁死”的,是可以迁移、延续、复用的

对于正在评估替换分析系统的团队来说,这意味着:

  • 不需要从 0 开始
  • 不需要放弃历史数据
  • 不需要重建分析体系

可以“带着过去”,走向新系统

如果你正在考虑替换分析系统,也欢迎来聊聊你的场景,我们可以一起评估迁移方案
后续我们还将继续整理迁移的常见问题,供大家参考


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=2309405273072780837152 weibo.com/ttarticle/p/show?id=2309405273073099341830 weibo.com/ttarticle/p/show?id=2309405273073413914841 weibo.com/ttarticle/p/show?id=2309405273073732944145 weibo.com/ttarticle/p/show?id=2309405273074139529364 weibo.com/ttarticle/p/show?id=2309405273074454364282 weibo.com/ttarticle/p/show?id=2309405273074772869347 weibo.com/ttarticle/p/show?id=2309405273075087704337 weibo.com/ttarticle/p/show?id=2309405273075410403360 打实

在电商运营和社交媒体管理中,很多专业人士都会遇到这样的问题:同一个平台需要管理多个账号,但频繁登录容易被平台封禁或限制功能。这时候,动态代理IP就成为高效、多账号运营的关键工具。本文IPDEEP小编将为大家详细分析如何高效使用动态代理IP,实现多账号管理。
电商、社媒必看:如何高效使用动态代理IP实现多账号管理

一、什么是动态代理IP?

动态代理IP是一类地址会定期自动更换的代理服务。与静态IP不同,每次访问网站时,你可能会使用不同的IP,从而减少被识别为同一用户的风险。

特点:

1.频繁切换:可以快速更换IP,避免封号或限流。

2.高匿名性:隐藏真实IP,保护账号安全。

3.适用广泛:适合电商、社媒运营、广告验证和数据采集等场景。

二、为什么动态代理IP对多账号运营至关重要

在实际运营中,多账号管理常常会遇到以下问题:

1.数据采集受限:如果使用单一IP访问电商平台或社媒,采集量和频率都会受限。

2.账号容易被封禁:平台会检测同一IP的多次登录,异常操作容易触发封号。

通过动态代理IP,每个账号都可以分配不同的IP或定期切换IP,从根本上降低被识别风险,提高账号安全性和操作效率。

三、如何高效使用动态代理IP?

1.选择高质量代理IP服务

稳定性:IP必须可持续使用,避免频繁掉线

切换速度:能够快速切换IP,支持批量操作

覆盖范围:多城市、多运营商节点可以适应不同业务场景。

2.根据业务需求选择IP类型

动态住宅IP:适合社媒管理和电商多账号登录,频繁切换更安全。

移动代理IP:适合需要模拟手机端访问的平台,增加操作自然性。

数据中心IP:适合大规模采集数据或批量任务,但注意平台风控。

3.合理规划使用频繁

不要频繁在短时间内切换IP,模拟自然访问行为

根据平台规则调整登录频率和操作节奏

动态代理IP可以结合自动化切换策略,提高效率又安全。

四、总结

动态代理IP是多账号运营中不可或缺的工具。正确使用高质量的动态代理IP,不仅可以降低封号风险,还能够提高数据采集和操作效率。

核心策略:

选择稳定、覆盖广的代理IP服务

分配独立IP给每个账号

结合浏览器环境隔离

控制访问频率,模拟自然行为

掌握这些方法,电商和社媒运营将更加高效、安全,轻松管理多个账号而不被平台限制。

面试精灵和Offerin在功能丰富度上都做得不错,但如果你仔细用下来,会发现两者的设计思路不太一样。

面试精灵更聚焦核心的面试辅助功能,在关键环节上做深做透;Offerin提供极速模式、精确模式和Coding模式三种选择,想覆盖更多使用场景。

面试精灵操作页面

功能特性对比

根据我们对AI面试助手的全面评测,以下是面试精灵和Offerin的功能特性对比表格:

功能特性面试精灵Offerin
面试助手
笔试助手
简历优化X
模拟面试XX
面试记录/分析
交流社群XX
界面美观度45
操作简单/可访问性43
功能强大44.5
价格(元/小时)10118
性价比4.53.5
免客户端下载
多语言支持
语音识别优化XX
自动说话人识别X
隐蔽模式(多机互联)
简历输入
个人知识库XX
大厂面经库XX
联网搜索X
多种回复模式X
回复结果显示增强

功能模式对比

Offerin的三种模式

  • 极速模式:基于GPT-4,秒级响应,适合需要快速反应的场景。
  • 精确模式:自动联网搜索,确保答案基于事实,避免误导。
  • Coding模式:一键生成代码,专门应对算法题和编程面试。

这种多模式设计看起来很全面,但实际使用时需要根据问题类型手动切换,对面试场景来说可能不够流畅。

面试精灵的专注点

面试精灵没有区分多种模式,而是通过智能判断来适配不同问题。它支持上传简历和职位需求,根据这些信息来定制回复。系统会自动识别问题类型,给出相应的回答结构。

这种方式减少了用户的操作负担,面试时不用去想该用哪个模式,专注回答问题就行。

核心能力对比

语音识别和说话人区分

两款工具在语音识别上都能正常工作,但面试精灵有个独特功能——自动说话人识别。

面试精灵结合声纹识别和大语言模型,自动区分哪些语句来自面试官,哪些是你说的。这个功能在跨设备使用时特别有用,一台设备识别面试官问题并自动回复,隐蔽性更强。

Offerin需要用户自己通过双端协同来处理这个问题,或者手动触发回复,操作上会多一步。

回复个性化程度

这是面试助手最重要的能力之一。从评测结果来看,两款工具的表现差异比较大。

Offerin在简历相关问题上的表现不太理想。实测中,它生成的答案经常出现占位符,比如"请在这里填写你的项目经历",没有真正利用简历信息。

面试精灵在这方面做得更好。它通过RAG技术检索简历内容,能把项目细节、技能要求这些信息自然地融入回答。自我介绍、项目描述这类问题的回答更贴切,也更像求职者自己的语言。

时效性问题

对于"DeepSeek最近很火爆"这类时效性问题,两款工具的处理方式不同。

Offerin支持联网搜索,理论上应该能回答这类问题。但实测中,它的回复质量不稳定,有时检索不到准确信息。

面试精灵同样支持联网搜索,而且在英文术语识别上表现更好。比如"DeepSeek"这个词,很多语音识别工具会识别错误,但面试精灵能较好地纠正,联网后给出正确答案。

界面和显示效果

Offerin的界面美观度不错,整体设计比较精致。

面试精灵的界面也很干净,而且在复杂内容显示上有优势。LaTeX公式、流程图、泳道图、代码块都能完美呈现。这对技术面试很有用,系统设计题的架构图、算法题的代码都能清晰显示。

面试精灵提示词优化

笔试功能对比

两款工具都支持笔试辅助。

Offerin需要安装客户端,然后通过客户端的远程截图功能来协助笔试。它声称有八个AI助手协助破解笔试题,但依赖客户端增加了使用门槛。

面试精灵的笔试助手纯网页操作,通过多设备互联实现远程截图。视觉大模型自动识别题目并生成答案,无需安装任何东西,设置也更简单。

价格对比

价格是很多人会考虑的因素。

Offerin大约118元/小时,是同类产品中价格较高的。

面试精灵基础版约10元/小时,精英版约25元/小时。就算用最高配置,价格也只有Offerin的几分之一。

两款工具都有免费额度,可以先试用再决定。

回复效果实测对比

为了更直观地展示两款工具的回复效果差异,我们来看具体案例。

实测案例:自我介绍问题

问题:"请你先简短做个自我介绍吧。"

这个题目测试的是RAG检索增强生成的个性化回复效果。

面试精灵的回答能够准确引用简历中的具体信息,按照"基础信息-技能-项目-动机与胜任"的结构组织,内容完整且贴切。回复质量评分在内容深度、沟通技巧、准确性、全面性、直观性等维度上都获得了满分。

面试精灵自我介绍问题回复

Offerin在本题中表现不理想,生成的答案经常出现占位符,比如"请在这里填写你的项目经历",没有真正利用简历信息,回复内容空洞。

Offerin自我介绍问题回复

实测案例:时效性问题

问题:"2025年至今发布的最重要的一个AI大模型是啥,请简要说明它的特点和应用场景"

这个题目测试的是联网检索增强回复效果。

面试精灵通过联网搜索,正确找到了2025年上半年最火的大模型Deep Seek,并给出了准确的特点和应用场景说明。

Offerin虽然支持联网搜索,但实测中回复质量不稳定,有时检索不到准确信息,无法正确回答这类时效性问题。

面试精灵时效性问题回复

评测数据对比

以下是两款工具在各评测维度的平均得分对比(满分5分):

评测维度面试精灵Offerin
帮助性4.783.33
语音识别准确率4.444.22
意图识别正确率55
内容深度及个性化4.783
沟通技巧4.674.33
准确性4.782.33
全面性4.783.33
直观性4.894.67

从评测数据可以看出,面试精灵在帮助性、内容深度、准确性等方面有明显优势,特别是在利用简历信息和联网搜索的能力上差距较大。

总结和建议

两款工具在功能完善度上都称得上是同类产品中的佼佼者,但各自的侧重点不同。

如果你喜欢功能细分、操作自定义程度高的工具,Offerin的多种模式可能适合你。不过要注意它的价格相对较高,简历定制化效果一般。

如果你更看重面试过程中的流畅体验和回复质量,面试精灵可能更合适。自动说话人识别减少了操作负担,简历定制化让回答更个性化,价格也更实惠。

从整体评测数据来看,面试精灵在帮助性、内容深度、准确性等方面有明显优势,特别是在利用简历信息和联网搜索的能力上表现突出。结合其高性价比,面试精灵可能是更符合大多数求职者需求的选择。

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=2309405273061325930565 weibo.com/ttarticle/p/show?id=2309405273061632376860 weibo.com/ttarticle/p/show?id=2309405273061934366772 weibo.com/ttarticle/p/show?id=2309405273062240288877 weibo.com/ttarticle/p/show?id=2309405273062542278943 weibo.com/ttarticle/p/show?id=2309405273062852657274 weibo.com/ttarticle/p/show?id=2309405273063163297870 weibo.com/ttarticle/p/show?id=2309405273063465287952 weibo.com/ttarticle/p/show?id=2309405273063771472172 实

2026中国国际音频产业大会(GAS)将于2026年3月25日-26日在上海张江科学会堂盛大召开。

本届大会将以 “声态+AI” 为主题,重构声音产业价值链,共创声学智能新时代。

强势集结的分享阵容

自首批分享阵容公布以来,2026中国国际音频产业大会持续获得产业界与学术界的广泛关注与积极响应。

近日,又有一批头部企业及顶尖高校正式确认参会,为本届大会注入更强大的行业势能与学术厚度。新成员的加入,不仅让本届大会的产业版图更加完整,也进一步强化了产学研深度融合的鲜明特色。

以下为截至2026年2月26日的分享单位名单:

北京声智科技有限公司

北京梧桐车联科技有限责任公司

博音听力技术(上海)有限公司

玻音先创科技股份有限公司

COMSOL 中国

迪拉科技术(上海)有限公司

Fraunhofer-Gesellschaft

Futuresource Consulting

复旦大学

歌尔股份有限公司

GPU Audio

广州趣丸网络科技有限公司

海德声学(上海)科技有限公司

杭州海康威视数字技术股份有限公司

华东理工大学

华为终端有限公司

环旭电子股份有限公司

吉利汽车研究院(宁波)有限公司

江淮汽车技术中心

科大讯飞股份有限公司

科利普技术(广州)有限公司

旷世科技有限公司

岚图汽车科技股份有限公司

楼世电子(上海)有限公司

马栏山音视频实验室

南京大学

奇瑞汽车股份有限公司

瑞声科技控股有限公司

上海大学

上海海思技术有限公司

上海交通大学

上海蔚来汽车有限公司

深圳传音控股股份有限公司

深圳市韶音科技有限公司

深圳市天键智能有限公司

Smart软件科技有限公司

苏州清听声学科技有限公司

索尼中国有限公司

腾讯

Treble Technology

网易云音乐

西安音乐学院

星海音乐学院

长城汽车股份有限公司

中国传媒大学

中国科学院声学研究所

......

以上企业排名无先后,按名字首字母排序

更多演讲名单持续更新中......

全面覆盖的热点议题

融媒体音频

智能眼镜

智能车载音频

音频+AI

智能耳机及辅听技术

线上智能交互

声音与音乐技术

电声元器件及芯片

同期活动,亮点纷呈

标准制定及宣贯

大会将启动行业白皮书相关标准宣贯,以引领行业升级,为企业战略转型与实践提供指南,助力优质企业制胜新赛道、推动行业迈上新台阶。

音频技术快闪

一场专为技术控、开发者、产品经理和发烧友打造的硬核科技派对。

科创评奖

大会再次推出2026年度GAS消费电子科创优秀案例,设立 “技术创新优秀案例”“产品创新优秀案例” 两大权威分项,以表彰创新标杆、推动行业可持续发展。

声学体验

大会现场设有声学技术展示区、互动体验区及整车试听体验区,全方位呈现声学科技的突破,共同探索未来发展方向。

线上直播

GAS 2026全球同步直播,线上线下无缝对接,共同探索音频产业的未来蓝图。

报名通道

重构声音产业价值链,共创声学智能新时代!

——2026中国国际音频产业大会

报名方式1:扫描二维码购票参会

报名方式2:填写报名表,直接转账

您可以持续关注微信公众号(声光界、中国电子音响行业协会),以获取最新的大会信息及优惠策略。

往期精彩回顾

声态+AI |2026中国国际音频产业大会(GAS)今年3月举办

荣誉揭晓!GAS2026消费电子科创优秀案例获选名单正式公布

阅读更多 Voice Agent 学习笔记:了解最懂 AI 语音的头脑都在思考什么

编程面试准备需要充分的技术积累和练习。我们评测了面试精灵和面试通两款AI面试工具,帮助程序员提升面试成功率。

我们最近测试了两款热门的AI面试工具,面试精灵面试通在求职圈都有不错的口碑。这两款工具都能在面试过程中实时识别问题并给出回复,但经过深入对比后发现它们在多个方面存在明显差异。

我们先为大家介绍一下这两款工具的基本情况:面试精灵支持超长上下文处理,主打自动说话人识别和跨设备隐蔽操作功能;而面试通则采用GPT-4o及自研模型,强调双端协同的使用体验。两款工具都无需下载客户端,直接通过网页端即可使用。

面试工具截图

功能特性对比

根据我们对AI面试助手的全面评测,以下是面试精灵和面试通的功能特性对比表格:

功能特性面试精灵面试通
面试助手
笔试助手
简历优化X
模拟面试XX
面试记录/分析
交流社群XX
界面美观度43
操作简单/可访问性44
功能强大44
价格(元/小时)1056
性价比4.54
免客户端下载
多语言支持
语音识别优化XX
自动说话人识别X
隐蔽模式(多机互联)
简历输入
个人知识库X
大厂面经库XX
联网搜索XX
多种回复模式XX
回复结果显示增强X

核心功能对比

面试功能

两款工具都支持面试场景,但实现方式略有不同。

面试通支持腾讯会议、飞书、牛客网、电话面试等多种场景。它通过语音输入标签页自动识别和回复,操作相对直观。双端协同是个亮点,一台设备进行面试,另一台设备接收帮助信息,隐蔽性不错。

面试精灵在多端协同的基础上更进一步,支持自动说话人识别。这意味着系统能自动区分哪些是面试官说的话,哪些是你说的,不需要手动操作。它同样适配所有在线面试场景,隐蔽性更强。面试记录可以长期保存,方便复盘分析。

zhichangdafei分享的面试工具截图

回复效果

这才是面试助手最关键的指标。根据zhichangdafei的实际评测数据显示,两款工具在回复效果方面差异比较明显。

面试通整体表现中规中矩,在常见技术问题、系统设计题上能给出合理的回答。但它的回复模式相对单一,内容深度和个性化程度一般。内置知识更新到2023年,对较新的技术趋势不太了解。

面试精灵在这方面投入更多。它支持上传简历和职位需求,利用这些信息来定制化回复。实测中,面试精灵在简历相关问题上的回答更贴切,能准确引用简历中的项目经历和技能点。对时效性问题,比如2025年新出的AI模型,面试精灵能通过联网搜索给出正确答案,而面试通的知识库无法覆盖这类内容。

笔试助手

两款工具都提供笔试辅助功能。

面试通需要在一台电脑上打开桌面客户端,另一台电脑打开网页端进行远程截图。这种方式要求用户安装客户端,多了个操作步骤。

面试精灵的笔试助手纯网页操作,通过多设备互联实现跨设备远程截图。无需下载安装APP,设置也更简单。视觉大模型自动识别题目并生成答案,隐蔽性不错。

zhichangdafei分享的面试工具截图

价格对比

价格是大家普遍关心的一个重要因素。

面试通的定价约为56元每小时,这个价格在同类AI面试工具中属于中等水平。

面试精灵基础版价格约为10元每小时,若开启精英版功能(如极限大模型、双栏模式等),则约需25元每小时。即使按照最高配置计算,面试精灵的价格仍然比面试通低很多。

两款工具都为新用户提供了免费试用额度,大家可以先体验后再做决定。

界面和操作体验

面试通的界面设计比较朴素,美观度一般。操作逻辑还算清晰,但部分功能入口不够直观。

面试精灵的界面更现代化一些,代码块、公式、图表等复杂内容的显示效果更好。前端页面支持LaTeX公式、流程图、泳道图,对技术岗位的面试者更友好。

回复效果实测对比

为了更直观地展示两款工具的回复效果差异,我们来看一个具体案例。

实测案例:自我介绍问题

问题:"请你先简短做个自我介绍吧。"

这个题目测试的是RAG检索增强生成的个性化回复效果。

面试精灵的回答能够准确引用简历中的具体信息,按照"基础信息-技能-项目-动机与胜任"的结构组织,内容完整且贴切。回复质量评分在内容深度、沟通技巧、准确性、全面性、直观性等维度上都获得了满分。

面试工具截图

面试通在本题中表现一般,虽然能给出基本框架,但对简历信息的利用不够深入,回复内容略显空泛,个性化程度有限。

实测案例:时效性问题

问题:"2025年至今发布的最重要的一个AI大模型是啥,请简要说明它的特点和应用场景"

这个题目测试的是联网检索增强回复效果。

面试精灵通过联网搜索,正确找到了2025年上半年最火的大模型Deep Seek,并给出了准确的特点和应用场景说明。

面试通由于知识库更新滞后(只到2023年),无法回答关于2025年新事物的问题,回复内容过时。

面试工具截图

面试工具截图

评测数据对比

以下是两款工具在各评测维度的平均得分对比(满分5分):

评测维度面试精灵面试通
帮助性4.783.53
语音识别准确率4.443.83
意图识别正确率54.5
内容深度及个性化4.784
沟通技巧4.673.67
准确性4.783.17
全面性4.783.5
直观性4.893.67

从评测数据可以看出,面试精灵在大部分维度上都有明显优势,特别是在帮助性、准确性和直观性等方面。

综合建议

选择哪款工具,要看你更看重什么。

如果你注重面试过程的隐蔽性,面试精灵的自动说话人识别功能确实能减少手动操作的风险。对技术面试来说,面试精灵的代码、公式显示效果更好,回复内容也更有针对性。此外,面试精灵的性价比优势明显,即使使用最高配置,成本也远低于面试通。

如果你预算相对宽松,主要应对常规面试问题,面试通也能满足基本需求。

从我们的整体评测数据来看,面试精灵在帮助性、准确性、内容深度和性价比等方面的表现更为突出。如果你的面试场景对这些方面要求较高,面试精灵可能是更合适的选择。

对于程序员来说,面试准备需要大量的技术积累和练习。通过我们的对比分析,面试精灵在技术面试场景下表现更出色,尤其是在代码和公式的显示效果方面。

AI面试 #编程面试 #面试准备

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=2309405273055692980522 weibo.com/ttarticle/p/show?id=2309405273055999164478 weibo.com/ttarticle/p/show?id=2309405273056297222279 weibo.com/ttarticle/p/show?id=2309405273056595017953 weibo.com/ttarticle/p/show?id=2309405273056900939818 weibo.com/ttarticle/p/show?id=2309405273057202929884 weibo.com/ttarticle/p/show?id=2309405273057504919846 weibo.com/ttarticle/p/show?id=2309405273057807171715 weibo.com/ttarticle/p/show?id=2309405273058201436176 实

Thiago Ghisi 在伦敦 QCon 的演讲“从增长的工程组织中学到的教训”中解释了他如何指导管理者和高级 IC 在他的领导下建立一个有弹性的领导团队。定期的同步、期望校准和更广泛目标的一致性使领导者成为文化和绩效的倍增器。他认为,文化是你所做的,而不是你所说的。

 

Ghisi 说,一个重要的顿悟是,他意识到自己的角色不仅仅是成为老板领导小组和仪式的一部分,还需要有意识地在他的领导下建立一个领导小组。他们从一个离线会议开始,管理者和高级 IC 分享个人的挑战,比如重复的事件或范围混乱,并以类似于精益初始阶段的形式,作为一个团队,在下一个周期的优先级和目标上保持一致。他提到,这建立了同理心和信任。

 

为了建立一个有弹性的领导团队,他们在更广泛的组织目标上保持一致,Ghisi 解释说:

 

我们建立了每周或每两周的同步机制,他们会互相问责,提醒对方最重要的事情,并重新分配 IC 来帮助组织完成最关键的项目,即使这对他们的直属团队来说不一定是最好的选择。

 

Ghisi 提到他们进行了期望校准。在周期开始时,每位管理者都会起草对直接下属的期望,并得到同行的反馈,以确保他们在每个层面上都对“好”的定义达成一致,并确保他们所关注的目标与更广泛的组织和公司的优先事项保持一致。

 

通过投资于领导团队的一致性、明确的范围和让同事成为自己第一团队的意识,他们成为了文化和业绩的倍增器。Ghisi 说:

 

与其让我成为瓶颈,不如让他们互相帮助,互相反馈,决定什么要推广,什么要推迟,并讨论和迭代未来的愿景和战略。

 

文化不是你所说的或你拥有的仪式,而是你所做的以及你在变化或危机中的反应,你展示的价值观,你促进的行为,你推动的行为。这是行胜于言,Ghisi 争论道:

 

你是否是一个不断努力提升自己的人?当建议有意义的时候,你真的在倾听和采纳建议吗?你是否害怕在领导团队面前表现得不好,避免与直接下属或同事的冲突或困难对话和决策?

 

Ghisi 建议,在没有书面记录和描述“为什么”之前,不要试图重组。它可以是一个非常简单和简短的一页纸,描述重组的大原因/动机/目标,然后开始对潜在的拓扑/组织/结构变化进行头脑风暴。

 

每次我试图加快速度,或者只是在反复的会议中高层次地讲述“愿景”,并希望愿景能够延续到讨论中,我都会对电话游戏感到提醒和惊讶,讨论完全偏离了方向。

 

Ghisi 提到他们学会了在推动交付之前解决人们的问题。如果你的团队表现不佳,首先要解决人际关系或技能方面的差距,他说。一个紧张、不安全的团队无法大规模交付。

 

并非一切都需要共识,这是一件好事,Ghisi 说。如果领导小组出现分裂,确定谁是最终决策者,否则你就会陷入僵局,他争论道。RACI 矩阵在这里可以提供很多帮助。

 

InfoQ 就持续改进和实验采访了Thiago Ghisi

 

InfoQ:你们是如何建立持续改进的文化的?

 

Thiago Ghisi:我们将“经验教训”融入到我们所做的每一件事中,包括我们所写的每一份文件、每一次大的重组、每一次重大事件的事后分析以及每一次领导离线会议中。例如,如果我们发现合并两个小队实际上会导致比预期更多的待命负载,我们会迅速修复它。这种书面上的透明度表明,如果自上而下的指令不起作用,我们并不会拘泥于它们。

 

人们学会了“尝试新事物”并不意味着“永远坚持下去”。所以这是一种混合:我们有正式的仪式(比如回顾、技术讲座、跨级反馈、每月与每个团队深入交流),但我们也有一致的跟进方式来应对问题——表明我们重视迭代而不是指责,而且我们——作为领导团队——总是在倾听,总是在那里提供帮助。

 

InfoQ:你们是如何通过实验找到正确的团队拓扑结构的?

 

Ghisi:这是我自己和我的直接团队经验的结合,我看到了公司内部其他团队中通常起作用的模式、拓扑、激励和流程。这通常比试图借鉴其他公司或过去的经验要有效得多。

 

在高层次上,我们不断地寻找摩擦信号——比如未解决的依赖关系,或者管理人员被过于宽泛的范围所淹没——并进行小的、可测试的更改。例如,如果一个领域不断地阻塞另一个领域,我们将把在该领域具有深厚背景的员工工程师安置到相关团队中。或者如果我们看到两个小队有很多重叠的路线图,我们会把他们合并成一个“特别工作组”。从第一天起我们就给它贴上了实验的标签:如果它解决了瓶颈,那就太棒了;如果造成更多的混乱,我们会恢复原状。这给了团队尝试新配置的心理安全感(如多个团队的统一待命轮换),知道如果数据显示它没有帮助,我们就会转向。

早上上班路过超市,听到超市喇叭广播
黄瓜 1.5 元美金,西红柿 2.5 元美金,青椒 2.8 元美金
当时我脑海中想北京的超市就是时髦,都整上美金了,又一个念头"奸商" 故意用美金听着便宜
然后还换算了下大概汇率乘以 7 还挺贵

又走了两步脑海一阵闪电 那特么是每斤。。。

首先,除了几个基本的规则外,究竟将数字拼写出来还是使用阿拉伯数字基本上决定于作者的偏好,但是,请在通篇文章中保持一致,这一点和参考文献的格式要求类似。

不同的媒体可能使用不同的策略。在美国,有两个影响最大的文献格式,即 The Associated Press Stylebook (AP)The Chicago Manual of Style (CM),它们在数字的使用上略有差异。

  • AP 格式推荐将 0 到 9 之间的数字拼写出来,以后都使用数字,直到数字 100 万。下面是四个超过 999,999 的数字的写法:1 million; 20 million; 20,040,086 和 2.7 trillion。
  • CM 格式推荐将 0 到 100 之间的数字拼写出来,以后都使用数字,但是整数,例如百(hundred)、千(thousand)、十万(hundred thousand)、百万(million)、十亿都拼写出来。和 AP 格式不同的是,使用 CM 格式,我们应该将以下整数拼写出来,比如 four hundredeight thousand,和 twenty million;但是和 AP 格式一样,CM 格式中的 401、8,012 和 20,040,087 应写成阿拉伯数字。

总而言之,这是一个复杂的话题,有很多例外。在不同的博客、书籍、报纸和杂志上并不一致。下面列举一些几乎所有媒体都会遵守的规则。

常规数字

  1. 句子开头的数字要拼写出来

    • 例子:

      • Twenty-three hundred sixty-two victims were injured.
      • Nineteen fifty-six was quite a year.
    • 备注:AP 格式中的年份写成数字。1956 was quite a year.
  2. 数字 21 到 99 之间的数字,应该用连接号(hyphenate)连接起来

    • 例子:

      • Thirty-three people were injured in the train wreck.
      • Twenty-nine of them were hospitalized.
  3. 分数应该拼写出来,并且用连接号(hyphenate)连接起来

    • 例子:

      • We recovered about one-third of the stolen cash.
      • One-half is slightly less than five-ninths.
    • 备注:有些不需要连接号,比如 a third 或者 a half
  4. 四位或者以上数字,使用逗号。每 3 位数字使用一个逗号,但小数点以后的数字不包括在内

    • 例子:

      • 1,054 people
      • $2,417,592.22
  5. 整数和分数往往用数字来表示,除非位于句子的开头

    • 例子:

      • We expect a 4½ percent wage increase.
      • Five and one-half percent was the expected wage increase.
  6. 大数字的最好表达原则是越简单越好

    • 例子:

      • twenty-three hundred (simpler than two thousand three hundred)
    • 对于表示范围的数字,倾向于拼出来,但在同一个句子中请保持一致。

      • Consistent: We can earn from one million to five million dollars.
      • Inconsistent: We can earn from one million to 5 million dollars.
      • Inconsistent: We can earn from $1 million to five million dollars.
  7. 小数写成数字

    • 例子:

      • The plant grew 0.91 inches last year.
      • The plant grew only 0.07 inches this year.
  8. 三个或者三个以上的数字,没有必要拼出来。但是,如果有小数时,最好拼写出来

    • 例子:

      • one thousand one hundred fifty-four dollars
      • one thousand one hundred fifty-four dollars and sixty-one cents
      • 可以简化为 eleven hundred fifty-four dollars and sixty-one cents
  9. 999 以上的数字拼写时,不要使用逗号

    • 错误用法:one thousand, one hundred fifty-four dollars, and sixty-one cents
    • 正确用法:one thousand one hundred fifty-four dollars and sixty-one cents

钱的额度

  1. 小于 1 美元的金额,最好使用分这个计量单位,而不是使用小数

    • 例子:

      • She had only sixty cents. 或者 She had only 60 cents. (Better)
      • She had only $0.60. (Not advised)
  2. 不要重复使用 $ 和 dollars

    • 例子:

      • I have $1,255 in my checking account. (Correct)
      • I have $1,255 dollars in my checking account. (Incorrect)

时间日期

  1. 为了不引起歧义,请使用 noon 和 midnight 来表示 12:00 PM 和 12:00 AM(AM 和 PM 也可以写作 A.M. 和 P.M.,或者 a.m. 和 p.m.,或者 am 和 pm)。

    • 例子:

      • 8 AM
      • 3:09 P.M.
      • 11:20 p.m.
    • 也有人在时间和 AM 或 PM 之间不用空格

      • 例子:

        • 8AM
        • 3:09P.M.
        • 11:20p.m.
    • 对于整点时间,有的人写作 9:00 PM,但是也有人写作 9 PM 或者 9 p.m. 或 9pm。
  2. 时间用数字来表示被越来越多的人接受

    • 例子:

      • The flight leaves at 6:22 a.m.
      • Please arrive by 12:30 sharp.
    • 但是也有一些人倾向于将时间拼写出来,尤其是整点时间

      • 例子:

        • He takes the four thirty-five train.
        • The baby wakes up at six o'clock in the morning.
  3. 当用数字表示日期时,应该这么写

    • 例子:

      • the 30th of June, 1934
      • June 30, 1934 (这里不需要加 th)
  4. 当把年代拼写出来的时候,不需要大写

    • 例子:

      • During the eighties and nineties, the U.S. economy grew.
  5. 当用数字表达年代时,可以将撇号放在数字前面,也可以放在数字和 s 之间

    • 例子:

      • During the '80s and '90s, the U.S. economy grew.
      • During the 80's and 90's, the U.S. economy grew.
    • 不正确:During the '80's and '90's, the U.S. economy grew.
  6. 也可以用完整的数字来表示十年,在这里为了简洁,就不用撇号了

    • 例子:

      • During the 1980s and 1990s, the U.S. economy grew.

pg每日新闻封面.png

⚙️ PostgreSQL 技术文章

1.png

🧩 Autobase 2.6.0 发布

Autobase 2.6.0 引入了蓝绿部署工作流程,可实现 PostgreSQL 升级的近零停机时间。该流程包括使用 Patroni 备用集群部署克隆集群,通过物理复制同步数据,在目标集群上自动升级 PostgreSQL,将其转换为逻辑副本,并在切换前持续接收实时变更。流量切换在几秒内完成,回滚同样快速且无数据丢失,通过反向逻辑复制实现。Autobase 是云托管数据库的开源替代方案,可自动化部署、故障转移、备份、升级和扩展,为高可用性 PostgreSQL 集群提供支持。

https://www.postgresql.org/about/news/autobase-260-released-3...

bd16c586-c58a-4a89-a8fa-e816f304f9fd.png

🧩 MarketReader 如何使用 TimescaleDB 处理每分钟 3M 笔交易以提供美国市场交易洞察

MarketReader 是一家金融科技初创公司,使用 TimescaleDB 每分钟处理 300 万笔来自美国股票市场的交易,提供实时市场洞察。该公司从 NASDAQ 获取数据,涵盖 26000 只上市和 OTC 证券,通过 API 和 WebSocket 每十分钟向客户提供 700 次更新。他们的架构使用 Tiger Data 的 TimescaleDB 进行时间序列分析,结合 hypertables 实现自动分区、continuous aggregates 进行统计分析,以及通过 pgvector 实现向量搜索功能。该系统实时检测异常市场波动,为大型语言模型提供上下文以生成市场解释,服务于包括零售券商和机构投资者在内的客户。

https://www.tigerdata.com/blog/how-marketreader-processes-3m-...

3.png

🧩 INSERT ... ON CONFLICT ... DO SELECT: PostgreSQL v19 中的新功能

PostgreSQL v19 引入了 INSERT ... ON CONFLICT ... DO SELECT,这是现有 ON CONFLICT 子句的新变体。此功能允许带有 RETURNING 的 INSERT 语句在发生冲突时选择现有行,而不仅仅是什么都不做或更新。语法支持可选的行锁定和 WHERE 条件。当表具有生成列、触发器或修改插入值的数据类型时,此功能特别有用,因为它消除了需要单独的 SELECT 语句来从冲突行检索 ID 或其他生成值的需求。该功能补充了现有的 DO NOTHING 和 DO UPDATE 选项,提供了完整的 upsert 解决方案,避免了 MERGE 语句可能出现的竞态条件。

https://www.cybertec-postgresql.com/en/insert-on-conflict-do-...

1.png

🧩 Pg_QoS v1.0.0 稳定版已发布!

Pg_QoS v1.0.0,一个用于 PostgreSQL 服务质量资源治理的扩展,已发布稳定版本。该扩展使管理员能够通过 ALTER ROLE/DATABASE SET 命令执行按角色和按数据库的限制。主要功能包括通过将后端绑定到特定核心来限制 CPU 使用,并为并行工作进程提供规划器集成,跟踪和限制并发事务与语句,work_mem 会话限制,以及使用共享 epoch 机制的快速缓存失效。这有助于在同一 PostgreSQL 实例上运行的不同工作负载之间实现公平的资源分配。该扩展需要 PostgreSQL 15 或更高版本,CPU 限制功能需要 Linux。原生软件包适用于 Debian 13、Ubuntu 24.04、RHEL 10、AlmaLinux 10 和 CentOS Stream 10,覆盖所有支持的 PostgreSQL 版本。

https://www.postgresql.org/about/news/pg_qos-v100-stable-rele...

📨 PostgreSQL Hacker 电子邮件讨论精选

🧩 不要在读取流中同步等待已进行中的 IO

Melanie Plageman 正在开发一个补丁来改进读取流行为,通过不同步等待已在进行中的 IO 操作。讨论重点是代码审查反馈和测试改进。Nazir Bilal Yavuz 发现了一个错误,测试总是使用'worker' io_method 而不是预期的方法变量。Peter Geoghegan 建议将 ProcessBufferHit 设为内联函数以提升性能,特别是对于缓存的仅索引扫描。Melanie 在补丁 v4 中解决了这些问题,根据反馈将 ProcessBufferHit 重命名为 TrackBufferHit。她还审查了 Andres 的测试补丁,并对重复块和外部 IO 场景的测试用例提供了详细评论。关于是否应该将一些测试代码从 test_aio.c 移到 test_read_stream.c 的问题仍待解决,因为外部 IO 测试可能更多是关于 AIO 行为而非读取流功能。

https://www.postgresql.org/message-id/CAAKRu_ZM1epxTdt2=4-g4f...

🧩 修复 multixact Oldest*MXactId 初始化和访问中的错误

讨论跟进了最近推送的一个与 OldestMemberMXactId 初始化和预备事务处理相关的 multixact 错误修复。Sami Imseih 建议添加一个测试用例来验证对预备事务虚拟进程的正确处理,因为添加的断言不会覆盖这种情况。Yura Sokolov 支持为已修复的错误添加测试。Heikki Linnakangas 创建了 Sami 复现案例的简化版本,不需要并发会话,并将其移至主回归测试套件的'prepared_xacts'测试中。Tom Lane 建议了一个不相关的改进,通过在禁用预备事务时添加早期退出来减少 prepared_xacts_1.out 的维护工作。Heikki 同意并为此优化提供了补丁,计划将其反向移植到所有支持的版本,以便于将来的测试反向移植。

https://www.postgresql.org/message-id/120550bf-ca50-4a07-91b1...

🧩 使用 rdtsc 降低 EXPLAIN ANALYZE 的计时开销?

Lukas Fittl 提交了 RDTSC 补丁的 v10 版本,用于减少 EXPLAIN ANALYZE 的时序开销。更新版本根据反馈将 CPU 特性检测移至 pg_cpu_x86.c,添加了 TSC 不变位检查,并通过 MSR 读取支持 HyperV 虚拟机管理程序。他修改了默认 TSC 选择逻辑以匹配 Linux 内核行为,在 4 个或更少插槽的系统上当不变位和 TSC_ADJUST 位被设置时启用 TSC。补丁改为使用编译器内建函数处理 RDTSC/RDTSCP,避免了使编译时间翻倍的昂贵头文件包含。两个悬而未决的问题仍然存在:为用户实现更好的 TSC 错误报告,以及 RDTSCP 是否需要 LFENCE 指令来确保准确性。Andres Freund 对 HyperV 支持的 MSR 访问提出了安全担忧,建议从 sysfs 读取 CPU 频率等替代方案,尽管 Lukas 指出在 Azure VM 上 TSC 频率与 CPU 频率不匹配。

https://www.postgresql.org/message-id/CAP53Pkw6BuGCig3iDfDkh1...

🧩 消除 xl_heap_visible 以减少 WAL(最终设置 VM on-access)

这个线程讨论了 Melanie Plageman 的 v35 补丁系列,用于消除 xl_heap_visible WAL 记录并实现访问时可见性映射更新。补丁涉及几个关键领域:将常用的剪枝上下文移至 PruneState,为已冻结页面添加快速路径,使用 GlobalVisState 进行页面级可见性确定,在查询执行期间跟踪修改的关系,以及允许访问时剪枝将页面设置为全可见而无需冻结。

Andres Freund 提供了关于性能考虑、VM 损坏处理和代码结构的详细技术反馈。他质疑 VM 缓冲区固定的时机,建议通过为冻结页面添加快速路径来改进剪枝性能,并讨论冲突范围计算。讨论涵盖何时检查 VM 损坏、是否始终跟踪可见性截止点,以及不同扫描类型的优化策略。

Chao Li 开始审查 v35 补丁,重点关注代码组织和 Assert 语句。Melanie 通过重构代码、在 heap_page_prune_and_freeze()开始时添加损坏检查、为全可见页面实现快速路径以及始终跟踪最新活跃 XID 来解决反馈。她在 v35-0017 中发现了一个严重错误,其中 rel_read_only 参数逻辑被颠倒了,计划在 v36 中修复。

https://www.postgresql.org/message-id/CAAKRu_a1V7TUUYM7qO2c5Z...

🧩 在发布中跳过架构更改

讨论重点关注 PostgreSQL 发布功能中 EXCEPT TABLES 特性 v54 补丁的改进。Amit Kapila 提出了几个小意见,包括为发布名称分隔符添加翻译注释,质疑变量命名选择,建议将测试文件从 037_rep_changes_except_table.pl 重命名为 037_except.pl 以支持未来语法变化,以及要求检查有关 ALTER PUBLICATION 支持的注释准确性。Shveta Malik 同意这些建议并指出了一个语法错误。Nisha Moond 发现了一个 bug:分区描述错误地显示它们被排除的发布名称,测试代码中使用订阅名称而非发布名称的错误,拼写错误和格式问题。Shlok Kyal 回应了所有反馈并发布 v55 补丁,确认修复了分区显示问题、测试代码更正、拼写错误,并采纳了之前审查者的建议。

https://www.postgresql.org/message-id/CAA4eK1+2mL0N8iUdNTr1ba...

🧩 流式复制和 WAL 归档交互

Andrey Borodin 重新提起了一个关于 PostgreSQL 共享归档模式的老讨论,以解决数据中心故障期间 WAL 归档缺失的问题。该问题出现在 HA 设置中,当主服务器故障时 - WAL 文件可能已流式传输到备库但在归档中缺失,导致 1-2% 的集群出现 PITR 时间线缺口。当前的解决方案如 archive_mode=always 配合 WAL-G 等工具由于解密和比较开销而成本高昂。Borodin 提出了一种"共享"归档模式,其中备库保留 WAL 直到归档完成,该方案融合了 Heikki 原始补丁和 Greenplum 工作的思想。三部分补丁集包括带测试的重新基线、时间线切换改进以及 archive_status 目录扫描优化。Jaroslav Novikov 添加了缺失的参考文献以支持讨论。

https://www.postgresql.org/message-id/F02ECB2F-0FA9-432F-8E53...

🗞️ 行业新闻

4.png

🧩 Claude Code 推出语音模式功能

Anthropic 宣布在 Claude Code 中推出语音模式,这标志着 AI 编程辅助领域的重要进展。这一新功能允许开发者使用语音命令与 Claude Code 进行交互,通过实现免手操作的编程和调试来提升编程体验。语音功能代表了 Anthropic 在 AI 编程领域更有效竞争的努力,该领域的公司正越来越多地致力于让编程工具更加易用和直观。此次推出展现了将语音界面集成到开发工具中的增长趋势,可能会让偏好语音交流而非传统文本交互的开发者提高编程效率。

https://techcrunch.com/2026/03/03/claude-code-rolls-out-a-voi...

5.png

🧩 上个月,仅有三家公司主导了 189 亿美元的风险投资

根据 Crunchbase 数据,2026 年 2 月全球风险投资向初创公司投入了创纪录的 1890 亿美元,其中人工智能公司获得了总资本的压倒性 90%。这一巨额资金激增被仅仅三家公司主导:OpenAI、Anthropic 和 Waymo,它们共同吸收了这些投资的大部分。这种前所未有的风险投资集中度突显了投资者对 AI 技术和自动驾驶系统的强烈兴趣。数据揭示了初创公司融资格局的极端两极分化,AI 公司正在吸引巨额估值,而其他行业从风险投资家那里获得的关注明显较少。

https://techcrunch.com/2026/03/03/openai-anthropic-waymo-domi...

6.png

🧩 TikTok 在美国部分地区因 Oracle 销售后第二次中断而宕机

由于 ByteDance 剥离其美国业务后的第二次 Oracle 基础设施故障,TikTok 在美国的部分用户遇到了服务中断。此次故障影响了 TikTok 的功能,阻止用户正常访问平台。这标志着所有权转移以来第二次重大的 Oracle 相关服务中断,引发了对新基础设施安排可靠性的质疑。这次中断发生在 ByteDance 完成 TikTok 美国业务出售后仅几天,突显了平台向新所有者和基础设施提供商转移过程中潜在的技术挑战。此次故障凸显了运营大规模社交媒体平台所涉及的复杂技术依赖性。

https://techcrunch.com/2026/03/03/tiktok-down-for-some-in-u-s...

🌐 社交媒体动态

🧩 Databricks 社区的新家来了

Databricks 用户组平台是一个新的集中式在线中心,供数据和人工智能社区连接、学习和成长。用户可以加入本地分会或虚拟兴趣小组与他人联系,发现并报名参加即将举行的社区活动来学习,还可以申请成为组织者来主持自己的聚会。该平台旨在让 Databricks 社区成员更容易相互交流并提升他们在数据和人工智能领域的技能。

https://www.linkedin.com/posts/databricks_introducing-the-dat...

7.jpeg

🧩 构建需要数据库访问的 AI 代理?

本次活动公告宣传了一场关于 PostgreSQL 的 pgEdge MCP 服务器的 Postgres Live 会议。会议将介绍模型上下文协议服务器是什么,以及为什么它比直接数据库连接更适合 AI 代理的智能方案。主题包括代币预算优化技术、更轻松快捷的数据库交互内置工具,以及与 Claude Code、Cursor 和其他平台集成的快速入门指南。该解决方案是 100%开源的,…

https://www.linkedin.com/posts/pgedge_postgresql-mcp-ai-activ...

8.jpeg

🧩 如果您正在组织聚会、PUG 或类似团体,并希望获得一些贴纸来向您的成员推广 PGConf.dev 🐘,请私信我。

作者正在向聚会组织者、PostgreSQL 用户组(PUG)或类似团体的组织者免费提供贴纸,用于向其成员推广 PGConf.dev( PostgreSQL 会议)。他们有多余的贴纸,愿意与社区组织者分享。有兴趣的一方应发送私信请求贴纸。

https://www.linkedin.com/posts/activity-7434318803724836864-TLSo


HOW 2026 议题招募中

2026 年 4 月 27-28 日,由 IvorySQL 社区联合 PGEU(欧洲 PG 社区)、PGAsia(亚洲 PG 社区)共同打造的 HOW 2026(IvorySQL & PostgreSQL 技术峰会) 将再度落地济南。届时,PostgreSQL 联合创始人 Bruce Momjian 等顶级大师将亲临现场。

自开启征集以来,HOW 2026 筹备组已感受到来自全球 PostgreSQL 爱好者的澎湃热情。为了确保大会议题的深度与广度,我们诚邀您提交前沿技术实践与洞见,共同打造高质量议题内容。

投递链接:https://jsj.top/f/uebqBc

原文链接:https://www.nocobase.com/cn/blog/weekly-updates-20260305

汇总一周产品更新日志,最新发布可以前往我们的博客查看

NocoBase 目前更新包括的版本更新包括三个分支:mainnextdevelop

version.png

main :截止目前最稳定的版本,推荐安装此版本。

next:包含即将发布的新功能,经过初步测试的版本,可能存在部分已知或未知问题。主要面向测试用户,用于收集反馈和进一步优化功能。适合愿意提前体验新功能并提供反馈的测试用户。

develop:开发中的版本,包含最新的功能代码,可能尚未完成或存在较多不稳定因素,主要用于内部开发和快速迭代。适合对产品功能前沿发展感兴趣的技术用户,但可能存在较多问题或不完整功能,不建议在生产环境中使用。

main

main.png

v2.0.10

发布时间:2026-03-04

🐛 修复

  • [AI 员工] 修复启用知识库后和 AI 员工对话报错问题 (#8746) by @cgyrock
  • [前端流引擎] 修复 SQL 删除报错 (#8745) by @chenos
  • [权限控制] 设置 ACL 元数据时使用的数据库实例不正确 (#8747) by @2013xile
  • [工作流:审批] 修复由于节点信息被类型过滤后,查询节点结果未在审批界面显示的问题 by @mytharcher

v2.0.9

发布时间:2026-03-03

🐛 修复

  • [client]

    • 修复默认值组件中不渲染字段组件的问题 (#8744) by @mytharcher
    • 修复切换菜单是数据区块不刷新的问题。 (#8735) by @gchust
  • [database] 修复 v2 版本的字段自定义正则校验失败 (#8729) by @jiannx
  • [flow-engine] 修复 ctx.exit 无法终止用户定义的事件流执行的问题。 (#8737) by @gchust
  • [工作流:审批] 补全缺失的参数以避免提交审批时关系数据未被更新和处理 by @mytharcher

v2.0.8

发布时间:2026-03-01

🎉 新特性

  • [AI 员工] 更新 AI 对话用户提示词编辑 (#8725) by @heziqiang

🐛 修复

  • [server] 通过追加 hash 参数解决缓存未更新问题 (#8730) by @chenos
  • [AI 员工] 修复 AI 数据源配置渲染异常 (#8731) by @cgyrock
  • [工作流:自定义操作事件] 修复自定义操作事件作为子流程被调用时卡住的问题 (#8738) by @mytharcher
  • [工作流:审批]

    • 在审批操作中过滤关系字段的值,以避免越权的数据操作 by @mytharcher
    • 修复手动执行审批工作流时的报错 by @mytharcher
    • 修复加签和转签后由于缺失 dataAfter 字段值导致的加载列表报错问题 by @mytharcher
    • 修复基于 ACL 过滤 appends 参数的问题 by @mytharcher
    • 修复用户没有相关权限时关系字段不应该被创建或更新的权限问题 by @mytharcher

v2.0.7

发布时间:2026-02-27

🎉 新特性

  • [AI 员工] 支持通过多个关键词检索内置文档,一次性读取多个文档 (#8718) by @2013xile

🚀 优化

  • [client] 表格支持总结行(summary)的配置 (#8721) by @chenos
  • [嵌入 NocoBase] 权限插件提供过滤关系字段值的 API (#8688) by @mytharcher

🐛 修复

  • [数据可视化] 修复 i18n 图表插件入口和占位的文案 (#8716) by @heziqiang
  • [工作流:JavaScript 节点] 修复 windows 下测试用例无法通过的问题 (#8722) by @mytharcher
  • [AI 员工] 修复 AI 对话消息中渲染了 0 的问题 (#8723) by @heziqiang
  • [模板打印] 修复未适配 ACL API 变更导致的报错问题 by @mytharcher
  • [工作流:审批] 在审批操作中过滤关系字段的值,以避免越权的数据操作 by @mytharcher
  • [邮件管理] 修复图片 contentId 格式解析 by @jiannx

v2.0.6

发布时间:2026-02-26

🐛 修复

  • [AI 员工] 修复使用 mysql 数据库时 AI 对话报错问题 (#8708) by @cgyrock

next

next.png

v2.1.0-beta.7

发布时间:2026-03-04

🎉 新特性

  • [AI 员工] 更新 AI 对话用户提示词编辑 (#8725) by @heziqiang

🐛 修复

  • [client]

    • 修复默认值组件中不渲染字段组件的问题 (#8744) by @mytharcher
    • 修复切换菜单是数据区块不刷新的问题。 (#8735) by @gchust
  • [flow-engine] 修复 ctx.exit 无法终止用户定义的事件流执行的问题。 (#8737) by @gchust
  • [database] 修复 v2 版本的字段自定义正则校验失败 (#8729) by @jiannx
  • [server] 通过追加 hash 参数解决缓存未更新问题 (#8730) by @chenos
  • [权限控制] 设置 ACL 元数据时使用的数据库实例不正确 (#8747) by @2013xile
  • [AI 员工]

    • 修复启用知识库后和 AI 员工对话报错问题 (#8746) by @cgyrock
    • 修复 AI 数据源配置渲染异常 (#8731) by @cgyrock
  • [前端流引擎] 修复 SQL 删除报错 (#8745) by @chenos
  • [工作流:自定义操作事件] 修复自定义操作事件作为子流程被调用时卡住的问题 (#8738) by @mytharcher
  • [工作流:审批]

    • 修复由于节点信息被类型过滤后,查询节点结果未在审批界面显示的问题 by @mytharcher
    • 补全缺失的参数以避免提交审批时关系数据未被更新和处理 by @mytharcher
    • 修复手动执行审批工作流时的报错 by @mytharcher
    • 修复加签和转签后由于缺失 dataAfter 字段值导致的加载列表报错问题 by @mytharcher
    • 修复用户没有相关权限时关系字段不应该被创建或更新的权限问题 by @mytharcher
    • 在审批操作中过滤关系字段的值,以避免越权的数据操作 by @mytharcher
    • 修复基于 ACL 过滤 appends 参数的问题 by @mytharcher

v2.1.0-beta.6

发布时间:2026-02-27

🎉 新特性

  • [AI 员工] 支持通过多个关键词检索内置文档,一次性读取多个文档 (#8718) by @2013xile

🚀 优化

  • [client] 表格支持总结行(summary)的配置 (#8721) by @chenos
  • [AI 员工] 更新 AI 对话 user prompt 功能 (#8717) by @heziqiang
  • [嵌入 NocoBase] 权限插件提供过滤关系字段值的 API (#8688) by @mytharcher

🐛 修复

  • [AI 员工] 修复 AI 对话消息中渲染了 0 的问题 (#8723) by @heziqiang
  • [数据可视化] 修复 i18n 图表插件入口和占位的文案 (#8716) by @heziqiang
  • [工作流:JavaScript 节点] 修复 windows 下测试用例无法通过的问题 (#8722) by @mytharcher
  • [模板打印] 修复未适配 ACL API 变更导致的报错问题 by @mytharcher
  • [工作流:审批] 在审批操作中过滤关系字段的值,以避免越权的数据操作 by @mytharcher
  • [邮件管理] 修复图片 contentId 格式解析 by @jiannx

v2.1.0-beta.5

发布时间:2026-02-26

🚀 优化

  • [AI 员工] 更新 AI 对话 user prompt 功能 (#8717) by @heziqiang

🐛 修复

  • [AI 员工] 修复使用 mysql 数据库时 AI 对话报错问题 (#8708) by @cgyrock

develop

develop.png

v2.1.0-alpha.7

发布时间:2026-02-26

🎉 新特性

  • [AI 员工] 支持通过多个关键词检索内置文档,一次性读取多个文档 (#8718) by @2013xile

🚀 优化

  • [AI 员工] 更新 AI 对话 user prompt 功能 (#8717) by @heziqiang

🐛 修复

  • [client] 移动端中,先关闭菜单再执行页面跳转 (#8699) by @zhangzhonghe
  • [AI LLM:GigaChat] 修复 GigaChat 插件在 2.0 中无法使用的问题 (#8707) by @cgyrock
  • [AI 员工]

    • 修复使用 mysql 数据库时 AI 对话报错问题 (#8708) by @cgyrock
    • 使用 ContentBlock 对象统一 ChatGPT API 文件输入 (#8696) by @cgyrock
    • 修复用户忽略 ai agent 工具执行确认请求直接发送新消息导致的接口错误 (#8697) by @cgyrock
  • [AI: 知识库] 修复 AI 知识库启动报错问题 by @cgyrock
  • [邮件管理] 图像查看错误 by @jiannx