纯情 发布的文章

刚刚,外商投资安全审查工作机制办公室(国家发展改革委)依法依规对外资收购 Manus 项目作出禁止投资决定,要求当事人撤销该收购交易。

 

去年 12 月底,科技巨头 Meta 宣布完成对 AI 初创公司 Manus 的收购,交易对价超过 20 亿美元(约合人民币 140 亿元),跻身 Meta 史上第三大并购案。这场由 CEO 马克·扎克伯格亲自操盘的谈判仅用十余天便迅速敲定,为 Meta 2025 年的激进 AI 布局画上收官句号。据知情人士披露,此次交易规模仅次于 2014 年对 WhatsApp 的 190 亿美元收购及 2025 年 6 月对 Scale AI 的战略投资。

 

在 Meta 介入前,Manus 正以 20 亿美元估值推进新一轮融资,而 Meta 的入局令谈判进程大幅提速。此前,有网友发现,Manus 官网页面上方已有显眼提示“Manus 现已成为 Meta 的一部分”,但切回中国大陆地区访问时,则显示“Manus 在你所在的地区不可用”。直到 1 月 4 日晚,Manus 宣布 1 月 5 日起停止对中国境内用户服务。

 

1 月 8 日,据新华社报道,商务部新闻发言人何亚东表态称,商务部将会同相关部门对 Meta 收购人工智能平台 Manus 一事,开展与出口管制、技术进出口、对外投资等相关法律法规一致性的评估调查。

 

据了解,Manus 背后是中国创始团队,创始人兼 CEO 肖弘 1992 年出生于江西吉安,2015 年毕业于华中科技大学软件工程专业。其联合创始人包括首席科学家季逸超和合伙人张涛。

 

在国内,Manus 对应的运营实体为北京红色蝴蝶科技有限公司,法定代表人肖弘。该公司成立于 2023 年 7 月,注册资本 2000 万美元(实缴 455 万美元),由香港公司 Butterfly Effect(Hong Kong)Limited 100%控股。早期,Manus 还在北京、武汉设立办公室。

 

昨天下午和老板聊了离开北京去惠州的事,感兴趣的可以回看这个 《不到两个月就要离开北京了,聊聊我的故事……》

老板居然主动提出远程办公,还支持我去那边,他也一直在找机会出去。

我们认识挺久了,在深圳的时候他把我招进去,到现在北京机缘巧合,他创业我继续跟着干,还支持我做自媒体,很惊讶也很庆幸遇到这样的老板!

我的心情怎么说呢,喜忧参半,本来想着大干一番,现在只能继续业余弄了,好处是压力没那么大,每个月有固定收入,通勤时间房租生活环境啥的都好了。

之前其实想过远程办公但是觉得不可能,因为大部分同事都是外地的,如果开了这个口子其它同事肯定也想着远程了……他觉得就应该在外面远程办公。

现在有两个问题想请大家支支招:

1. 远程办公怎么连回公司的网?

我们这网络没防火墙,就是普通的,安卓的测试包,还有一些工具后台啥的,要连单位的 wifi 才能用,所以网络问题怎么解决。

我想到的是弄个 Macmini 24 小时开着,用 ToDesk 远程,但是感觉复杂了,远程延迟体验也不好,只要连上这里的 wifi 就行。

还有加个软路由用 Tailscale 或 ZeroTier 做内网穿透,不知道什么原理是否可行。

2. 异地社保怎么解决?

去惠州肯定要交当地社保,但是公司在这边不好操作,看到可以找第三方交,得花钱,也不想再麻烦公司了。

或者自己申请异地就医备案,但是好像和在本地交的有区别,好像药店买药啥的不能报销。

背景:对象国企的,20 年毕业,属于部门下某细分专业组,在该部门工作 2 年,组内有主管+2 个员工,工作量和工资关联不大。
现在主要做党建和某细分的工作(该工作属于周期性,一年可能就忙两三个月),在专业组中被边缘化,比如专业工作都不会分配给她,有些工作可能都要完成了她才知道有这项工作,领导有工作也很少交给她做。

内耗的点在于:她感觉在工作上没有成就感,因为没有工作干专业技能也提升不了,写周报的时候就 0-2 条工作和别人 4-10 条对比差距很大,部门领导在会议上时不时说有的人工作量小(暗指她)。

纠结的点在于:她也不想做很多工作,长时间对着电脑眼睛吃不消(干眼症),害怕和领导沟通后工作量剧增,就一直没有去和领导沟通。

我自己觉得换我来我能安心躺平。但她不行,经常内耗心里不得劲。希望大家帮我出出主意,怎么开导开导,或者换你们来你们怎么办?

JeecgBoot AI专题研究 | v3.9.2 主版本发布 + Skills 独立仓库 + Online 三件套大优化

项目介绍

AI Skills 自然语言编程全新发布: 一句话生成完整代码、一句话画流程、一句话设计表单、一句话出报表与大屏、一句话生成整个系统,覆盖 JeecgBoot 低代码全场景。

JeecgBoot 是一款 AI 低代码开发平台,支持"低代码 + 零代码"双模式。零代码模式下,5分钟零代码快速搭建完整业务系统; 低代码模式下,AI 自动输出前后端代码、建表 SQL 与菜单权限,生成即可运行。 平台内置AI应用平台:AI 聊天助手、知识库、流程编排、MCP、插件,兼容各大模型!具备Skills能力,一句话画流程图、设计表单、甚至生成整个系统! 整体遵循"AI 生成 → 在线配置 → 代码生成 → 手工合并"的开发流程,解决 Java 项目中 80% 的重复工作,在大幅提升效率的同时又失灵活性。

发版时间:v3.9.2 | 2026-04-30

源码下载

升级日志

v3.9.2 是 JeecgBoot 自 AI 路线开启以来最重的一次版本大升级。 低代码再进化,正式迈入 v2.0 时代——从「拖拉拽」到「一句自然语言」,全线 Skills 加持,一句话即可搭建业务,手工配置成为历史!低代码不再只是「拖拖拽拽生成 CRUD」,一句话创建大屏、一句话搭建 OA 审批、一句话生成整个系统,已在 JeecgBoot 成为现实!本次升级还全面打磨低代码开发体验,涵盖表单、图表、大屏、安全与前端性能的系统性优化,同步开放 Online 前端源码,并新增 Online 图表大模块。

✨ 本次发布的"高度"

1. Skills:让 AI 真正成为你的开发搭档
  • Claude Code Skills 接入低代码:代码生成、Online 表单、报表、大屏、流程全面对接 Claude Skills,无需手动操作代码生成器——AI 一句话生成代码、一句话生成整个系统、一句话创建 Online 表单、一句话创建 Online 报表、一句话设计大屏、一句话配置字典、创建菜单并完成授权,全部触手可及。
2. AI 应用大优化
  • Chat2BI / Chart2BI 对接 Online 表单:一句话生成分页表格、报表与图表配置,数据分析链路全程打通。
  • AI 流程编排能力大爆发:新增变量读写、记忆检索、循环变量、结构化 JSON 输出、提示词表关联、文件上传起点节点等,AiFlow 已进化为一套完整的可视化 Agent 编排平台。
  • AI 应用工具白名单 + 跨租户隔离:能力开放与权限管控并举,SaaS 多租户安全边界筑牢。
  • 配套上线 AI 助手联网搜索AI 流程搜索引擎节点,让 AI 流程既能「会用工具」,也能「会查资料」。
  • Langchain4j 1.12.2升级:Java AI 应用能力边界重新定义——AI 助手不再依赖人工提示词盲调接口,也支持 Skills 元数据自动选择并调用业务能力。
3. AI多模态生产力(图 / 音 / 视频 / 换衣)
  • 真实的 AI 生成 音频 / 视频 / 图片,不再是 Demo
  • AI 换衣 同时输出图片与视频
  • 谷歌生图模型、本地语音合成、混图示例 全部到位
  • 模型矩阵补齐:VLLM / Xinference / LMStudio / qwen-vl-ocr / qwen3.5-plus / 通义千问 / 千帆
4. Online 三件套(表单 / 报表 / 图表)一次性优化
  • Online 模块前端源码完全开源,AI 时代用户可自由灵活扩展,二次开发无门槛
  • 新增 Online 图表大模块,快速配置图表面板,为用户提供更多可视化选择
  • 新增 LongText 字段类型link_table / link_table_field 类型(Vue3 一对多关联记录、跨表字段引用)
  • 子表支持分类字典树与自定义字典树,层级数据配置更灵活
  • 解决多年顽疾:Online 配置卡顿(QQYUN-14177)Online 打开慢小屏字段定位不可见 等体验痛点全面修复
  • 新增 Online 表单 Schema 规范文档,为 AI 深度理解 Online 元数据夯实基础
5. 全面按需加载,前端瘦身
  • antd / unplugin-icons / Jvxetable / Vxetable / TinyMCE / JEasyCron / codemirror / 聊天模块 全部按需加载
  • 首屏体积与加载速度显著下降,为 AI 助手在线入驻业务页面铺平道路
6. 安全加固
  • AI 海报 SSRF(#9579)AI 附件路径遍历(#9519)AiragApp 跨租户写入(#9462)Token 越权(#9518)RCE #9335 等多个高危漏洞集中修复
  • MCP / 底层敏感工具 全面加上权限校验

🎯 低代码 v2.0 时代,意味着什么?

Skills 让低代码平台沉淀的表单、流程、报表、大屏,自动成为 AI 可直接调用的业务能力——无需手写 Tool、无需二次开发,自然语言即可驱动全套业务流程自动化执行,甚至一句话生成整个系统。
维度v3.9.1 及以前(拖拉拽时代)v3.9.2(一句话时代)
低代码定位表单 / 流程 /代码生成 / 报表和大屏设计AI Native 的业务能力出口
交互方式拖拉拽 + 手工配置一句自然语言,搞定一切
业务搭建手动拖组件、配字段、设流程一句话设计表单,画流程 / 报表 / 大屏 / 菜单
AI 用法完全手工搭建:手动配表单、画流程、建关联、配菜单、逐步授权AI 一句话搭表单、画流程、绑关联、建菜单、完成授权,一条龙搞定
业务接入 AI需二次开发手写 ToolOnline 表单 / 流程节点 = 天然 Skill
多模态仅文本文本 / 图像 / 音频 / 视频 /Skills 全模态覆盖
安全漏洞分散修复专项漏洞修复 + 权限管控 + 租户隔离加固

Skills 功能模块(全新独立仓库 jeecgboot/skills)

与 v3.9.2 主版本同步发布的全新独立仓库 jeecgboot/skills —— 基于 Claude Code 的 AI 技能集合,用自然语言驱动,一句话生成代码、表单、流程、报表、图表、大屏、仪表盘
仓库基础信息
  • 适配:JeecgBoot 3.x/2.x
  • 依赖:Python 3.12+,Claude Code
  • 模型:官方 Claude / DeepSeek-v4 / MiniMax 2.7 三套方案任选
JeecgBoot 六大 Skills
  • jeecg-codegen:代码生成器 —— 自然语言生成全套 CRUD(Java + Vue3 + SQL)
  • jeecg-onlform:Online 表单生成器 —— 元数据驱动创建 CRUD 表单
  • jeecg-onlreport:Online 报表生成器 —— SQL 驱动的数据报表
  • jeecg-desform:设计器表单生成器 —— 支持截图识别生成表单 JSON
  • jeecg-onlchart:Online 图表生成器 —— 自动生成数据可视化图表
  • jeecg-bpmn:BPM 流程生成器 —— 自动生成 Flowable BPMN XML 审批流程
JimuReport 三大 Skills
  • jimureport:积木报表生成器 —— 多类型报表 + 截图识别生成
  • jimubi-bigscreen:大屏生成器 —— 1920×1080 全屏数据可视化
  • jimubi-dashboard:仪表盘生成器 —— 24 列栅格布局数据看板

AI 应用

大特性
  • DeepSeek 最新大模型 deepseek-v4 兼容#9585
  • AI 助手支持联网搜索
  • AI 流程新增搜索引擎节点
  • Langchain4j 新版支持 Agent Skills,重新定义 Java AI 应用的能力边界
  • langchain4j 升级到 1.12.2 版本
  • jeecg-boot-starter-chatgpt 更名为 jeecg-boot-starter-ai
  • AI 生成视频页面(含视频生成服务及接口实现)
  • AI 生成音频页面
  • AI 换衣功能可生成图片和视频
  • 视频生成做成真实功能
  • 语音生成做成真实功能
  • 支持谷歌生图模型
  • AI 绘画
  • 支持本地语音合成
  • AI 知识库支持网页类型知识库
  • 【issues/8143】知识库能够自定义分词参数
  • 创建知识库时可创建分段策略,知识库内文档默认沿用
  • 商品导购应用加入应用门户
AI 流程 (AiFlow)
  • 新增变量读取 / 变量赋值 / 记忆检索 / 记忆写入节点
  • 开始节点支持上传文件
  • LLM 节点支持结构化输出 JSON 对象
  • LLM 节点对接提示词表,可直接关联提示词
  • LLM 节点关联提示词必须选择后才切换,避免用户未关联直接使用
  • 新增循环变量节点
  • 循环节点支持暴露循环体内节点变量
  • AI 流程知识库写入支持分段策略
  • 节点需要应用时展示选应用下拉框
  • 工具调用节点展示 MCP 暂不支持的提示
  • 优化调试展示,先跳到追踪页,结束跳转结果页
  • 支持发布后只读查看节点配置
  • 新增拖拽新增节点
  • 流程编排 HTTP 请求超时时间设置了未生效 #9533
  • 修复调试时记忆节点找不到记忆库 ID
  • 自定 SQL 语句前后有空格时无法执行
  • 修复删除连线按钮错位
  • 修复记忆写入节点样式问题
  • 修改添加字段弹窗的最小高度避免出现滚动条
AI 聊天 / 智能体
  • 智能体里调用的工具过程也可以显示出来
  • 智能体加上"是否显示工具调用过程"
  • 工具调用结果展示新增滚动条
  • AI 模型未激活或不可用时直接使用平台底层默认模型
  • 平台默认聊天支持图片
  • 聊天无法交互、无法输入提示
  • 聊天界面没有提示准确信息
  • 采用系统默认聊天,图片生成成功但日志不应提示"模型未激活"
  • AI 应用调用工具后继续问答会导致报错
  • AI 写作应该以"回复"来生成而非以"内容"
  • Chat2BI 生成分页 table、支持导出报表
  • Chart2BI 对接 Online 表单
  • AI 改成异步,支持切换菜单
  • 视频实际已生成完却报错
  • 修复点击终止按钮后后台日志仍继续输出
  • 优化 AI 工具调用异常处理,统一翻译为友好提示
  • 优化 API 账户余额不足提示信息
  • AI 门户提示模型未激活
  • 样式优化,字体小一号
  • 海报链接替换
  • 图像变形
  • 混图增加示例
  • 混图表单尺寸修改
AI 模型对接
  • 【issues/9359】支持 VLLM
  • 支持 LMSTUDIO
  • 向量模型支持 HTTP 1.1 协议
  • 【issues/9314】建议优化 Xinference 支持
  • 已激活模型增加"取消激活"
  • 【issues/8】激活 qwen-vl-ocr 模型报错(增加扩展配置)
  • 【issues/9446】qwen3.5-plus 新版本 API 需开启 incremental_output
  • 【PR#9539】通义千问 API 不接受 null 消息内容
  • 【#9374】千帆向量报错添加异常处理防止空指针
  • 注释绘画模型必填,采用默认模型,绘画 id 不必填
AI 知识库 / RAG / 记忆 / 变量
  • 【issue/9418】AI 知识库上传文件太大向量化失败
  • 【issues/9402】文档向量化文件名中文乱码导致失败
  • 【issues/9551】HTML 表格向量化分段被截断
  • 【issues/9551】macOS 压缩包隐藏文件过滤(.__MACOSX/.DS_Store 等)
  • 修复向量化时自定义分段器空白文本段异常
  • 【issues/9455】AI 应用中设定的 RAG 参数未生效
  • 【AI 记忆】强化 query_memory 触发时机描述,避免 LLM 在未查询时直接反问用户
  • 记忆库不需要分段策略
  • 【AI 变量】支持批量更新变量,返回结构化结果避免 LLM 重复调用
MCP / Skills / Tool
  • 【#9483】给 MCP 加上权限校验
  • MCP 查询接口暂时不加权限
  • 【#9464】修复未授权用户调用底层敏感工具
  • 微服务nginx部署openApi接口访问不到 #9590
安全漏洞
  • 【issues/9579】AI 海报图片下载 SSRF 漏洞,校验拒绝 loopback / link-local
  • 【issues/9519】AI 附件处理路径遍历漏洞:规范化路径并强制校验沙箱范围
  • zip 文件 filePath 以 \ 或 / 开头被 Path.resolve 当成驱动器根路径误判
  • 【issues/9462】修复 AiragAppController.edit 跨租户数据写入漏洞
  • 【issue/9518】修复 SysUserController.getUserSectionInfoByToken 越权漏洞
  • 【issues/9431】【issues/9429】文件地址漏洞问题
  • 【issues/9424】CommandExecUtil 路径遍历
  • 【issues/9425】EmbeddingHandler 路径遍历
  • 【issues/9421】buildUrl 路径遍历漏洞
  • 【#9335】远程命令执行 (RCE) 漏洞
杂项
  • AiragChatServiceImpl.java 编译错误,使用 instanceof 替代类型比较
  • 演示系统三个账号作废
  • 同步开源的异常流关闭
  • 大屏设计器支持AI助手

Online 表单

配置 / 体验优化
  • 开放 Online 前端源码
  • 新增 Online 图表大模块
  • Online支持启用外部链接,支持以外部表单方式开放访问,用户可通过链接直接进入表单完成数据填报及修改操作。
  • Online 配置页面修改
  • Online 配置新增字段排在系统字段之前
  • 子表隐藏一些扩展配置
  • 一对多他表字段需能选择所有字段
  • 一对一 / 一对多编辑和详情他表字段没值
  • Online 一对多增加关联记录和他表字段
  • Vue3 Online 一对多新增 link_table、link_table_field 两种类型
  • 【issues/7633】Online 子表支持分类字典树、自定义字典树
  • 子表支持分类字典树和自定义字典树控件
  • Online 配置中尽可能多显示 Vxetable 字段
  • Online 配置整体优化
  • Online 配置界面字段配置卡顿
  • 解决 Online 打开慢的问题
  • 解决字段定位在小屏幕上看不见
  • 字典放在页面属性 tab 中
  • 图标本地化
  • 支持配置独立的省、市、县
  • 【#9366】Online 表单新增 LongText 类型
  • 数字类型超出 JS 数值范围加提示
  • 渲染字典有大量警告
  • 优化删除确认提示内容和样式
  • 新增 Online 表单 Schema 规范文档
Bug 修复
  • 【issues/9307】下拉加载表字典需滚动加载
  • Online 详情单独的省市没显示
  • 点击展开全部时树节点没全部展开
  • Online 配置生成数据按钮点击无效
  • Online 授权弹窗警告
  • 开发环境数据权限看不到数据,生产正常
  • 【issues/9452】Online 样式影响到了主项目
  • 【issues/9414】一对一子表设置 label 长度不生效
  • 【issues/9336】列宽拖动不了
  • 【issues/9265】多选查询使用模糊查询,字典含 1、10 时按 1 查询会带出 10
  • Online JS 增强修改下拉不生效
  • Jvxetable / Vxetable 按需加载
Online 报表 / 图表
  • Online 图表使用系统变量报错
  • 修复动态数据源解析时未填写 OrderBy 报错
  • 【#9468】修复不完整黑名单和数据源端点权限缺失导致的 JDBC URL 注入

前端

按需加载(性能)
  • 按需加载 codemirror
  • Jvxetable / Vxetable 按需加载
  • TinyMCE 富文本、JEasyCron、JLinkTableCard 异步加载
  • Vue3 聊天按需加载改造
  • basicForm 中的自定义组件改成按需
  • 新增 unplugin-icons 插件,icon 支持 online / local 两种模式
  • antd 采用 unplugin-vue-components 实现按需加载
  • JCronValidator 从 Form 中注释,防止首页加载,改为业务中导入
  • 首页不加载 AppSearch 等
  • 登录页注册、二维码登录、忘记密码组件动态加载
  • 兼容 Vxetable 引入到了页面也不报错
  • Jvxetable 改成按需后不允许内部引用,否则页面卡死
通用组件
  • 升级积木报表到最新版
  • 升级积木BI大屏到最新版,支持支持 AI 助手
  • 【issues/9326】ApiSelect 返回数据中包含 options 字段名导致渲染失败
  • 【issues/9448】滚动时 TinyMCE 下拉打开则隐藏
  • 【issues/9511】弹窗高度自适应(含全屏问题及对流程弹窗影响的还原)
  • 【issues/9405】顶部混合导航模式下点击一级菜单时,最后一级是隐藏路由显示不对
  • 【issues/9212】JVxeTypes.popup 中属性 param 传参后弹框数据为空
  • 【#9370】j-vxe-table 列表编辑,使用 slot 后表头不显示编辑图标
  • Jvxetable 下拉搜索点击无反应
  • Vxetable 自定义树和分类字典树组件选完后变非编辑模式时先闪现 id
  • 修复 Jvxetable 使用 fixed 固定后无法拖拽
  • Jvxetable 优化
  • 使用日期、级联等组件出现警告
  • iframe 支持麦克风权限
用户 / 部门 / 选人
  • 【JHHB-1278】用户组件支持部门、岗位、用户组
  • 用户选择新组件部门多时滚动展示不全
  • 用户组添加用户查询时需要模糊查询
  • 部门用户组件搜索功能修改
  • 【JHHB-1402】通知公告选人组件全屏操作底下有空白
  • 【JHHB-1401】通知公告按部门选择接收人,部门下人员不全
  • 【JHHB-1400】Web 端笔记本审批选择下一步操作人,左侧部门列表滚动加载不全
系统消息
  • 【JHHB-1340】系统消息需要显示消息发送时间
  • 【JHHB-1390】PC 端消息列表下方有空白(Edge / Chrome 都有)
  • 【JHHB-1239】PC 端即时通讯消息需要闪烁提示
  • 【JHHB-1410】新闻中心添加置顶、范围设置
  • 【JHHB-1389】审批角色管理搜索审批角色后列表未加载数据
  • 【JHHB-1189】PDF 打印时把流程业务标题作为 PDF 文件名
  • 【Github #8855】修复文件预览路径处理问题,filePath 需先通过 getFileAccessHttpUrl 拼接完整 URL 再编码
  • 系统消息弹窗内容高度显示异常
  • 删除单表实例页面中假的高级查询按钮

为什么选择 JeecgBoot?

界内首款AI低代码开发平台,同时具备AI应用平台和低代码平台,通过AI驱动低代码开发!
开源界"小普元"超越传统商业平台。引领低代码开发模式(OnlineCoding-\> 代码生成器 -\> 手工MERGE),低代码开发同时又支持灵活编码, 可以帮助解决Java项目70%的重复工作,让开发更多关注业务。既能快速提高开发效率,节省成本,同时又不失灵活性。
  • 1.提供了一套完善的AI应用管理系统模块,是一套类似DifyAIGC应用开发平台+知识库问答,是一款基于LLM大语言模型AI应用平台和 RAG 的知识库问答系统。 其直观的界面结合了 AI 流程编排、RAG 管道、知识库管理、模型管理、对接向量库、实时运行可观察等,让您可以快速从原型到生产,拥有AI服务能力
  • 2.采用最新主流前后分离框架(Spring Boot3 + MyBatisPlus + Vue3.0 + TypeScript + Vite6 + Ant Design Vue4 )等新技术方案。便于学习容易上手,代码生成器依赖性低,灵活的扩展能力,可快速实现二次开发。
  • 3.支持微服务Spring Cloud Alibaba(Nacos、Gateway、Sentinel、Skywalking),提供简易机制,支持单体和微服务自由切换(这样可以满足各类项目需求)。
  • 4.开发效率高,支持在线建表和AI建表,提供强大代码生成器,单表、树列表、一对多、一对一等数据模型,增删改查功能一键生成,菜单配置直接使用。
  • 5.代码生成器提供强大模板机制,支持自定义模板,目前提供四套风格模板(单表两套、树模型一套、一对多三套)。
  • 6.提供强大的报表和大屏可视化工具,支持丰富的数据源连接,能够通过拖拉拽方式快速制作报表、大屏和门户设计;支持多种图表类型:柱形图、折线图、散点图、饼图、环形图、面积图、漏斗图、进度图、仪表盘、雷达图、地图等。
  • 7.低代码能力:在线表单(无需编码,通过在线配置表单,实现表单的增删改查,支持单表、树、一对多、一对一等模型,实现人人皆可编码),在线配置零代码开发、所见即所得支持23种类控件。
  • 8.低代码能力:在线报表、在线图表(无需编码,通过在线配置方式,实现数据报表和图形报表,可以快速抽取数据,减轻开发压力,实现人人皆可编码)。
  • 9.Online支持在线增强开发,提供在线代码编辑器,支持代码高亮、代码提示等功能,支持多种语言(Java、SQL、JavaScript等)。
  • 10.封装完善的用户、角色、菜单、组织机构、数据字典、在线定时任务等基础功能,支持访问授权、按钮权限、数据权限等功能。
  • 11.前端UI提供丰富的组件库,支持各种常用组件,如表格、树形控件、下拉框、日期选择器等,满足各种复杂的业务需求 UI组件库文档
  • 12.提供APP配套框架,一份多代码多终端适配,一份代码多终端适配,小程序、H5、安卓、iOS、鸿蒙Next。
  • 13.新版APP框架采用Uniapp、Vue3.0、Vite、Wot-design-uni、TypeScript等最新技术栈,包括二次封装组件、路由拦截、请求拦截等功能。实现了与JeecgBoot完美对接:目前已经实现登录、用户信息、通讯录、公告、移动首页、九宫格、聊天、Online表单、仪表盘等功能,提供了丰富的组件。
  • 14.提供了一套成熟的AI应用平台功能,从AI模型、知识库到AI应用搭建,助力企业快速落地AI服务,加速智能化升级。
  • 15.AI能力:目前JeecgBoot支持AI大模型chatgpt和deepseek,现在最新版默认使用deepseek,速度更快质量更高。目前提供了AI对话助手、AI知识库、AI应用、AI建表、AI报表等功能。
  • 16.提供新行编辑表格JVXETable,轻松满足各种复杂ERP布局,拥有更高的性能、更灵活的扩展、更强大的功能。
  • 17.平台首页风格,提供多种组合模式,支持自定义风格;支持门户设计,支持自定义首页。
  • 18.常用共通封装,各种工具类(定时任务、短信接口、邮件发送、Excel导入导出等),基本满足80%项目需求。
  • 19.简易Excel导入导出,支持单表导出和一对多表模式导出,生成的代码自带导入导出功能。
  • 20.集成智能报表工具,报表打印、图像报表和数据导出非常方便,可极其方便地生成PDF、Excel、Word等报表。
  • 21.采用前后分离技术,页面UI风格精美,针对常用组件做了封装:时间、行表格控件、截取显示控件、报表组件、编辑器等。
  • 22.查询过滤器:查询功能自动生成,后台动态拼SQL追加查询条件;支持多种匹配方式(全匹配/模糊查询/包含查询/不匹配查询)。
  • 23.数据权限(精细化数据权限控制,控制到行级、列表级、表单字段级,实现不同人看不同数据,不同人对同一个页面操作不同字段)。
  • 24.接口安全机制,可细化控制接口授权,非常简便实现不同客户端只看自己数据等控制;也提供了基于AK和SK认证鉴权的OpenAPI功能。
  • 25.活跃的社区支持;近年来,随着网络威胁的日益增加,团队在安全和漏洞管理方面积累了丰富的经验,能够为企业提供全面的安全解决方案。
  • 26.权限控制采用RBAC(Role-Based Access Control,基于角色的访问控制)。
  • 27.页面校验自动生成(必须输入、数字校验、金额校验、时间空间等)。
  • 28.支持SaaS服务模式,提供SaaS多租户架构方案。
  • 29.分布式文件服务,集成MinIO、阿里OSS等优秀的第三方,提供便捷的文件上传与管理,同时也支持本地存储。
  • 30.主流数据库兼容,一套代码完全兼容MySQL、PostgreSQL、Oracle、SQL Server、MariaDB、达梦、人大金仓等主流数据库。
  • 31.集成工作流Flowable,并实现了只需在页面配置流程转向,可极大简化BPM工作流的开发;用BPM的流程设计器画出了流程走向,一个工作流基本就完成了,只需写很少量的Java代码。
  • 32.低代码能力:在线流程设计,采用开源Flowable流程引擎,实现在线画流程、自定义表单、表单挂靠、业务流转。
  • 33.多数据源:极其简易的使用方式,在线配置数据源配置,便捷地从其他数据抓取数据。
  • 34.提供单点登录CAS集成方案,项目中已经提供完善的对接代码。
  • 35.低代码能力:表单设计器,支持用户自定义表单布局,支持单表、一对多表单,支持select、radio、checkbox、textarea、date、popup、列表、宏等控件。
  • 36.专业接口对接机制,统一采用RESTful接口方式,集成Swagger-UI在线接口文档,JWT token安全验证,方便客户端对接。
  • 37.高级组合查询功能,在线配置支持主子表关联查询,可保存查询历史。
  • 38.提供各种系统监控,实时跟踪系统运行情况(监控Redis、Tomcat、JVM、服务器信息、请求追踪、SQL监控)。
  • 39.消息中心(支持短信、邮件、微信推送等);集成WebSocket消息通知机制。
  • 40.支持多语言,提供国际化方案。
  • 41.数据变更记录日志,可记录数据每次变更内容,通过版本对比功能查看历史变化。
  • 42.提供简单易用的打印插件,支持谷歌、火狐、IE11+等各种浏览器。
  • 43.后端采用Maven分模块开发方式;前端支持菜单动态路由。
  • 44.提供丰富的示例代码,涵盖了常用的业务场景,便于学习和参考。

功能清单

├─AI应用平台
│  ├─AI模型管理
│  ├─AI应用管理
│  ├─AI知识库
│  ├─AI流程编排
│  ├─AI聊天助手(支持图片、文件)
│  ├─AI聊天助手支持嵌入第三方、支持移动端
│  ├─MCP插件管理
│  ├─提示词管理
│  ├─支持各种常见模型ChatGPT和DeepSeek、ollama等
├─AI应用门户
│  ├─ Chat2BI 图表生成智能体
│  ├─ AI绘图智能体
│  ├─ 看图说话
│  ├─ 图像识别
│  ├─ 帮我写作
├─工具箱
│  ├─OCR识别
│  ├─AI 海报
│  ├─AI 写作
│  ├─AI 简历
├─AI辅助功能
│  ├─AI建表(Online表单)
│  ├─AI生成报表(Online报表)
│  ├─AI生成大屏
├─系统管理
│  ├─用户管理
│  ├─角色管理
│  ├─菜单管理
│  ├─权限设置(支持按钮权限、数据权限)
│  ├─表单权限(控制字段禁用、隐藏)
│  ├─部门管理
│  ├─我的部门(二级管理员)
│  └─字典管理
│  └─分类字典
│  └─系统公告
│  └─职务管理
│  └─通讯录
│  ├─多数据源管理
│  └─多租户管理(租户管理、租户角色、我的租户)
├─Online在线开发(低代码)
│  ├─Online在线表单
│  ├─Online代码生成器
│  ├─Online在线报表
│  ├─仪表盘设计器
│  ├─系统编码规则
│  ├─系统校验规则
├─积木报表设计器
│  ├─打印设计器
│  ├─数据报表设计
│  ├─图形报表设计(支持echart)
├─消息中心
│  ├─消息管理
│  ├─模板管理
├─代码生成器(低代码)
│  ├─代码生成器功能(一键生成前后端代码,生成后无需修改直接用,绝对是后端开发福音)
│  ├─代码生成器模板(提供4套模板,分别支持单表和一对多模型,不同风格选择)
│  ├─代码生成器模板(生成代码,自带excel导入导出)
│  ├─查询过滤器(查询逻辑无需编码,系统根据页面配置自动生成)
│  ├─高级查询器(弹窗自动组合查询条件)
│  ├─Excel导入导出工具集成(支持单表,一对多 导入导出)
│  ├─平台移动自适应支持
│  ├─提供新版uniapp3的代码生成器模板
├─系统监控
│  ├─基于AK和SK认证鉴权OpenAPI功能
│  ├─Gateway路由网关
│  ├─性能扫描监控
│  │  ├─监控 Redis
│  │  ├─Tomcat
│  │  ├─jvm
│  │  ├─服务器信息
│  │  ├─请求追踪
│  │  ├─磁盘监控
│  ├─定时任务
│  ├─系统日志
│  ├─消息中心(支持短信、邮件、微信推送等等)
│  ├─数据日志(记录数据快照,可对比快照,查看数据变更情况)
│  ├─系统通知
│  ├─SQL监控
│  ├─swagger-ui(在线接口文档)
│─报表示例
│  ├─曲线图
│  └─饼状图
│  └─柱状图
│  └─折线图
│  └─面积图
│  └─雷达图
│  └─仪表图
│  └─进度条
│  └─排名列表
│  └─等等
│─大屏模板
│  ├─作战指挥中心大屏
│  └─物流服务中心大屏
│─常用示例
│  ├─自定义组件
│  ├─对象存储(对接阿里云)
│  ├─JVXETable示例(各种复杂ERP布局示例)
│  ├─单表模型例子
│  └─一对多模型例子
│  └─打印例子
│  └─一对多TAB例子
│  └─内嵌table例子
│  └─常用选择组件
│  └─异步树table
│  └─接口模拟测试
│  └─表格合计示例
│  └─异步树列表示例
│  └─一对多JEditable
│  └─JEditable组件示例
│  └─图片拖拽排序
│  └─图片翻页
│  └─图片预览
│  └─PDF预览
│  └─分屏功能
│─封装通用组件    
│  ├─行编辑表格JEditableTable
│  └─省略显示组件
│  └─时间控件
│  └─高级查询
│  └─用户选择组件
│  └─报表组件封装
│  └─字典组件
│  └─下拉多选组件
│  └─选人组件
│  └─选部门组件
│  └─通过部门选人组件
│  └─封装曲线、柱状图、饼状图、折线图等等报表的组件(经过封装,使用简单)
│  └─在线code编辑器
│  └─上传文件组件
│  └─验证码组件
│  └─树列表组件
│  └─表单禁用组件
│  └─等等
│─更多页面模板
│  ├─各种高级表单
│  ├─各种列表效果
│  └─结果页面
│  └─异常页面
│  └─个人页面
├─高级功能
│  ├─提供单点登录CAS集成方案
│  ├─提供APP发布方案
│  ├─集成Websocket消息通知机制
│  ├─支持electron桌面应用打包(支持windows、linux、macOS三大平台)
│  ├─docker容器支持
│  ├─提供移动APP框架及源码(Uniapp3版本)支持H5、小程序、APP、鸿蒙Next
│  ├─提供移动APP低代码设计(Online表单、仪表盘)

系统效果预览

AI模型与应用管理

AI流程编排

MCP和工具管理

AI知识库(支持各种文档格式,尤其markdown适配很好)

AI工具箱

AI聊天助手

AI绘图

AI写文章

PC端

在线聊天\&通知

Online开发(在线配置表单和报表)

Online AI建表

图表示例

积木BI大屏

APP效果

PAD端

在线接口文档

积木报表

欢迎吐槽,欢迎star\~

结束 18 年热爱,Ghostty 逃离 GitHub

“有些告别,并不是因为不再热爱,而是因为再也无法继续留下。”

这是 Ghostty 项目创始人 Mitchell Hashimoto 在宣布项目即将逃离 GitHub 时写下的开头。整篇长文没有技术细节的铺陈,反而像一封写给过去 18 年的“告别信”,甚至,他在写这封“告别信”时是哭着写完的!

Mitchell Hashimoto 出生于 1990 年,是一位典型的“从开源社区成长起来”的工程师。

20 岁出头时,他就因创建 Vagrant 而在开发者圈子中崭露头角。Vagrant 解决的是开发环境一致性的问题——在容器和云原生尚未普及的年代,它几乎是团队协作开发的“标配工具”。

这一项目不仅让他一举成名,也成为后来一整套基础设施工具体系的起点。

2012 年,他与联合创始人一起创立了 HashiCorp。这家公司后来成为 DevOps 工具链中不可忽视的一极,推出了一系列广泛使用的基础设施软件,包括:

  • Terraform:定义并管理云资源的事实标准之一

  • Consul:服务发现与服务网格基础组件

  • Vault:安全密钥与凭证管理

  • Nomad:轻量级调度与编排系统

这些工具的共同特点是:将复杂的基础设施操作抽象为可编程、可复用的工作流,本质上推动了“Infrastructure as Code(基础设施即代码)”这一范式的普及。

在商业层面,HashiCorp 也一路成长为一家上市公司,成为少数从纯开源社区成功走向企业级商业化的软件公司之一。

但相比“企业家”身份,Mitchell Hashimoto 更被开发者社区认可的,仍然是“工程师”和“开源作者”。

他长期活跃在开源一线,亲自维护项目、参与社区讨论,并保持极高的技术输出频率。在很多人眼中,他代表的是一类典型的技术人路径:通过开源项目建立声誉,通过工具改变行业,再通过公司将其规模化。

也正因为这种背景,他对 GitHub 的情感才显得格外特殊——他不是简单的“平台用户”,而是那一代真正在 GitHub 上完成自我实现的人:从发布项目、积累影响力,到建立公司、影响行业路径,几乎全部发生在这个平台之上。

Mitchell 在这封与 Github 的告别信中写道:

写下这些让我感到一种不理性的悲伤,但 Ghostty 将逃离 GitHub。

我是 GitHub 用户 1299,注册于 2008 年 2 月。

从那以后,我几乎每天都会打开 GitHub。每天,多次,持续了超过 18 年。这占据了我人生的一半以上。中间或许有极少数例外(我甚至很想看看数据),但我很难想象一年中有哪一周完全没有打开过它。”

GitHub 是让我最快乐的地方。我总会为它留出时间。经历糟糕的分手时,我把自己丢进开源世界……在 GitHub。大学凌晨四点,所有人都睡着的时候,我再提交一次 commit。甚至在蜜月期间,当妻子还在睡觉时,我都在逛 GitHub。这是我一直以来最快乐、也最想待的地方。

有些人会无意义地刷新社交媒体,而我在这个“刷屏”出现之前,就已经在 GitHub 的 issue 里“刷屏”了。度假时,我会收藏一堆 GitHub 项目,去研究它们。不只是代码,还有开源社区的运作方式、维护者如何处理棘手问题……说真的,我喜欢这些。

也许有人会觉得这不太正常,但我的爱好、工作和热情恰好完全重合,而在我人生的大部分时间里,它们都存在于互联网的同一个地方:GitHub。

我创建 Vagrant(我第一个成功的开源项目),很大程度上是因为我希望它能帮我拿到 GitHub 的工作机会。这个我从不避讳——我在 20 岁第一次公开演讲时就开玩笑说:‘如果这个项目做得够好,也许 GitHub 会雇我。’

GitHub 曾是我的梦中工作。我最终没能在那里工作(这不是他们的错)。但那是我最想去的地方。那里的工程师令人惊叹,产品令人惊叹,而它也是我每天呼吸、生活的一部分。18 年,一整个人从出生到成年所需的时间,我都在 GitHub 上度过。

但这封“告别信”,在后半段急转直下。

最近,我一直在公开批评 GitHub。我说了很多难听的话,我很愤怒,也伤害了一些人。我在发泄。因为 GitHub 每一天都在让我失望,这对我来说是件非常私人的事情。也许这种情绪不理性,但我确实把 GitHub 爱得太深了,所以我对它生气。我为伤害到那些仍在努力工作的人感到抱歉。

这种感觉已经持续很久了。过去一个月,我甚至开始做一件事:每天记录一次——如果 GitHub 的故障影响了我的工作,我就在那一天画一个 ‘X’。几乎每天都有 ‘X’。

就在我写这篇文章的今天,我已经有大约两个小时无法进行 PR 审查,因为 GitHub Actions 出现了故障。这已经不再是一个可以认真工作的地方了——如果它每天都要让你停摆几个小时。

这里不再让我感到快乐。我想留下,但它似乎不再需要我。我想完成工作,但它不让我完成。我想发布软件,但它不让我发布。

我希望它变得更好。但我也想写代码。而现在,我无法在 GitHub 上写代码了。抱歉。18 年之后,我必须离开。

也许有一天我会回来。但前提必须是真正的改变与结果,而不是承诺。

至于 Ghostty 项目最终会迁移去哪里,Mitchell 没有明确的回应,但他在一则 X 评论中提及,正在努力寻找一个统一的解决方案,但现在还来得及调整方向。

Mitchell 的其他独立项目将继续托管于 GitHub 平台。本次转移仅涉及 Ghostty 项目,该项目是近期服务中断事件中受影响最严重的,不仅对 Mitchell 本人造成困扰,也给项目维护者及社区用户带来了不便。

创始人的哭诉,引发社区共鸣

然而,这些都还不是这场情绪的全部。

在 Hacker News 上,这位创始人随后补充的一段评论,让这次“逃离”显得更加真实,也更加让人动容:

我知道这听起来很夸张,但这是事实:我写这篇博客文章的时候,真的哭了。(眼泪都滴到键盘上了,说出来确实挺丢人的。)

他补充说道:“没有人应该为一个 SaaS 产品而哭。但 GitHub 对我来说远不止如此(这些我在文章里都写了)。我对它有一种不太健康的情感依附。它给了我太多,我对此心怀感激。但它已经不再是从前的样子了……我也说不清。

我们断断续续讨论了几个月,几周前开始认真讨论,几天前才真正做出决定。当我把这些写下来,按下‘发布’按钮的时候,一切都变得真实了。我知道大家会觉得这很可笑。这确实很蠢。但我真的很喜欢 GitHub,也真心希望它能找到出路。”

Mitchell 这段“带着眼泪的控诉”,迅速点燃了评论区。

一位同样早期加入 GitHub、并且自称现在仍然是 GitHub 员工的用户这样回应:

“我也是老用户——22723 号。某种意义上,我们是同一代人(毕竟现在 GitHub 已经有将近 1.8 亿用户了)。但我对这件事的理解有点不同:只有那些真正关心 GitHub、愿意留下来把它变好的人留下,GitHub 才会变好。”

但他对 GitHub 的态度却截然不同,他表示自己不会离开:

“正因为它对我来说太重要了,我反而无法离开。而且,我不是唯一有这种感觉的人。”

该用户还表示这种转变不能完全归罪于 AI 或者微软,而是技术基础正在发生变化。

“过去几年,GitHub 经历了一次根本性的范式转变(智能体编码)以及爆发式增长。问题并不只是 AI,也不只是微软。用奥卡姆剃刀来看,更简单的解释是:规模,以及我们脚下整个技术基础正在发生变化。我希望我们还能做点什么,让你有一天愿意回来。我希望还能重新点燃你曾经的那种快乐。对开发者来说,这些情绪一点都不愚蠢。”

还有很多 Hacker News 用户表达了与 这位 GitHub 内部员工不同的观点。

这部分开发者群体对 GitHub 现状有一种幻灭感:当一个平台变得“大而不能倒”时,用户的热爱与反馈往往会撞上一堵冰冷的制度高墙。

有用户指出,“那句‘只有真正关心 GitHub 的人留下来,它才会变好’,其实是个极具误导性的陷阱。这话对微软内部的开发者可能成立,但对普通用户来说完全是谎言。作为一个用户,如果你只是像往常一样继续使用它,根本没有任何途径能让它变得更好。”

另一位用户同意上述观点。他写道:

“我深有同感。时间已经给出了答案:即使用户们满怀热忱地留下来,试图‘改进’这个平台,结果看到的却是 GitHub 体验的一路劣化。这种劣化并没有因为用户的坚持而停止。”

更有用户反馈,用户的耐心换来的是长达数年的反馈石沉大海。

“确实如此。早在 2018 年,我就投入了大量精力向官方报告‘压缩合并(squash 'n' merge)’中的元数据重写错误,并持续推动修复。期间虽然有一两个内部员工表现出兴趣,但随后便杳无音信。多年过去了,这个 Bug 依然在那。现在,我对 GitHub 修复基本功能的任何期望都已彻底崩塌,只剩下满心的讽刺与失望。”

面对开发者群体对 Github 的失望情绪,这位 GitHub 员工在评论区继续输出,他认为:GitHub 不会被替代,GitHub 最有可能拥有光明的未来,而实现它的最佳途径,是从内部改进它。他写道:

就像 Mastodon 未能取代崩溃后的 Twitter 一样,我并不认为 GitHub 的替代平台会成为主流。尽管未来可能会出现更多类似 Codeberg 这样的 GitHub 类平台,或者部分项目会转向 Tangled 和 Forgejo 这样的新型代码托管工具,但要说服数百万 GitHub 用户迁移到更为复杂的平台,仍然令人难以置信——这就像‘20XX 年会是 Linux 桌面元年’一样不现实。

我认为,GitHub 最有可能拥有光明的未来,而实现它的最佳途径,恰恰是从内部改进它。我选择加入这里,正是因为我希望从内部推动 GitHub 变得更好。因此,我才提到‘我希望我们的努力,能让你们有一天愿意回来’。我深信这个可能,所以我选择留下,为此付出努力。就像 Mitchell 曾坚守 GitHub 的理想那样,我也珍视那份愿景。他已经决定离开,而我还没有——这无关对错,只是个人选择的不同。

Mitchell 的文字在 Reddit 上同样引发了强烈共鸣。

尤其是在 Reddit 等社区中,围绕“Ghostty 是否应该逃离 GitHub”的讨论迅速发酵,评论区几乎变成了一场集体回忆录:有人谈起自己第一次提交 pull request 的紧张,有人回忆当年追着 issue 学习编程的日子,也有人开始质疑——那个曾经承载开源精神的 GitHub,是否正在变成一个“基础设施优先”的商业平台。

某种程度上,这并不只是一个项目迁移的决定。

对一代技术人而言,GitHub 曾经不仅是工具,更像是一种精神空间:代码、协作、声誉、学习路径,甚至职业命运,都在这里交汇。

它既是“代码托管平台”,也是“技术乌托邦”的象征——一个你只需要写好代码,就能被世界看见的地方。

而如今,当一个从 2008 年就扎根其中的老用户,用“18 年”“每天多次打开”“人生一半时间”来描述自己的关系,并最终选择离开时,这种情绪很难被简单归类为“产品体验不佳”。

它更像是一种时代错位。

当平台规模不断扩大、功能不断叠加、商业逻辑持续强化时,那种最初的、近乎纯粹的开源体验正在被稀释。稳定性问题只是导火索,真正被触动的,是开发者对“归属感”的失落。

有人在评论里扎心地写道:“我们不是在讨论 GitHub 好不好用,而是在讨论,我们曾经相信的那个地方,还在不在。”

以人为中心的开发体验,还能被保留下来吗?

2018 年,Microsoft 以 75 亿美元收购了 GitHub。

当时给出的承诺很简单:让 GitHub 更好地服务开发者,而不是改变它。

在最初几年,这个承诺基本兑现了。

2019 年,GitHub 正式推出了 GitHub Actions,将 CI/CD 能力直接嵌入代码仓库,开发者无需再依赖外部工具链。这一发布被普遍视为 GitHub 平台能力的重要跃迁。

从产品演进来看,那是一个“工程效率优先”的阶段:围绕代码托管本身不断增强基础设施能力,让开发流程更顺滑、更自动化。

但此后情况发生了改变。

2021 年,在以 ChatGPT 为代表的大语言模型爆发后,GitHub 与 OpenAI 合作推出了 GitHub Copilot。逐渐地,Copilot 从辅助工具发展到了微软战略核心位置上。

最初,Copilot 被定义为“AI 结对编程助手”,用于代码补全与建议。但很快,它的定位发生了变化。

Copilot 不再只是一个功能,而成为微软 AI 战略的重要入口之一。围绕它的商业模式也迅速成型:个人版每月 10 美元,团队版 19 美元,企业版 39 美元——这是 GitHub 历史上最清晰、最直接的订阅收入来源之一。

随后几年,围绕 Copilot 的产品演进明显加速,并呈现出一个清晰方向:从“辅助写代码”走向“替你完成开发流程”。

2024 年,GitHub 发布了 Copilot Workspace,允许 AI 从 issue 出发,理解需求、生成代码并直接创建 Pull Request。

到 2025 年,GitHub 进一步推出 Agent 模式(Copilot Agents),将这一能力推进到“端到端自动化开发”的阶段:AI 可以从需求理解、代码生成到提交 PR 完整执行一条链路。

从产品路径来看,这是一条非常一致的技术路线:从代码补全 → 任务理解 → 自动生成 → 自主执行,GitHub 正在从“代码托管平台”,转向“AI 驱动的软件生产系统”。

但与此同时,另一条曲线开始浮现。

开发者社区的反馈逐渐出现分化,尤其集中在基础设施层面——最典型的,就是 GitHub Actions。

用户开始对 GitHub Actions 的稳定性表示失望,失望的原因有很多,包括构建排队时间显著增加、Runner 随机失败、缓存命中率不稳定、日志丢失或加载缓慢等等。

GitHub 官方状态页面也在一定程度上反映了这种压力:

尽管这些问题并不意味着系统“不可用”,但对于依赖 CI/CD 的团队而言,稳定性波动本身就是生产力损耗。

而在 Ghostty 创始人的那篇长文中,这种“体感”第一次被具象化——通过“每天打一个 X”的方式,记录 GitHub 故障对工作的实际影响。

如果把这两条曲线叠加在一起,一个更值得讨论的问题就出现了:GitHub 是否真的“变差了”?还是说,它只是把重心转移了?

从企业资源配置的逻辑来看,答案倾向于后者。

Copilot 作为明确的收入来源,契合微软以 AI 为核心的战略,开发者工具正是其关键落地场景。相比之下,Actions 等基础设施更偏向“成本中心”,其目标往往是“稳定可用”而非“追求突破”。当一个平台将最优秀的工程资源和战略优先级倾注于 AI 产品时,原有基础设施滑向“足够好”的状态,几乎是一种必然。这不是 GitHub 独有的问题,而是许多平台在战略转型期都会面临的结构性张力。

更深层的变化在于,AI 正在重塑 GitHub 的底层负载模型。过去,平台的系统负载是基于“人类开发节奏”设计的:人工写代码、提交 PR、触发 CI 构建,这是一个相对稳定、可预测的流程。

但随着 GitHub Copilot、Claude Code、Cursor 等 AI 编程工具的普及,开发行为发生了根本变化:单个开发者的代码产出量和提交频率大幅提升,自动化测试的触发次数呈倍数增长。尤其在 AI Agent 模式下,一个简单需求就可能引发多轮自动迭代,这使得 CI 负载不再与“开发者数量”线性相关,而是与“AI 迭代次数”挂钩,形成了一种指数级增长的压力模型。

而 GitHub 的基础设施,最初并非为此类模式设计。

这导致了一种颇具“黑色幽默”的现实:GitHub 正全力推动 AI 编程,鼓励开发者更高效地产出代码,但 AI 生成代码所带来的海量工作流,却在反向对平台自身的基础设施构成持续的压力放大。

真正的问题或许不在于这种变化是对是错,而在于:在这个被 AI 加速的世界里,曾经那种缓慢、稳定、以人为中心的开发体验,还能否被保留下来。

GitHub 之外,开源只剩更差选择

即便 GitHub 广受争议,但是当人们开始审视 GitHub 之外的选项时,很快会发现,每一种路径都对应着一种妥协。

从产品能力看,GitLab 是最接近 GitHub 的平台:完整 DevOps 生命周期、CI/CD、权限管理、企业级能力一应俱全。

但问题在于,它的两种路径都不理想:

SaaS:价格直接劝退:GitLab Premium 定价约 $29/用户/月,明显高于 GitHub Team。对于一个 10 人团队,每月成本可达 $145–290,美式企业软件定价逻辑非常明显。

自托管:隐藏成本远高于预期。理论上,GitLab CE(开源版)可以自托管,听起来是“自由”的解决方案。但现实是:算上基础设施、运维成本后,一个 20~50 人的团队,总成本差不多要在 2000 美元/月,总结起来就一个字:贵。

因此有 Reddit 用户吐槽说 GitLab 托管费高得离谱。

如果说 GitLab 是“企业级替代”,那么 Codeberg 更像是“理念驱动型替代”。

它的优势明确:非营利组织运营、不做数据收集、不做 AI 训练并且完全免费(靠捐赠), 这也是为什么一些项目开始迁移。例如:Zig 语言已经从 GitHub 迁移到 Codeberg,理由包括性能问题和 CI 不稳定。

但 Codeberg 的问题同样明显:定位只服务开源。它重点强调 FOSS(自由开源软件),商业闭源项目并不适配 。

Reddit 用户总结得很直白:它的灵活性太低了。

此外,Codeberg 能力与生态不足:CI/CD 依赖外部工具(如 Woodpecker)、插件生态几乎不存在、社区规模远小于 GitHub。

另一类替代方案是:Gitea 和 Forgejo。特点很简单:可以拥有完全控制权,但是必须承担全部复杂度。包括:CI/CD 自建、权限系统维护、备份与灾备以及安全更新等,这些工具本质不是平台,而是“基础组件”。

可以这样说,开源世界并非没有选择,而是所有替代路径都伴随着清晰且不可回避的代价。

参考链接:

https://news.ycombinator.com/item?id=47939579

https://mitchellh.com/writing/ghostty-leaving-github

https://www.xda-developers.com/ghostty-ditching-github-over-chronic-reliability-failures/

https://www.reddit.com/r/programming/comments/1sye8fc/ghostty_is_leaving_github/

https://www.mymcpshelf.com/blog/best-github-alternatives/?utm_source=chatgpt.com

https://www.reddit.com/r/opensource/comments/1qmiv56/for_those_who_use_github_to_host_their_projects/?utm_source=chatgpt.com

欢迎来到下一代编程生态。Phoenix(又称 ObjectSense)是专门为分布式协作与 AI 辅助设计的编程语言。无论你是追求极致控制的底层极客,还是向往高效开发的云端应用开发者,这份指南都将帮助你迈出第一步。
一、 走进 Phoenix:Polyglot Singularity 的逻辑基石
在 Codigger 分布式操作系统中,Phoenix 扮演着语言层的核心角色。它连接了底层的 Mudem 开发环境与上层的业务应用,并通过 AI 智能助手实现深度学习与理解。
轻量化源码开发:你可以像使用传统的 C 或 Go 一样,在本地环境编写源码,享受极速的编译体验。
高度集成云开发:Phoenix 原生支持分布式调度,你的本地代码可以直接在云端 Shell 环境中运行。
image.png
二、 开发环境搭建:按需选择
你可以根据自己的习惯,从以下两种路径中择一开启旅程:
方式一:源码包方式(适合底层极客)

  1. 下载:获取官方提供的基础源码包。
  2. 解压:将源码包解压到本地目录。
  3. 配置:设置环境变量,确保系统可识别相关指令。
  4. 编写与运行:在本地进行代码编写、编译与执行。
    方式二:Codigger 平台方式(适合高效开发者)
  5. 登录:访问 Codigger 系统平台。
  6. 启动:使用平台内置的 Side 编辑器。
  7. 运行:通过内置的 Shell 命令完成代码编译与运行。
    image.png
    三、 第一个程序:Hello Object Sense!
    在开始编写代码前,我们需要安装必要的运行环境包。
  8. 准备依赖
    打开终端,执行以下指令安装“双剑客”:

    安装运行环境 rhino

    hodo rose install raw-spofer-rhino

安装编译器 bytecode-compiler

hodo rose install raw-spofer-bytecode-compiler

  1. 编写你的 Index.ose
    创建一个名为 Index.ose 的文件(建议放在 demo 文件夹下),输入以下内容:
    package demo

class Index

fun g()

// echo 指令用于最简单的信息输出
echo "Hello Object Sense!"

end
image.png
四、 从源码到运行:蜕变之路
Phoenix 的执行需要经历从源文件(.ose)到字节码(.rse)的过程。

  1. 使用 Rose 编译器
    执行以下命令将源码编译为可执行文件:

    单个文件编译:将 .ose 编译为 .rse

    rose compile 绝对路径的文件名

整个模块编译

rose compile module名

  1. 使用 Rhino 运行环境
    编译完成后,使用 Rhino 启动生成的 .rse 文件。在本地环境下,通常使用如下路径执行:
    candybox/sense/raw-spofer-rhino/bin/rhino ./Index.rse
    调试小贴士:如果需要查看详细调试信息,可以在命令后加上 -s 参数: candybox/sense/raw-spofer-rhino/bin/rhino ./Index.rse -s

五、 交互式编程:REPL 的即时魅力
如果你只想验证一段代码片段,REPL 是最佳选择。
定义:Read(读取)、Eval(评估)、Print(打印)、Loop(循环)。
优势:允许用户输入代码片段并立即获得执行结果,提供即时、动态的编程体验。其工作原理是一个循环:等待输入→解释编译→打印结果→返回等待状态。
image.png
六、 跨越边界:多操作系统支持
Phoenix 致力于消除环境隔阂,支持 Windows、macOS 与 Linux 三方运行。随着学习深入,你将理解 Objectsense 核心语法如何通过 AI 赋能,在插件层、业务层与框架层之间实现辅助创造与生成。
结语: 踏出这一步,意味着你已经从代码的“搬运工”转变为逻辑的“架构师”。在 Polyglot Singularity 的世界里,语言不再是隔阂,创造力才是唯一的边界。

我自己收集的 PPT 设计技巧资源:

  1. 杂志风格 PPT 设计
    https://github.com/op7418/guizang-ppt-skill

  2. 带设计动画的 PPT 技巧
    https://github.com/alchaincyf/huashu-design

  3. 7 种不同风格的 PPT 设计
    https://github.com/software-ai-life/Awesome-PPT-Design-Skills

  4. 复刻 Claude Design 的开源替代品
    https://github.com/nexu-io/open-design
    (本地优先、开源,包含 19 项技能、71 个品牌级设计系统,已获 4k+ Stars )

4月29日下午,第九届数字中国建设峰会数字经济分论坛由国家数据局主办,国家数据发展研究院、国投智能信息科技股份有限公司、粤港澳大湾区科技创新产业投资基金共同承办。本次论坛有国家发展改革委党组成员,国家数据局党组书记、局长刘烈宏作主旨演讲,拓数派作为优秀数创企业参加题为《从“好苗子”到“参天树”,数创企业如何跑出加速度?》的圆桌论坛。 

图片
数字经济分论坛现场 

在企业专场圆桌论坛中,拓数派董事长冯雷分享了深刻的行业洞察。面对当前大模型技术向应用层渗透的现状,冯雷一针见血地指出:“当下大家都在谈智能体。如果打个比方:智能体是战斗机,大模型是发动机,那么数据就是燃料。过去一年,很多企业买到了好的‘发动机’,却发现飞不起来,核心原因就在于缺乏高质量的‘燃料’。” 针对公域数据面临枯竭、企业私有化核心数据不敢直接投喂大模型的瓶颈 ,拓数派给出了强有力的破局方案。冯雷强调,没有可信的数据空间和本体(Ontology)构建,AI应用就是无源之水。为此,拓数派打造了赋能“链主企业”的Data+AI底座,不仅在杭州萧山、嘉兴平湖和温州苍南等地数据局建设了带本体的可信数据空间并开发了多款智能体,更与中国船舶、中国电子和中国航信等国家核心央企达成技术合作,提供“可信数据和智能体AI”底座 。  

图片
企业专场圆桌论坛 

在被主持人国家数据发展研究院数据资源研究部主任王威问及企业发展的历程时,冯雷分享了拓数派团队所经历的最艰难跨越——从云原生数据走向可信数据的认知转变。作为“Data+AI”赛道的主要提出者,拓数派团队拥有深厚的云原生背景。随着大模型的爆发,企业数据出现“逆共有云化”趋势,这要求团队必须以全新的可信数据视角去搭建下一代基座。 如今,拓数派已成为工信部“内置本体的可信数据空间”标准制定者,其独创的简墨元平台能够支持异构数据的本体统一管理,实现数据与模型的自主耦合。 

展望未来三到五年,拓数派精准预判AI将深度赋能超级个体,迎来OPC(一人公司)范式崛起 。为此,拓数派投资全资子公司章十数据在今年3月14日推出了面向中小企业与OPC开发者的轻量化智能体AI盒子,内置拓数派安全版”龙虾”πCrawfish智能体与轻量级“简墨元”,确保了数据安全和词元(Token)性价比。连同拓数派面向世界500强及大型企业打造的πDataCS企业版,拓数派科技发展作为整体,成功构建了让各类企业都能零代码打造智能体的双轨解决方案。  

“技术最终要回归于人。” 冯雷在论坛最后表示,拓数派正携手秉持ESG理念的1024数字产业基金会,积极开展系列OPC训练营。未来,拓数派不仅将继续赋能国家级“链主企业”,更将致力于把AI能力平民化,推动数智经济的普惠发展,在数字中国的广阔沃土上加速成长为“参天巨树”!
 
图片
拓数派董事长 冯雷(Ray Von)

本次数字经济分论群英荟萃,汇聚了国家部委领导、地方政府高层、院士泰斗及行业巨擘。除了国家发展改革委党组成员、国家数据局党组书记、局长刘烈宏,还有福建省人民政府副省长赵增连,厦门市人民政府常务副市长黄燕添等政府领导莅临现场并发言。 在学术和产业前沿,中国工程院院士、清华大学教授郑纬民,北京航空航天大学副校长吕卫锋等学界泰斗,以及国家开发投资集团副总经理高宏伟、粤港澳大湾区科技创新产业投资基金董事长张新海等业界领袖齐聚一堂。在这一顶级平台上,拓数派作为「可信Data+零代码智能体AI」的提出者和赛道引领者,与政产学嘉宾同频共振,发出“可信数据”的最强音。

准备把囤积的金庸武侠电视剧看完
听劝加了吴启华版的《倚天屠龙记》和吕颂贤版的《笑傲江湖》
并且感觉吴镇宇,李连杰,张敏的电影版也不错,待看

  1. 射雕英雄传 - 黄日华版(已看完)
  2. 神雕侠侣 - 古天乐版 + 黄晓明版(已看完)
  3. 倚天屠龙记 - 苏有朋版(已看完)
    3.2 吴启华版(在看)
    3.1 张敏版电影(待看)
  4. 天龙八部 - 黄日华版 + 胡军版(待看)
  5. 笑傲江湖 - 霍建华版(已看完)
    5.1 吕颂贤版(待看)
  6. 雪山飞狐 - 黄日华版(待看)
  7. 连城诀(已看完)
  8. 侠客行(小说)
  9. 书剑恩仇录(小说)

想看看大家五一有什么安排

上周五,OpenAI 发布 GPT-5.5 与 DeepSeek 推出 V4 模型几乎同时上演,大模型市场的竞争正进入白热化阶段。

面对竞争对手的快速迭代,谷歌生态的技术从业者正在积极寻找应对之道——越来越多的人开始借助智能体 Agent 来构建和优化基于谷歌云平台的应用,从 Firebase、Gemini API 到 BigQuery 和 Google Kubernetes Engine(GKE)。

但值得注意的是,在竞争日益激烈、技术快速演进的背景下,一个关键问题变得尤为突出:如何确保模型掌握关于这些技术准确、最新的信息?

在实际开发中,这个问题的棘手程度远超想象。

开发者往往需要为每个云服务编写适配器,将 API 调用封装为智能体可调用的工具函数,然后反复调试模型是否正确调用了工具、传入了正确参数。更麻烦的是,一旦底层服务 API 发生变化,所有适配器都需要手动更新。这不仅是重复劳动,更是一种隐性的技术债。

为了解决这个问题,谷歌为开发者文档提供了 Model Context Protocol(MCP)服务器,让智能体能够连接到可靠的实时信息源。但随之而来的,是一个被称为 “上下文膨胀”(Context Inflation)的新挑战。

MCP 服务器的核心价值在于为模型提供即时的外部信息。

但它自身也有局限性:当智能体大规模使用 MCP 服务器时,大量上下文信息会被不加区分地加载到模型的上下文窗口中。这种做法带来两个严重后果:其一,过多的信息会使模型混乱,降低推理质量——这一问题在企业实践中已被反复验证,有团队发现智能体在每次调用时加载 1.5 万 个 tokens 的指令,几乎不给实际需要处理的内容留下任何上下文空间;其二,上下文窗口的每一次填充都会转化为实实在在的 Token 成本,随着调用量增长,开销曲线会变得难以忽视。

面对这一困境,业界迫切需要一种更精细的信息供给方式——既能让智能体获得所需的专业知识,又不至于被冗余信息淹没。

这正是 Agent Skills 应运而生的背景。

谷歌官方 Skill 仓库正式上线

那么,究竟什么是 Agent 的 Skills?

根据官方定义,Skill 是一种 “简单开放的格式,用于赋予智能体新的能力和专业知识” 。我们可以将其理解为针对特定技术或任务的精简的、以智能体为中心的文档。

Skills 的设计哲学可以用两句话概括:用 Markdown 编写,保持轻量;按需加载,避免冗余。每一份 Skill 文件可以包含参考文档、代码片段和其他资源,智能体仅在需要时才加载相关信息,从而大大降低了上下文信息过载的风险。

从技术定位来看,Skills 占据了一个独特的位置。它在传统提示 Prompt 之上——因为 Skills 是可复用的、持久的;比微调(Fine-tuning)更轻——因为它能以业务逻辑的速度迭代;比 RAG(检索增强生成)更主动——它不是被动的信息检索,而是主动的专业知识注入;比普通工具(Tools)更丰富——因为它不仅编码了“做什么”,还编码了“怎么做”和“为什么这么做”。

在 Google Cloud Next 2026 大会的第一天,谷歌正式宣布推出 Google 官方 Agent Skills 仓库。

这一消息被认为是本届大会最具实用价值的发布之一。

项目地址为:github.com/google/skills 。

该代码库包含十三项技能,涵盖谷歌云最核心的服务:AlloyDB、BigQuery、Cloud Run、Cloud SQL、Firebase、Gemini API 和 Google Kubernetes Engine(GKE)。

这些技能帮助智能体理解如何创建、查询和管理云资源,是 Agent 操作谷歌云基础设施的能力基础。

还包括三大架构支柱技能。

  • 安全性(Security):让智能体理解云安全最佳实践,包括身份与访问管理、数据加密和威胁防护

  • 可靠性(Reliability):涵盖高可用架构设计、容错机制和灾难恢复策略

  • 成本优化(Cost Optimization):指导智能体在架构决策中考虑资源效率与成本控制

这三大支柱技能的重点不在于教会智能体调用某个具体 API,而是让它理解云系统设计的原则与决策逻辑,从而在更高层面提升应用质量。

此外,仓库还提供了三项面向常见任务的流程指南:Google Cloud 入门(Onboarding to Google Cloud)、身份验证(Authenticating to Google Cloud)和网络可观测性(Google Cloud Network Observability) 。这些“秘诀”将日常操作拆解为可执行的步骤,让智能体能够按照既定流程完成特定工作。

Agent Skill 到底有什么用?

要理解 Agent Skills 的真正价值,不妨回到真实开发场景。

在 2026 年的今天,构建 Agent 的实际情况与演示截然不同:开发者花费大量时间编写和维护工具适配器——一位构建文档处理智能体的开发者透露,她用于维护适配器的时间已经超过了构建智能体逻辑本身的时间。

Skills 仓库正是为了解决这一痛点而生。官方 Skills 经过针对实际模型的测试和优化,谷歌已验证其能在 Gemini 上可靠运行;同时,Skills 兼容 MCP 标准,可以跨平台使用,不限于 Vertex AI;当底层云 API 发生变化时,谷歌会负责更新相应技能,开发者无需自行维护;此外,Skills 直接使用开发者已有的 GCP 凭证,无需编写额外的认证代码。

在兼容性方面,Skills 展示出极强的跨平台能力。通过 npx skills install github.com/google/skills 命令,开发者可以将这些技能安装到多种智能体平台中,包括 Antigravity、Gemini CLI,以及 Claude Code、Cursor 等第三方智能体工具。

近期发布的 Antigravity 平台已经深度整合了 Skills 体系,支持通过规则(Rules)、技能(Skills)和工作流(Workflows)三个层级,将通用智能体转变为专业、稳健且高效的工作伙伴。同时,Gemini CLI 也通过更新内置了对 Skills 的原生支持,让开发者可以在命令行环境中直接调用专业化技能。

再来看个具体的例子,每个 Skill 都包含:

经过实际模型测试——不仅仅是“这里有一个函数”,而是经过优化的描述,这些描述已由谷歌验证,可与 Gemini 稳定兼容。兼容 MCP——符合模型上下文协议 (MCP) 标准,因此可跨平台运行,而不仅限于 Vertex AI。版本控制和维护——当底层云 API 发生变更时,谷歌会更新技能,无需用户亲自动手了。预认证——使用现有的 GCP 凭据,无需自定义授权码。

例如,BigQuery 技能在实践中看起来是这样的:

from google.adk.agents import LlmAgentfrom google.skills.gcp import BigQuerySkill, CloudStorageSkill, PubSubSkillagent = LlmAgent(    name="data_pipeline_agent",    model="gemini-2.5-pro",    tools=[        BigQuerySkill(project_id="my-project", dataset_id="analytics"),        CloudStorageSkill(bucket="my-output-bucket"),        PubSubSkill(topic="pipeline-results"),    ])
复制代码

对比一下没使用该技能时要写的东西:

Today's realityfrom google.cloud import bigqueryfrom google.cloud import storagefrom google.cloud import pubsub_v1import jsonclient = bigquery.Client()storage_client = storage.Client()publisher = pubsub_v1.PublisherClient()def run_bigquery_query(query: str, max_rows: int = 1000) -> dict:"""Runs a SQL query against BigQuery and returns results.Use this tool when you need to query structured data from the data warehouse.The query should be standard SQL. Results are limited to max_rows rows.Returns a dict with 'rows' (list of dicts) and 'schema' (list of field names).If the query fails, returns a dict with 'error' key explaining what went wrong."""try:    query_job = client.query(query)    results = query_job.result()    rows = [dict(row) for row in results][:max_rows]    schema = [field.name for field in results.schema]    return {"rows": rows, "schema": schema, "total_rows": len(rows)}except Exception as e:    return {"error": str(e)}def upload_to_storage(filename: str, content: str, content_type: str = "text/plain") -> dict:"""Uploads a file to Cloud Storage.Use this when you need to save output data or results to persistent storage.filename is the destination path within the bucket. content is the string content.Returns dict with 'url' on success or 'error' on failure."""# ... 20 more lines of boilerplate
复制代码

每个项目可能大概要写四到十个这样的工具代码。而技能库可以帮你省去所有这些代码。

事实上,早在谷歌发布这款官方 Agent Skill 库之前, 谷歌云 AI 总监、Gemini 工程负责人 Addy Osmani 在领英上宣布开源了一款 Agent Skills 库:为 AI 编码智能体打造的 19 项工程技能 + 7 条命令,灵感源自 Google 最佳实践。

项目地址:https://github.com/addyosmani/agent-skills

他在文章中写道:“我们知道 AI 编码智能体很强大。但如果任由它们自由发挥,它们就会走捷径——跳过规格说明、跳过测试、跳过安全审查。它们会更倾向于追求‘完成’而非‘正确’。这就是我构建 Agent Skills 的原因。每一项技能都编码了资深工程师实际使用的工作流、质量关卡和最佳实践:编码前先制定规格、合并前先进行测试、优化前先进行测量。这些内容被打包好,让你的智能体能够始终如一地遵循。

完整的生命周期覆盖:

→ Define(定义)——在写第一行代码之前,先打磨想法、撰写规格说明

→ Plan(规划)——分解为小而可验证的任务

→ Build(构建)——增量式实现、上下文工程、清晰的 API 设计、测试驱动开发(TDD)

→ Verify(验证)——使用 DevTools 进行浏览器测试、系统化调试

→ Review(审查)——代码质量、安全加固、性能优化

→ Ship(交付)——Git 工作流、CI/CD、架构决策记录(ADR)、发布前检查清单

这些技能兼容 Claude Code、Cursor、Antigravity,以及任何接受 Markdown 指令的智能体。

Addy Osmani 的这款 Agent Skills 代码库把谷歌资深工程师的工作习惯,拆成 20 个可组合的 Skill,约束 AI 每一步都按工程规范干活。

目前,Addy Osmani 的开源项目已经在 Github 上获得近 2.4 万 star。

那么,这两款都出自谷歌的 Agent Skills 代码库有何不同,分别解决什么问题?

Osmani 的项目解决的是“如何正确地构建”的问题——它是一套确保智能体编码行为符合专业标准的通用工程纪律框架。无论你使用哪个云平台、开发什么类型的软件,这套技能都能指导你的智能体遵循规格驱动开发、增量式实现、测试优先等专业实践。

谷歌官方开源的 Agent Skills 仓库解决的则是“构建什么以及如何操作”的问题——它提供的是针对特定技术栈(Google Cloud)的具体操作知识。当智能体需要创建 BigQuery 数据集、配置 GKE 集群或设计 Cloud Run 服务时,官方技能将提供准确的、经过验证的指令。

在实际使用中,两者可以并存于同一个智能体环境中:Osmani 的技能包用于规范智能体的整体开发行为,而 Google 官方技能库则在智能体需要与 Google Cloud 服务交互时提供精准的操作知识。

这两个项目的先后出现,印证了 Google 在 Skills 领域的独特布局策略:既拥抱个人驱动的开源创新,又通过官方仓库为整个生态提供标准化的知识基础设施。这种“个人-官方”的双轨模式,或许正是技能成为“智能体工作流公认抽象层”的关键一步。

对于开发者而言,这意味着你既可以借助 Osmani 的技能包让智能体像资深工程师一样严谨工作,又可以借助官方技能仓库让智能体准确无误地操作 Google Cloud 服务——两者协同,构成了一个既遵守工程纪律又掌握专业知识的人工智能“超级员工”。

参考链接:

https://dev.to/pooja_bhavani/googles-most-important-next-26-announcement-wasnt-gemini-25-ultra-27ff#comments

https://cloud.google.com/blog/topics/developers-practitioners/level-up-your-agents-announcing-googles-official-skills-repository

https://www.linkedin.com/posts/addyosmani_ai-softwareengineering-programming-activity-7446081634577309696-iT-5/

微软官方的 AI 集合插件 deepsider 支持试用 ChatGPT Images 2.0 生成图片;
如果内容对各位大佬有点用,帮忙用下小弟邀请码:F07J2B
如果内容对各位大佬有点用,帮忙用下小弟邀请码:F07J2B
如果内容对各位大佬有点用,帮忙用下小弟邀请码:F07J2B
具体操作:
1、使用微软自带浏览器 Edge 搜索 deepsider ,界面如下,安装 deepsider.ai
image
2、安装完成后按照教程步骤注册即可,小白也可以使用;
https://my.feishu.cn/wiki/VW4NwpthVilB6wklbOTcSMkxnSd

图片1.png

合作捷报丨单点项目进阶体系化产业赋能

枫清科技在东营港的业务迈入新阶段。此前枫清已在当地完成阶段性合作,而此次布局标志着双方关系从单一项目交付转向本地化、长期化、体系化推进。具体来看,北京枫清与深圳桦能已在东营共同成立合资公司枫桦智能,作为本地化运营主体承接区域业务。同时,枫清正借鉴与中化数智、火山引擎及吉林大学共建AI+新材料联合实验室的成功模式,在东营与当地企业伙伴携手推动联合实验室建设。基于“平台+生态”合作,AI4S 已不仅限于技术输出,而是嵌入区域产业生态、持续产生复利效应的基础设施。
枫清科技中标中环领先数字孪生项目,获得半导体产业龙头的高度认可。此次合作聚焦订单交付、设备管理及质量分析三大核心场景,构建订单交期可计算、质量决策可支撑、双工厂可对标协同的能力体系,推动供应链管理由经验驱动向数据驱动转型。

技术进展丨核心业务Agent基础设施升级

4 月,Fabarta 智能体构建平台正式升级至 2.0 版本。作为面向企业核心业务的一站式 AI 智能体全生命周期管理平台,它内置丰富工具与模板,企业可快速搭建可用的业务智能体。平台具备全流程低代码构建能力,基于 Graph+LLM 融合技术底座,拥有高效多模态知识管理与企业级安全保障,支持多智能体调度与稳定执行,可快速落地高质量业务智能体,显著降本增效。
同期,枫清科技对外分享两大核心技术观点与方案:一是随着Agent 从“对话”走向“执行”,企业传播入口将迎来新一轮迁移,未来竞争焦点从“能否被搜到”转向“能否被 Agent 参考与调用”;二是推出以语义层为基石的 NL2DSL 与 NL2SQL 融合方案,通过智能路由实现双路径互补,在保障数据安全的前提下,破解企业数据分析“精准与灵活难以兼顾”的行业难题。

产品动态丨获信通院最高4+级认证,新老会员福利进行中

4月,枫清科技 Fabarta 个人专属智能体通过中国信通院首批智能助手(Claw)基准评估,荣获最高功能4+级,在基础交互、推理执行、应用落地与合规安全等维度表现优异,权威验证产品成熟度。
自3月初上线以来,Fabarta 个人专属智能体(龙虾版)累计下载用户接近 2 万。产品推广视频、教程已覆盖多平台,同时推出新用户免费会员、老带新Token激励等活动。
在市场活动层面,龙虾版已先后走进北京邮电大学、复旦大学等高校,通过主题分享、产品演示与互动交流等形式,展现产品核心能力与真实使用场景,在高校师生群体中获得热烈反响。

生态共鸣丨APEC研讨会、Apple创新合作实践的价值传递

近日,枫清科技联合创始人兼COO葛爽受邀出席APEC女性数字素养与技能提升研讨会。她提出,女性管理者的全局视角与系统思维,能在扁平化 AI 组织中发挥高效协同作用;枫清以小团队实现多业务商业化验证,核心是目标统一、效率优先与资源同频,同时以扎实产业落地与资本建立信任。
同月,枫清科技业务架构师阮奇受邀参与 Apple 创新教学实践合作复旦行,分享 Fabarta 个人智能体在Apple生态的落地实践。他指出,智能体技能是高频需求的可复用沉淀,依托 iPhone与Mac本地优势,产品已实现多系统闭环联动,推动AI从交互走向执行。

HR系统选型决策树:从需求拆解到数据迁移的技术实现

做了三次HR系统选型后,我发现大多数技术选型文章都在讲"哪个系统好",而不是"你的场景需要什么"。这篇文章不推荐任何产品,只讲决策框架和实现细节。

第一个决策:你需要HRIS还是HRMS还是HCM?

这三个缩写代表的是完全不同的系统层级。

  • HRIS(人力资源信息系统):管数据。员工信息、组织架构、考勤记录。核心是"存"和"查"。
  • HRMS(人力资源管理系统):管流程。在HRIS基础上加了招聘、绩效、薪酬计算等业务流程模块。
  • HCM(人力资本管理):管战略。在HRMS基础上加了人才盘点、继任计划、劳动力分析。

大多数中小企业需要的其实是HRIS,但买了HRMS甚至HCM。原因很简单:销售说"功能多不另外加钱"。

判断标准:如果你的HR团队少于5人,且核心痛点是"员工信息散落在各处",你需要的是HRIS。绩效管理、人才发展这些,可以等数据基础打好再考虑。

def recommend_hr_system_tier(team_size, pain_points):
    if team_size <= 5 and "data_scattered" in pain_points:
        return "HRIS"
    if team_size <= 15 and ("recruitment" in pain_points or "payroll" in pain_points):
        return "HRMS"
    if team_size > 15 and "talent_strategy" in pain_points:
        return "HCM"
    return "HRIS"

第二个决策:SaaS还是本地部署

SaaS的优势是上线快、维护成本低。但HR数据有特殊性——包含员工隐私信息,不同行业对数据存储的合规要求不同。

SaaS的隐性成本清单

成本项说明估算方式
数据导出费合同到期后导出历史数据,部分厂商按GB收费询问服务商
集成开发费对接OA、钉钉、财务系统,通常不在标准包内每个接口2-5人日
版本升级风险SaaS强制升级可能导致历史数据格式不兼容无法预估
定制化限制SaaS的流程和字段通常不可深度定制功能对比表

本地部署的隐性成本清单

成本项说明估算方式
运维人力需要至少1人负责系统运维和安全更新年人力成本
硬件投入服务器、备份、灾备首年硬件采购
升级周期本地部署的版本更新依赖IT排期,通常落后SaaS 1-2个版本每年1-2次

决策建议:50人以下团队优先SaaS,200人以上团队评估本地部署。50-200人之间,看行业合规要求——金融、医疗、政府相关行业倾向本地部署。

第三个决策:数据迁移怎么规划

这是选型中技术难度最高的环节。不是"导入导出"四个字就能概括的。

import re
from datetime import datetime

def normalize_date(raw_value):
    if not raw_value or str(raw_value).strip() == "":
        return None
    text = str(raw_value).strip()
    for fmt in ["%Y-%m-%d", "%Y/%m/%d", "%Y.%m.%d"]:
        try:
            return datetime.strptime(text, fmt).strftime("%Y-%m-%d")
        except ValueError:
            continue
    cn_match = re.match(r"(\d{4})年(\d{1,2})月(\d{1,2})日", text)
    if cn_match:
        year, month, day = cn_match.groups()
        return f"{year}-{int(month):02d}-{int(day):02d}"
    return None

def classify_salary(raw_value):
    text = str(raw_value).strip()
    if text in ["", "无", "待定"]:
        return "unknown"
    if "面议" in text:
        return "negotiable"
    num_match = re.search(r"(\d{1,3}(?:,\d{3})*)", text.replace(",", ""))
    if num_match:
        return "numeric"
    return "text_description"

数据迁移最常见的坑:旧系统导出的数据格式不统一——日期混用(2023/1/5和2023-01-05并存)、薪资字段有文本描述("面议"、"按公司规定")、部门名称有历史版本。直接导入新系统后全部变成脏数据。

def migration_validate(old_data, new_data, key_fields):
    errors = []
    for record_id, old_record in old_data.items():
        new_record = new_data.get(record_id, {})
        for field in key_fields:
            old_val = str(old_record.get(field, "")).strip()
            new_val = str(new_record.get(field, "")).strip()
            if old_val != new_val:
                errors.append({"id": record_id, "field": field, "old": old_val, "new": new_val})
    return errors

第四个决策:集成方案选什么架构

HR系统需要和OA、财务、IM、考勤设备对接。集成方案的选择决定了后期的扩展成本。

架构适用场景开发量维护成本
点对点集成系统少于3个高(每加一个系统写一套)
中间件/ESB系统3-8个
API网关系统超过8个高(前期)低(长期)

5人以下HR团队,通常只有2-3个系统需要对接,点对点集成足够。不要为了"架构先进"而过度设计。

第五个决策:多地区扩展的数据结构预留

即使当前只在单一城市运营,员工信息表的设计也要考虑多地区扩展。

EMPLOYEE_SCHEMA = {
    "id": "UUID",
    "name": "str",
    "legal_entity": "str",   # 法律实体(预留多公司)
    "city": "str",            # 城市(预留多城市)
    "contract_type": "enum",  # 合同类型(枚举,不是自由文本)
    "hire_date": "date",
    "department_id": "FK",    # 关联部门表,不是文本
    "position_id": "FK",      # 关联岗位表,不是文本
}

重点:citylegal_entity在初期可能只有单一值,但用字符串枚举而非布尔字段,后续扩展不需要改表结构。department_id用外键关联而非直接存部门名称,避免部门改名后数据不一致。

写在最后

HR系统选型的本质是信息架构设计,不是软件选型。先想清楚:管理什么信息、信息之间什么关系、未来可能怎么扩展。这三个问题回答清楚了,选型只是执行。

应思否社区朋友的要求,分享一下我们杭州文澜天下科技在自研GEO系统过程中踩过的坑和总结的经验。希望对正在或将要从事相关方向的技术同行有所帮助。

坑一:过早追求“全自动”。

一开始我们想做一个全自动的系统:客户资料导入,自动拓词,自动生成文章,自动发布,自动监测。结果发现,全自动生成的内容AI味太重,而且对于本地化细节(如地名、学校名、具体事件)无法准确处理。后来调整为“人机协同”:系统负责批量生产初稿和重复性劳动,人工负责策略判断、内容润色和本地化细节。效率和质量都得到了提升。

坑二:拓词过于依赖算法,忽略了人工筛选。

我们的拓词模块早期完全依赖同义词扩展和词向量相似度,结果生成了大量噪音词,比如从“语文培训”扩展出“语文补习班”“语文辅导班”没问题,但也会出现“语文课本”“语文老师”这类不相关的词。后来加入人工筛选环节,系统先输出候选词,再由运营人员打标签确认。虽然增加了人工成本,但关键词质量大幅提升。

坑三:监测模块的稳定性问题。

监测模块需要定时去各大AI平台抓取搜索结果。早期我们用简单的requests请求,但很快发现很多平台有反爬机制,要么返回验证页面,要么直接封IP。后来改用Selenium模拟浏览器行为,并配置了代理IP池和随机User-Agent。同时设计了降级方案:自动抓取失败时标记“需人工监测”,由运营人员手动补录。目前稳定性在95%以上。

坑四:知识库的数据孤岛。

早期知识库存储了客户的结构化数据,但写作工坊调用时需要复制粘贴,没有打通。后来将知识库的数据通过API暴露,写作工坊可以直接读取填充到模板中,实现了“一次录入,多处使用”。这个改动极大提升了内容生成的效率。

经验总结:

从解决真实痛点出发,不要为了“做系统”而做系统。每个模块都应该是被项目“逼”出来的。

保持系统轻量和可扩展。不要追求大而全,先解决最痛的几个点,再逐步迭代。

人机协同是当前阶段的最佳实践。系统负责重复劳动,人工负责判断和创造。

目前我们的GEO系统已稳定运行一年多,支撑了教育、财税、制造等多个行业的客户项目。如果你在搜索“杭州GEO优化公司”“GEO服务商”“生成式引擎优化专家”,希望杭州文澜天下科技的技术实践能给你一些参考。欢迎同行交流。

codex
gpt-5.4 medium
耗时 3min 正确找到 bug 分析了原因还举了例子 非常易读

gemini cli
Auto (Gemini 3)
耗时 8min 找到 bug 但是解释得不清楚 还列出了两个无关的问题 不好读懂 也没举例子


z.ai(claude code)
9 分钟 并没有找出 bug 找了一些无关的小毛病
评价为拉完了


我还是继续用 codex 吧

一、概述总结

“社群直播带货”是微擎开放平台上一款专注于私域流量变现的应用。它通过与魔飞社群聊天小程序深度搭配,帮助商家在社群场景内无缝实现直播带货功能。该应用旨在解决商家在私域运营中“流量难转化、直播难落地”的痛点,将社群的社交属性与直播的转化能力相结合,形成从社群互动到直播交易的营销闭环。

二、功能介绍
该应用功能设计聚焦于商品管理和直播带货场景的落地,核心功能点如下:

商品管理基础能力:支持对带货商品进行系统化管理,包括产品分类、商品属性和商品规格的设置。这允许商家灵活管理多品类、多规格的商品,满足不同行业(如服饰、食品、日用品)的复杂上架需求。

产品分类

可按品类(如美妆、零食、家居)对商品进行归类,方便用户浏览。

商品属性

可为商品添加品牌、材质、颜色等属性信息,帮助用户快速筛选。

商品规格

支持设置不同规格(如尺码、容量、套餐)和对应的价格、库存,实现精细化库存管理。

物流设置:集成了物流配置功能,商家可以预设配送方式(如快递、到店自提)和运费模板,确保交易环节的顺畅。这对于非虚拟商品的电商场景至关重要。

核心联动能力:应用的核心亮点在于与“魔飞社群聊天”小程序的深度集成。它并非一个孤立的直播工具,而是将直播功能嵌入到社群聊天界面中,让商家可以在日常运营的社群里直接发起直播。用户无需跳出熟悉的社群环境,即可完成从观看、互动到下单的全流程,极大地缩短了转化路径,实现了“边聊边卖”的私域流量高效变现。

三、适用场景与行业价值
适用场景

私域社群运营者
适合已经通过微信群、魔飞社群等工具积累了私域流量,但缺乏高效转化手段的商家或个人。例如,社区团购团长、宝妈社群主、兴趣社群KOL等。
中小型电商卖家
特别是那些希望建立自己私域流量池,减少对公域平台依赖的商家。如手工艺品、地方特产、母婴用品等领域的卖家。
微商及分销团队
团队内部可以通过直播进行产品培训、新品发布、激励动员等活动,提升团队凝聚力和销售动力的同时,实现对下级代理和终端消费者的直接带货。

行业价值

缩短转化路径,提升成交率

将直播从独立的“会场”搬到日常的“聊天室”,用户从看到直播预告到进入直播间再到下单,全流程在一个应用内完成,极大地减少了用户流失,显著提升转化效率。

激活社群,增强用户粘性

直播作为一种高互动性的内容形式,能有效激活沉睡的社群用户。定期的直播活动(如秒杀、新品首发)可以成为社群运营的“节日”,增加用户打开社群的频率和停留时长。

沉淀私域资产

所有直播产生的交易和互动数据都在商家的自有系统内,帮助商家更好地理解用户偏好,进行精细化运营和二次触达。避免在公域平台直播,流量归平台所有,难以沉淀的弊端。

降低运营成本

相比于开发独立的直播电商App或小程序,基于微擎生态的成熟应用,成本低、上线快。商家只需聚焦于内容选品和社群运营,技术门槛和资金投入大幅降低。

四、问答环节
问:该“社群直播带货”应用与普通的直播小程序有何不同?
答:最大的区别在于深度场景融合。它不是独立的直播小程序,而是与“魔飞社群聊天”系统深度绑定,将直播功能直接嵌入日常社群互动中。用户可以在聊天的同时观看直播,无需跳转,转化路径更短,更符合私域社群的交易习惯。

问:购买后,如何使用这个应用与“魔飞社群聊天”配合?
答:您需要先拥有“魔飞社群聊天”小程序系统。此“社群直播带货”应用是作为其增值模块,安装后在后台配置直播商品,即可在社群聊天界面内发起直播活动。建议咨询卖家“杭州魔飞科技”获取详细的配置教程。

问:应用是否支持售后和二次开发?
答:根据产品参数,该应用源码已加密,支持PHP5.6,属于标准交付产品。虽然无法进行底层源码修改,但微擎生态提供标准的开发接口,可用于功能集成。售后服务方面,您可以联系卖家(服务时间:周一至周五 09:00-18:00)获取技术支持。

问:该应用是否适合非电商类型的社群使用?
答:虽然名为“带货”,但其“产品分类、规格”功能具备通用性。理论上,任何需要展示实物或服务的社群(如课程服务、预约门票、付费资料)都可以利用其进行商品化展示和交易。但核心还是围绕“商品售卖”展开,纯内容或社交类社群可能不太适用。

  1. 概述总结

幸运摇号是一款基于微擎系统开发的现场活动随机选择工具,旨在为各类需要公平、公开、公正摇号或抽奖的活动提供技术支持。该应用采用在线交付方式,源码已加密,是微擎官方上架的正品应用。它支持 PHP5.5、PHP5.6 和 PHP7.1 等版本运行,适用于微信公众号环境。

应用的核心价值在于通过技术手段替代传统人工摇号,大幅提升活动效率与公信力。无论是房地产开盘选房、企业年会抽奖,还是公共资源分配,幸运摇号都能轻松应对,确保活动过程的透明度和结果的随机性。首次购买应用即赠送 1 年服务套餐,在服务周期内可享受免费更新服务。

  1. 功能介绍
    幸运摇号功能全面,覆盖了从数据准备、摇号执行到结果管理的全流程,具体包括:

(一)基础摇号功能
本应用的核心是进行现场随机摇号,支持多样化的摇号内容类型,包括文本、数字、手机号等。例如,在房地产选房中可使用数字摇号确定顺序,在企业年会中可通过手机号进行抽奖,灵活性极高。

(二)数据管理功能

便捷的数据录入:
应用提供多种数据录入方式。用户既可以快捷生成区间数字(如输入起始值100和终止值999),也可以批量导入表格数据(提供导入示例),还支持手动输入数据,满足不同场景的数据准备需求。
完整的数据管理:
后台支持导出摇号结果,方便活动后进行数据留存与核对;同时具备清空数据功能,便于管理历史数据。后台还会详细记录每一轮摇号的 ID、轮数、具体内容及时间,并且支持对摇号记录进行删除和编辑操作,方便追溯与管理。

(三)个性化与辅助功能

前端自定义:
应用前端页面支持自定义替换图片,用户可根据活动主题更换背景、Logo等元素,提升活动的视觉辨识度与个性化。
内定名单功能:
为满足部分活动的特殊需求,应用提供了内定名单功能,可以在后台添加内定名单并指定所属轮数,兼顾了公平性与灵活性。
权限与活动管理:
后台设有操作员权限管理,保障数据安全。活动管理模块支持新增活动,可设置活动名称、轮数、地址等信息,并对已创建活动进行集中查看与编辑,方便统筹多个活动。

  1. 适用场景与行业价值
    (一)适用场景

房地产行业:

在房地产项目开盘选房环节,用于公开摇号选房,通过随机生成数字序号确定购房者的选房顺序,避免人工操作可能引发的争议,保障选房过程的透明性。

企业内部活动:

适用于企业年会、员工福利抽奖等内部活动,可通过手机号或员工编号进行摇号抽奖,简化流程,增强趣味性与公正性。

公共资源分配:

在车位摇号、公共服务名额分配等场景中,应用能以随机摇号的方式确定归属,确保资源分配过程公开透明,减少人为干预。

(二)行业价值

提升效率:

相比传统的人工摇号,该应用通过自动化数据处理和结果记录,大幅减少人工操作环节,降低人力成本,缩短活动耗时,在参与人数多、轮次复杂的活动中优势显著。

保障公平:

应用采用随机摇号算法,整个过程在大屏幕上公开呈现,并详细记录数据,有效避免了暗箱操作风险,增强参与者对活动结果的认可度。

降低门槛:

依托微擎系统,应用部署和使用便捷,无需用户具备复杂的开发能力,通过简单后台操作即可完成设置与运行,降低了使用专业摇号工具的门槛。

  1. 问答环节
    问1:幸运摇号应用是基于什么系统开发的?支持哪些PHP版本?
    答:该应用基于微擎系统开发。根据微擎官方应用市场的信息,它支持 PHP5.5、PHP5.6 和 PHP7.1 版本。

问2:购买该应用后,服务周期内有哪些权益?
答:首次购买应用会赠送1年服务套餐。在服务周期内,应用可享受免费更新至最新版的服务。若超出服务周期未续费,则无法继续更新。

问3:该应用的数据录入方式有哪些?是否支持结果导出?
答:应用的数据录入方式多样,包括快捷生成区间数字(输入起始值和终止值)、批量导入表格数据(提供下载示例)以及手动输入数据。同时,应用支持导出摇号结果,方便活动后留存与核对。

问4:应用前端页面能否调整?可以调整哪些内容?
答:可以。应用前端页面支持自定义替换图片,用户可根据活动主题和品牌风格,更换前端页面的背景、Logo等图片元素,以满足个性化需求。

问5:后台的摇号记录包含哪些信息?能否对记录进行操作?
答:后台摇号记录包含每一轮摇号的 ID、轮数、具体记录内容(如数字、手机号)以及摇号时间。用户可以对摇号记录进行删除和编辑操作,便于追溯与管理历史数据。

问6:这款应用适用的主要场景有哪些?
答:这款应用主要适用于需要公开、公平摇号的场景,包括但不限于房地产开盘选房、企业年会及内部抽奖以及公共资源(如车位)的分配

  1. 概述总结

在当今流量红利见顶、获客成本日益攀升的背景下,如何以极低的成本实现用户的快速裂变与精准触达,成为众多商家与运营者面临的核心挑战。优客集赞 正是为解决这一痛点而生的微信营销利器。作为微擎平台上的一款专注于微信集赞营销活动制作的应用模块,它旨在帮助商家利用社交关系链,通过“点赞”这一低门槛、高互动性的行为,实现品牌曝光、粉丝增长与流量转化。

该应用基于微擎系统交付,适用于微信公众号,可帮助商家快速搭建集赞类微信营销活动。其核心逻辑是通过奖品激励用户参与活动,并驱动用户自发分享活动页面至朋友圈或微信群,邀请好友点赞。点赞数量越多,用户在排行榜上的排名越高,从而获得更丰厚的奖励,形成“参与-分享-裂变-再参与”的良性循环。

  1. 功能介绍
    优客集赞不仅仅是一个简单的点赞工具,它提供了一套完整的营销解决方案,核心功能如下:

集赞活动创建与管理
商家可以自由创建集赞活动,并灵活设定活动规则,包括活动时间、参与门槛、点赞目标等。活动页面设计精美,支持高度自定义,可嵌入开屏广告、顶部横幅、底部轮播图等多种广告位,让品牌信息在活动中自然曝光。

丰富的奖励机制
为了激发用户的参与热情,系统支持设置多级奖励。根据活动结束后的排行榜,可以自动评选出一等奖、二等奖、三等奖,并引导获奖用户到指定地点领取奖品,实现从线上流量到线下门店的引流。

社交裂变与病毒传播
活动的核心驱动力在于用户的社交关系链。参与者为了获得更高的排名和更丰厚的奖励,会主动将活动页面转发给微信好友或分享到朋友圈。这种基于信任关系的传播方式,远比硬广投放更具说服力和转化率,能实现裂变式获客。

数据监控与效果分析
虽然搜索结果未直接提及,但作为一款成熟的营销工具,通常会在后台提供实时的数据看板,方便商家监控活动的参与人数、分享次数、新增粉丝等核心指标,从而及时调整策略,优化活动效果。

与“集赞排名奖励礼品”类似的功能
根据搜索结果中介绍的同类应用“集赞排名奖励礼品”,优客集赞很可能也包含了自定义背景音乐、开屏广告、顶部横幅、底部轮播图等广告位设置功能,以及自定义活动规则等功能,使活动更具沉浸感和品牌辨识度。

  1. 适用场景与行业价值
    适用场景:

实体门店引流
餐饮店、美容院、健身房、KTV等实体商家,可通过“集赞免费吃套餐”、“集赞享5折”等活动,吸引周边潜在顾客到店消费,实现“线上种草,线下引流”的闭环。

新品上市推广
品牌在新品上市期间,可以发起“集赞送新品”活动,利用用户的社交网络快速引爆新品热度,积累口碑和首批用户。

节日营销活动
在情人节、母亲节、国庆节等节点,商家可策划“集赞为最爱的人赢取礼物”等主题活动,利用节日情感共鸣,提升品牌好感度和用户粘性。

房地产与汽车销售
房地产4S店和汽车4S店可以利用集赞活动进行蓄客,潜在客户通过集赞获得看房/试驾礼品或购房/购车优惠,为后续销售转化打下基础。

行业价值:

极低的获客成本
相比于高昂的竞价排名或KOL投放,集赞营销主要依赖用户的自发分享,边际成本极低,却能带来显著的流量爆发。它让商家用“一份奖品”的投入,撬动数百甚至数千人的社交网络。

高效的品牌曝光
每一次点赞和分享,都是一次品牌信息的主动传播。当用户在朋友圈看到好友参与的集赞活动时,品牌名称和活动信息会以软性植入的方式进入其视野,形成记忆点。

精准的目标客群
参与活动的用户通常都是对产品或服务感兴趣的潜在客户。通过集赞活动收集的用户信息(如微信昵称、手机号等),可以用于建立私域流量池,进行后续的精细化运营和二次营销。

提升用户参与感与忠诚度
通过游戏化的互动形式,让用户从被动的信息接收者变为主动的活动参与者。获得奖励后的成就感,会增强用户对品牌的好感与忠诚度。

问答环节
问:优客集赞应用基于什么系统交付?

答:该应用基于微擎系统交付,是一款专门用于微信公众号的营销模块。

问:该应用主要适用于哪些场景?

答:它非常适用于需要快速引流、提升品牌曝光的线上线下场景,如实体门店(餐饮、美容)、新品推广、节日营销、房地产与汽车销售蓄客等。

问:集赞活动的奖励如何发放?

答:活动结束后,系统会根据排行榜自动评定获奖名单。商家可以引导获奖用户到指定线下门店或线上渠道领取奖品,从而实现从线上流量到线下的精准导流。

问:该应用支持哪些PHP版本?

答:该应用支持 PHP5.3、5.4、5.5、5.6 以及 PHP7.1 多个版本,能够适配大多数服务器的运行环境。

  1. 概述总结

智信小程序商城直播是一款深度集成于微信小程序的营销插件,旨在帮助商家在自有商城内部轻松构建“直播+电商”的闭环。它基于微信官方提供的直播组件开发,无需额外的直播资质证明,也无需复杂的二次开发,商家即可快速拥有一个功能完善的直播带货工具。

通过该功能,商家可以告别平台跳转带来的用户流失,在微信生态内实现从公域引流(如公众号、朋友圈、微信群)到私域直播互动,再到商城交易转化的完整链路。它不仅仅是简单的视频直播,更是一个集商品展示、实时互动、营销转化、会员运营于一体的综合性解决方案,是传统线下零售门店及线上商家实现数字化转型、提升销售额的“大杀器”。

  1. 功能介绍
    2.1 核心直播功能

一键开播与多端观看
商家在微信小程序后台创建直播间后,主播可通过专用小程序扫码或通过直播计划直接开播,观众无需离开当前小程序即可观看直播,实现“边看边买”。

商品挂载与悬浮窗
直播间内设有购物车按钮,主播可随时推送商品。用户点击商品可进入详情页,此时直播画面会以悬浮窗口形式呈现,不影响用户查看商品信息和下单,可随时点击悬浮窗返回直播间,极大提升了购物体验与转化效率。

2.2 强互动与营销工具

实时互动
支持弹幕评论、点赞,主播可即时解答用户疑问,增强用户参与感与信任度。
内置抽奖功能
商家可创建“评论抽奖”或“点赞抽奖”,用户在互动中即可参与抽奖,中奖后可一键授权地址兑换奖品,有效活跃直播间气氛,吸引留存观众。
优惠券派发
商家可将优惠券添加到直播间商品列表并置顶,由主播引导用户领取,直接刺激下单决策,提升成单率。
开播提醒
用户点击“开播提醒”后,主播开播时会通过微信服务通知模板消息触达用户,有效召回用户,提升直播观看量。

2.3 灵活的商品与直播间管理

商品库管理
支持提前在后台创建商品库,商品需经微信审核(时长为1-7天),审核通过后入库,上限为2000件,确保直播商品合规上架。
直播间配置
支持自定义直播标题、时间、封面、主播信息等。直播时长最长为12小时,同一个小程序同时支持最多50个直播间同时开播。
直播导购模块
商家可以在小程序商城的设计页面添加“直播导购”模块,自定义展示样式(如是否显示产品列表),支持对直播间进行排序,让用户在进入商城首页时就能看到直播安排,提升直播曝光率和吸引力。

2.4 数据分析与直播控制

实时数据看板
在直播控制台中,商家可以实时查看观看数据(在线人数、观看次数)、互动数据(分享、点赞、评论次数)、商品数据(点击人数、点击次数)以及订阅数据等核心指标,为运营决策提供依据。
直播后台控制
支持关闭评论、暂停直播(最长15分钟,超时强制结束)、及直接停播等操作,方便商家应对突发情况,规范直播秩序。

  1. 适用场景与行业价值
    3.1 适用场景

商品展示与销售
通过主播实时演示、讲解产品细节,让消费者更直观地了解商品,解决图文展示的局限性,尤其适用于服装、美妆、食品、3C数码等品类。
新品发布会
利用直播进行新品首发,介绍设计理念和功能特点,结合限时预售,快速引爆市场关注。
大型促销活动
在双十一、618等大促期间,通过直播推出秒杀、限时折扣、满减优惠等活动,营造紧张刺激的抢购氛围,冲击销售额。
品牌推广与客户互动
邀请专家、达人、BOSS甚至明星进行直播,讲述品牌故事、分享干货,拉近与消费者的距离,增强品牌认同感。

3.2 行业价值

零售行业(线下门店转型)
小程序直播是传统线下门店线上化的最佳选择。它能帮助商家利用实体店的导购资源进行“带货直播”,将线下的客流沉淀到线上私域,同时利用直播的社交裂变(如分享、老带新)为线下引流,解决客流分散问题。数据显示,某酒类零售商家单场直播观看人次超3.6万,销售转化效果显著。
提升销售转化与复购率
直播的实时互动能显著降低用户决策成本。通过主播的引导和群体氛围营造,能有效刺激冲动消费。结合会员积分、专属优惠等深度运营,会员复购率可比普通用户高出40%以上。
降低运营成本
相比自建直播系统,使用智信这样的SaaS插件,技术成本大幅降低。集成化的扫码下单、自助购物等功能也减少了人力依赖,部分企业应用后可节省30%以上的人力成本。
构建私域流量闭环
直播产生的所有用户行为(观看、互动、购买)均沉淀在商家自己的小程序内,实现了用户数据的私有化和可复用的价值。商家可以基于数据分析进行精准营销和个性化推荐,提升营销效率。

问答环节(Q&A)
Q1:开通“智信小程序商城直播”功能需要什么资质吗?我是否需要自己开发?

A: 不需要您进行复杂的开发。智信小程序商城直播是基于微信官方直播组件开发的插件,开箱即用。需要注意的是,您的小程序主体需要满足微信官方对于直播功能公测阶段的准入条件(近期无违规、有支付行为、满足一定的用户/粉丝/广告投放条件之一)。一旦满足,您可以在小程序后台直接开通使用。我们的插件帮您省去了底层技术对接的麻烦,您可以专注于直播运营。

Q2:一个直播间最多能上架多少件商品?用户在看直播时下单方便吗?

A: 商品库最多可入库2000件商品,但为了确保用户体验,一场直播的直播间内最多可导入200件商品。用户下单流程非常顺畅:当主播推送商品后,用户在直播间点击购物车按钮,商品会弹出。点击商品会跳转到商品详情页,此时直播会以悬浮窗口形式存在,用户下单后可以一键点击悬浮窗回到直播间,真正做到“边看边买”,无需任何平台跳转,转化率极高。

Q3:我们是一个连锁品牌,能不能让多个门店的导购同时直播?直播有时间限制吗?

A: 完全可以。我们的系统支持多主播入驻模式。同一个小程序可以支持最多50个直播间同时直播,商家每天直播总场次上限为50场。这意味着您可以安排不同门店的导购同时进行直播。需要注意的是,每个单独的直播间直播时长不能超过12小时,您可以根据需要自由安排直播计划。

Q4:直播前没有做预告,开播时用户都不知道怎么办?有什么办法能让用户知道我们要直播了?

A: 有多种方式可以触达用户。首先,我们的直播功能支持开播提醒,用户可以在直播计划页面点击“开播提醒”,开播后他们将通过微信的服务通知收到一条模板消息,这是最直接的召回方式。其次,您可以在小程序商城首页的轮播图、弹窗广告或导航图标中设置直播间入口。最后,您可以利用公众号发文、朋友圈海报以及微信群分享直播间小程序码,提前进行预热引流。

Q5:我如何知道一场直播的效果好不好?后台能看到什么数据?

A: 我们提供了详尽的数据看板。在直播控制台中,您可以实时查看:

观看数据
当前在线人数、观看人数、观看次数、平均观看时长。
互动数据
分享人数/次数、点赞人数/次数、评论人数/次数。
商品数据
商品累计推送、商品点击人数/次数。
订阅数据
本场订阅/取消订阅人数。
通过这些数据,您可以清晰地判断直播的吸引力、互动活跃度以及商品带货效率,从而优化后续的直播策略。

  1. 概述总结

在当今以客户体验为核心的市场环境下,售后服务已不再是企业的“成本中心”,而是构建品牌忠诚度、挖掘客户终身价值的关键环节。凡云售后管理系统,正是为家居厂商量身定制的一款轻量化、高效率的数字化售后工具。

该系统定位于“家居售后业务”场景,其最大的特色在于与“凡云在线家居画册”及商城小程序深度联动,致力于为家居企业提供从产品展示、在线销售到售后服务的“一条龙”服务闭环。通过前端小程序与后端管理系统的协同工作,凡云售后管理系统帮助企业将繁琐的售后流程标准化、线上化,让客户报修更便捷,商家处理更高效,从而有效提升品牌口碑与客户满意度。

  1. 功能介绍
    凡云售后管理系统围绕“客户提交售后订单”与“商家高效处理”两大核心业务流,分为小程序端和后台管理端,功能设计简洁而实用。

2.1 小程序端(客户与售后人员使用)

客户自主报修/售后申请
客户无需电话沟通,可直接通过微信小程序在线提交售后订单。这类似于许多售后系统提供的在线报修功能,支持通过设备二维码、公共报修码等多种方式发起,极大降低了沟通成本。

售后进度可视化追踪
客户提交申请后,可以像查看快递物流一样,实时了解售后工单的处理状态和进度,提升了服务透明度和客户等待的耐心。

信息查询与互动
:客户可以在小程序内查询企业的新闻动态、产品资讯以及新品发布信息,增强了品牌与客户之间的互动与粘性。

2.2 后台管理端(商家/售后团队使用)

工单管理与分配
后台集中展示所有售后订单,商家可以清晰查看订单详情,并根据维修人员技能、位置等信息进行派单或转派,实现资源的合理调度。

客户档案管理
系统自动汇总客户的售后历史、消费记录等信息,形成完整的客户画像。这有助于售后人员快速了解客户情况,提供更具针对性的服务,同时为后续的精准营销奠定基础。

备件与知识库管理
虽然该系统面向家居行业,但可类比通用的备件管理功能,用以追踪维修所需零部件的库存与使用情况。同时,商家可以将常见故障及解决方案录入系统,构建维修经验库(知识库),新员工可随时查阅,降低培训成本,提升排障效率。

信息发布功能
商家可利用后台发布企业新闻、产品资讯和新品信息,这些内容会同步展示在小程序端,实现了企业宣传与售后服务的有机结合。

  1. 适用场景与行业价值
    3.1 适用场景

凡云售后管理系统的设计具有高度的场景针对性,主要面向以下业务场景:

家居厂商的安装与维修
当客户购买了家具、橱柜、门窗等产品,需要上门安装或在后续使用中出现质量问题需要维修时,客户可通过小程序一键发起服务请求。
定期维保与巡检
对于高端定制家居或有保修期的产品,系统可支持商家设置定期维保提醒,自动生成维保任务,确保主动服务到位,延长产品使用寿命。
售后与营销联动
系统联动在线画册和商城小程序,使得每一次售后服务都成为潜在营销机会。例如,维修师傅在上门服务时,可向客户推荐配套的家居保养产品或新品,实现“服务转营销”。

3.2 行业价值

提升服务效率,降低运营成本
通过标准化、线上化的工单流程,替代传统的电话报修、纸质派单,大幅缩短了问题响应与处理时间,减少了沟通成本和人工调度错误。

增强客户粘性,提升复购率
高效、透明的售后服务体验是留住老客户的关键。该系统帮助家居企业解决了“售后难”的痛点,有效提升了客户满意度和忠诚度。客户对服务满意,自然更愿意再次购买或向他人推荐。

沉淀数据资产,驱动业务决策
所有售后服务数据在系统中沉淀,形成宝贵的客户行为和服务质量数据。企业可基于这些数据进行分析,洞察产品的常见质量问题、客户的核心诉求,从而反向优化产品设计和改进服务流程。

塑造专业品牌形象
一个专属的售后小程序,配合企业新闻、产品资讯的发布,向客户传递了企业正规、专业、负责任的形象,有助于在家居这样注重口碑的行业中脱颖而出。

问答环节
Q1:凡云售后管理系统只适用于家居行业吗?

A1: 从微擎平台的产品介绍来看,该系统是“为家居厂商设计的售后还礼系统”,并且与“凡云在线家居画册”配套使用,因此其功能设计和业务逻辑非常聚焦于家居行业。虽然售后管理的基本理念(如工单、客户、备件管理)具有通用性,但该系统是深度为家居业务定制的。如果您是其他行业,可能需要评估其与您业务的匹配度。

Q2:我没有技术团队,能顺利使用这个系统吗?

A2: 该系统是基于微擎平台交付的,通常这类SaaS化或基于成熟平台的应用,对使用者的技术要求不高。您无需从头开发,购买后按照官方的操作指引进行配置即可。系统通常支持自定义工单流程、字段等,灵活性较高。售前可以咨询商家是否提供演示后台或试用,以降低使用风险。

Q3:这个系统能和其他软件(如财务软件、在线画册)打通吗?

A3: 页面明确提到该系统“可与凡云在线家居画册配套使用”,这表明它与同生态的凡云产品实现了深度联动。至于能否对接外部财务系统或其他第三方软件,这属于更高级的集成需求。市面上通用的售后管理系统通常提供了API接口用于对接,但具体到这款产品,您需要在购买前与开发者确认其二次开发和对接能力。