过去十年,TypeScript 被很多团队当作“工程化 JavaScript”的答案;到了 AI 编程时代,它又意外变成了 AI 最顺手的语言之一——原因很简单:AI 写代码的能力基本取决于它见过多少这种语言的代码,而 TypeScript/JavaScript 恰好是训练语料最丰富的那一档;更关键的是,TypeScript 还把类型与接口这些“语义线索”明明白白写在代码里,正好让 AI 更容易理解、重构和补全。

也正是在这种背景下,微软在 2025 年 12 月 16 日完成了 TypeScript 史上最激进的一次重构:用 Go 语言迁移(重写)编译器与部分工具链,宣称带来 10 倍性能飞跃。但消息一出,社区立刻炸锅——明明 Rust 才是当下重写系统级工具的“默认答案”,为什么偏偏选 Go?

TypeScript 之父、同时也是 Turbo Pascal、Delphi、C# 等语言的核心设计者 Anders Hejlsberg,在与 GitHub 研究顾问 Eirini Kalliamvakou 的对谈中正面回应了这些质疑:很多人认为他们“应该选另一门语言”,但他坚持“我们选了最合适的工具,而且过去一年已经证明了这一点”。

更有意思的是,Hejlsberg 也谈到 AI 在这次迁移中的真实位置:团队曾尝试让 AI 直接把 TypeScript 代码迁移到 Go,“结果不太理想”,因为他们需要的是五十万行代码级别、行为完全一致的确定性迁移;AI 只要偶尔“偏一点”,就会把成本转移到逐行审查上,得不偿失。相比之下,让 AI 去生成迁移工具、以及在迁移之后自动同步旧代码库新增的 PR 变更,反而更有效——这部分他们“已经相当成功”。

同时,Hejlsberg 也明确指出:在“AI 无处不在”的新环境里,TypeScript 的语言服务(补全、跳转、重构、快速修复)不会只是原样搬家,而是在被大幅重塑——因为很多过去必须靠 IDE 才能做的事,AI 将会做得更好。未来真正不确定的也不是 TypeScript 语言本身(它仍沿着 JavaScript 标准化路径演进),而是工具形态:AI 正从 IDE 的助手变成主要工作者,人类转向监督与审阅;这也是为什么把语言服务接入 MCP 这类机制会突然变得诱人——让 AI 能提出语义级问题、发起重构请求,用“智能体方式”完成过去只能在 IDE 里完成的工作流,开发工具将因此被彻底改写。

基于该播客视频,InfoQ 进行了部分删改。

核心观点如下:

  • 通过扩展 JavaScript 的能力,我们并非要创造一门全新的语言,而只是想修复它本身存在的问题。

  • 对 AI 来说,“最好的语言”就是它已经大量见过的语言,在这个新世界里,全新的编程语言反而处于劣势。

  • 找到那些无聊却昂贵的事情,把它们交给 AI。

  • 工程师的金字塔正在变窄,入门层级的人变少了,而我们需要认真思考,如何在这样的环境下培养下一代资深工程师。

  • 开源本身是一场巨大的实验,尽管至今没人真正解决“如何为开源持续提供资金”这个问题,但它不仅没有衰退,反而比以往任何时候都更庞大、更活跃。

 

不如直接修 JS:TypeScript 的顿悟时刻

Eirini:从 Turbo Pascal、Delphi、C# 到如今的 TypeScript,你的工作塑造了数以百万计开发者每天写代码的方式。

Anders:我第一次接触计算机大概是在高中时期,那是 70 年代末,我很快对编程产生了浓厚兴趣。后来,随着 8 位微型计算机开始出现,我决定自己动手组装一台套件机,并为它编写大量软件。我发现自己在这方面做得相当不错,而且也真的很享受这个过程。那时无论是结构化编程还是汇编语言,对我来说都不成问题。当然,还要考虑一个现实条件:只有 64K 内存,能塞进去的东西非常有限,还得给用户留出空间,所以当时一切都还能装在脑子里。

Eirini:Turbo Pascal 在很大程度上革新了开发者体验,核心在于缩短开发者的反馈回路。这在多大程度上是你一开始就有意识的设计理念?

Anders:首先,人们之所以喜欢早期机器上的 BASIC,很大原因正是它的短反馈周期。BASIC 是解释型语言,输入代码就能立刻运行,但代价是运行速度慢,而且编辑器是基于行的,体验很糟。相比之下,当时的文字处理软件已经是所见即所得的屏幕编辑器,可以自由移动光标,这显然更适合写代码。与此同时,“输入—运行—立刻看到结果”的模式又非常吸引人。

要在编译型语言中实现这一点并获得性能,就必须有极快的编译器。Turbo Pascal 的做法是:你一按下运行,它立即在内存中完成编译,甚至不需要访问磁盘,然后直接运行。如果出现错误,就立刻回到编辑器。编译器本身非常原始,你甚至需要通过出错地址反推源码位置。但正因如此,突然之间就获得了一种高度交互的体验,在当时堪称革命性。

Eirini:那种“编译要等一个下午”的体验,会不会让你感到沮丧?

Anders:当然会,没有人喜欢等待。代码已经写完了,你只想立刻运行,而不是坐在那里干等。

Eirini:Turbo Pascal 还有一个重要影响,就是以低价让更多人接触到编程。回头看,这一点你有什么感受?

Anders:这里有个有意思的故事。Turbo Pascal 的前身叫 Poly Pascal,是我在丹麦一家小型软件公司里开发的 Pascal 编译器。后来我们联系上了 Borland 的创始团队,他们看过之后觉得非常惊艳,提议一起把它作为产品推向美国市场。然后他们决定定价 49.95 美元。我当时的反应是:“你们疯了吗?这样根本赚不到钱。”事后看来,这个决定非常聪明。虽然价格只有原来的十分之一,但销量却高出了三到四个数量级。最终结果非常成功,这个功劳主要要归于 Borland 的创始人 Philippe。

Eirini:Delphi 标志着你从独立创作者向团队领导者的转变。

Anders:一开始我基本上是单打独斗,虽然在丹麦的 Borland 办公室也会和两三个人合作,但随着机器性能飞速提升、用户期望不断提高,这种模式显然无法持续。我必须学会团队协作,这在 Turbo Pascal 期间就已经开始,而在 Delphi 项目中尤为明显。

你必须接受事情不会完全按照你个人偏好的方式完成,代码也不一定长成你心目中的样子。而且你往往没有时间亲自去“修正”这些细节,何况那样做也未必真的改变产品行为,更重要的是学会放权。只有当团队成员在各自负责的功能和模块中感到被信任、被赋权,团队才能真正运转起来。 

Eirini:你在 Microsoft 参与 Visual J++ 的经历,对 C# 和 .NET 平台的目标产生了怎样的影响?

Anders:我是在 1996 年底加入 Microsoft 的,担任 Java 开发工具集的首席架构师。我们刚发布了 Visual J++ 1,本质上只是把 C++ 的 IDE 换成 Java 编译器,谈不上真正的集成,更没有快速的应用开发体验。于是我们着手改进,这最终成为 Visual J++ 6.0,并开始与 Visual Basic、Visual Studio 的版本体系对齐。

如果要为 Microsoft 的 DOS 和 Windows 平台做 Java,就必须与这些环境高度互操作。但 Java 当时强调“一次编写,到处运行”,强制使用最小公分母的 UI 接口,最终只能做出体验很差的小程序。我们不得不引入一些扩展,简化与原生平台的互操作,并构建封装 Windows UI 的类库。很快就发现,这条路走不通。

如果真正为用户着想,就必须允许构建针对特定环境的最佳方案。人们既想要 Visual Basic 的易用性,又想要 C++ 的表达能力。于是我们尝试把这两者结合起来,并构建在 .NET 这样一个可持续演进的平台之上,最大限度地利用用户所运行的系统能力,这正是整个构想的核心。

Eirini:你既在谈不同类型的用户,又在描述为整个生态系统服务的思路,这种整体视角是如何形成的?

Anders:用户并不在乎这是语言特性、框架特性、平台能力,还是编辑器或调试器的问题,对他们来说,一切加在一起才是“体验”。因此,这些部分必须协同设计。

我们构建了运行时、JIT 编译器、垃圾回收器,设计了平台的字节码,开发了类库。我既参与语言设计,也参与类库和运行时的设计,与负责这些组件的工程师密切合作,最终效果因此更好。否则,各自为政会形成孤岛,最后只能靠复杂的互操作层勉强拼接,结果自然谈不上“最佳实践”。

此外,我们也不惧怕与底层平台深度互操作。过于教条地坚持最小公分母,拒绝利用具体平台的优势,这样永远不可能做到真正意义上的“最佳体验”。

Eirini:当时是否有某个“顿悟时刻”,让你意识到 JavaScript 在规模化发展中的阵痛已经成为必须解决的问题,而且这是一个需要由你、由 Microsoft 来解决的问题?

Anders:行业里的运行时环境开始变得足够成熟,比如 Google 在 V8 上做了非常出色的工作,JavaScript 的运行性能突然变得相当可观。HTML5 也正式定稿,UI 能力大幅提升。同时,手机、iPad 等各种形态的设备出现了,而它们并不运行 Windows。整个行业突然意识到,真正的平台竞争不在 Java,而在 JavaScript、浏览器和 HTML 上。

于是,人们开始编写越来越庞大的应用,因为新的运行时和 UI 技术已经允许这样做。但很快大家就发现,在一种动态语言里、缺乏成熟工具支持的情况下,这件事难得令人发指,于是我们看到了各种奇怪的扭曲做法。

其中一个典型案例是 Outlook.com 团队找到我们,主要是 .NET 和 C# 团队,询问是否可以把他们内部的一个叫 Script# 的东西产品化。我当时一头雾水:“Script# 是什么?”他们说,这是一个允许你用 C# 编写代码,然后编译成 JavaScript 来运行的工具。我第一反应是:这听起来像是两边的缺点都占全了。

但事实是,这么做的真正原因在于可以获得“成熟的工具链”:类型检查、团队协作能力、接口定义,以及对模块之间交互方式的清晰描述。因为他们有成百上千名程序员参与开发,不可能只靠裸写 JavaScript,在没有检查、没有自动补全、没有重构支持的情况下完成工作。

这让我开始反思:JavaScript 真的已经糟糕到这种程度了吗?而“先写另一门语言,再把 JavaScript 当成中间表示或字节码来编译”,真的是解决问题的最佳方式吗?如果能直接修复 JavaScript 本身,会发生什么?于是我们开始探索这条路,事实证明,这个方向效果相当不错。

JavaScript 单线程的天花板:我们在浪费 90% 的算力

Eirini:TypeScript 被设计成 JavaScript 的严格超集,这背后显然有深思熟虑的战略考量。你是如何坚持这一决策的?这又能给其他语言设计者哪些启示?

Anders:每当有人跑来跟我说:“我在考虑做一门全新的编程语言,能解决这个、解决那个”,我给出的第一条建议通常是:这个世界对新编程语言的需求,就像对头上再多一个洞的需求一样。

第二条建议是:如果你真的要做一门语言,要意识到其中 90% 的工作,和其他所有语言是完全一样的,而且这个比例还在不断上升。如今,程序员的期望早已不只是一个编译器,你还需要完善的语言服务,能够集成到几乎所有主流 IDE 中,需要能与 AI 交互的 MCP 服务器,需要调试器、性能分析工具……

此外,你还得有至少十年的时间,因为一门语言真正站稳脚跟、获得有意义的用户规模,往往就是这么长的周期。没有人会在一开始就拥抱一门全新的语言,头五年你很可能用户寥寥,还得不断回答“我们真的要继续投入吗?”这是一门非常艰难的生意。

通过扩展 JavaScript 的能力,我们并非要创造一门全新的语言,而只是想修复它本身存在的问题。在 Visual Studio Code 里,我们的语言服务对 TypeScript 和 JavaScript 是同一套。对我们而言,JavaScript 只是没有类型注解的 TypeScript,或者使用 JSDoc 注解的另一种形式。这意味着我们不是在做两套东西,而是在同一项投入之上,精确地构建真正必要的能力,只为让整个生态系统变得更好。

Eirini:2012 年在 GitHub 上启动 TypeScript 的开源项目,在当时的 Microsoft 可以说是一次相当激进的举动。

Anders:我们当时对 JavaScript 生态的运作方式、价值观以及参与社区所需的前提,其实有着非常清晰的认识。大家都明白,如果不开源,这个社区根本不会理你,一个封闭的商业产品对他们毫无吸引力。因此,从一开始我们就主张开源。同时,Microsoft 内部也逐渐意识到,开源并不是“洪水猛兽”,而是如果想真正与开发者对话,就必须拥抱的现实。

你刚才提到 2012 年发布在 GitHub,其实并不准确。2012 年我们发布在 CodePlex——Microsoft 自家的、并不太受欢迎的开源平台上。结果就是,反响寥寥。那时所谓的“开源”,更多只是把代码丢到仓库里,让大家提 issue,然后我们再把这些 issue 抓回内部系统,按内部流程处理。某种程度上,这也解释了为什么几乎没人关注。

再加上当时 Microsoft 在开源社区中的信誉并不高。真正的“主战场”在 GitHub。于是 2014 年我们迁移到了 GitHub,全面采用开放式开发流程。内部成员和外部贡献者遵循完全相同的规则,所有功能都通过 Pull Request 提交,所有讨论都公开进行。直到那时,项目才真正开始起飞,社区的兴趣也随之而来。

Eirini:从“把代码扔给社区”到真正的开放式开发,你们学到了哪些经验?

Anders:这是一个彻头彻尾的双赢。对用户来说,他们能看到“香肠是怎么做出来的”,所有讨论都在公开的 issue 里完成,而不是私下做决定后再给出一个结果。

对项目开发者而言,这种方式同样令人满足。你每天都能感受到社区的参与和认可,看到点赞、看到讨论,远比关起门来做六个月或一年,然后祈祷产品方向正确要有趣得多。在这里,用户每天都在用投票告诉你他们最想要什么功能,我们只需按票数排序,就能清楚地知道优先级。你解决这些问题,社区的热情就会进一步增强,形成正向循环。

Eirini:把 TypeScript 编译器迁移到 Go 背后的动机、权衡以及所面临的挑战是什么?

Anders:TypeScript 从一开始就是自托管的,用它自身编写,这意味着编译器和整个工具链本质上都是一个 JavaScript 应用。这带来了很多好处,比如你甚至可以在浏览器里运行编译器,在浏览器中构建一个完整的 IDE,一切都能正常工作。但随着 TypeScript 的广泛采用,以及用户项目规模不断扩大,可扩展性逐渐成为头号问题。

这里有 JavaScript 本身的一些内在限制。它在设计上是单线程的,不支持共享内存并发,这意味着你实际上浪费了 90% 的计算能力。此外,JavaScript 的执行成本也很高,它的对象模型极为宽松,可以随意给对象加属性,这使得优化非常困难,底层往往演变成复杂的哈希查找和缓存机制,远不如原生代码高效。

所以我们当时就清楚,自己正接二连三地白白损失收益。尽管放弃自托管让人非常不舍,但即便用尽所有优化技巧,性能瓶颈依然无法突破。

于是,在 2024 年夏天,我们开始做原型验证,先从扫描器、解析器这些容易量化的模块入手。很快就发现,性能提升可以达到 10 倍:一半来自原生代码,一半来自共享内存并发。这样的提升能把原本需要几分钟的事情缩短到十几秒,完全改变了游戏规则。

同时,我们也很清楚不想从零重写一个全新的编译器。社区里有不少声音主张“用 Rust 全部重写”,但我们认为这并不可行。TypeScript 的类型检查器极其庞大复杂,许多行为只体现在现有代码的精确语义中。如果重写,就会陷入永无止境的差异追赶,最终无法与旧编译器对齐。

因此我们的目标是“迁移”,逐函数地把同样的逻辑搬到原生语言中。当然,这意味着必须重构数据结构,因为原生语言不允许像 JavaScript 那样随意给对象加属性。我们尝试过多种语言,很快排除了 Rust,因为我们的编译器充满了循环数据结构,并且高度依赖自动垃圾回收,使用 Rust 等同于重写。

最终我们选择了 Go。它在很多方面与 JavaScript 相似,这个选择对我们来说非常奏效。现在我们拥有了一个原生编译器,在功能上几乎是旧编译器的拷贝,连那些小怪癖都一模一样,只是快了 10 倍,这意味着社区不需要推倒重来。当我们正式切换时,我相信大家会非常满意。

“最适合 AI 的语言”

Eirini:在 AI 辅助编程的背景下,你认为 TypeScript 为什么特别适合 AI 工作流?

Anders:很多人问我,为什么不干脆设计一门“最适合 AI 的完美编程语言”。我的回答通常是:那样的语言反而会成为最不适合 AI 的语言,因为它不会出现在 AI 的训练数据中。

AI 在某种语言中写代码的能力,与它见过这种语言代码的数量几乎成正比,它本质上是在大量样本的基础上进行再组合和外推。AI 已经见过海量的 JavaScript、Python 和 TypeScript,因此在这些语言上表现得非常好。对 AI 来说,“最好的语言”就是它已经大量见过的语言,在这个新世界里,全新的编程语言反而处于劣势。

AI 的确正在改变我们构建产品的方式。以这次 TypeScript 迁移为例,我们也尝试过用 AI 自动完成代码迁移,但效果并不好。一方面那是一年前的 AI,能力还有限;另一方面,迁移五十万行代码并保证行为与原代码完全一致,我们需要的是极其确定性的结果。AI 在翻译过程中可能会产生细微的“幻觉”,而你又不得不逐行检查,这并不划算。在这种情况下,更好的方式或许是让 AI 帮你生成“迁移工具”,而不是直接迁移代码。

TypeScript 项目中有很大一部分是语言服务,为 IDE 提供补全、跳转、重构和快速修复。现在我们也在思考:既然 AI 已经能在很多场景下做得更好,是否还有必要原样迁移这些功能?类型检查器我们完整迁移了,但语言服务正在被大幅度重塑,以适应一个“AI 已经无处不在”的新环境。

Eirini:你如何看待 AI 工具正在改变编程本身,以及语言设计的方式?

Anders:在理想状态下,AI 应该帮助我们消除编程中那些繁琐、重复的劳动。以 TypeScript 的迁移为例,在我们开发新代码库的同时,旧代码库里仍然不断有新的 Pull Request 出现,我们已经相当成功地用 AI 把这些变更迁移过来。

再比如,项目里有成千上万条 issue,其中很多非常古老。它们是否仍然可复现?是否还相关?能否根据社区反馈排序?这些清理和维护工作过去总是被一拖再拖,最终却成为拖慢项目前进的“锚”。现在,我们可以构建 AI 机器人来完成这些工作。这是我认为非常重要的一点:找到那些无聊却昂贵的事情,把它们交给 AI。

当然,这也带来新的困惑。如果 AI 取代了初级工程师,我们又该如何培养资深工程师?难道指望 AI 自己成长为“高级程序员”,而人类程序员逐渐消失吗?我并不这么认为。我们似乎正在逼近某种上限:AI 能做很多事,但仍然需要人类以某种监督者的角色参与其中。

可以预见的是,工程师的金字塔正在变窄,入门层级的人变少了,而我们需要认真思考,如何在这样的环境下培养下一代资深工程师。 

Eirini:如果把时间拉长到未来五到十年,在一个更加 AI 原生的世界里,你认为 TypeScript 作为一门编程语言会如何演进?

Anders:我认为它的演进方向其实相当清晰。JavaScript 已经不再是一门年轻的语言,它有一套成熟的标准化流程,而我们也深度参与其中。TypeScript 会沿着 JavaScript 的标准化路径继续发展,同时在其之上补充必要的类型系统能力。

真正充满不确定性的,是工具层面的变化。谁能想到,随着“对话式编程”这类形态的出现,命令行工具又重新变得如此重要?过去,AI 更多是作为助手存在:开发者在 IDE 里,AI 帮你更快地输入和补全代码。但现在,这种关系正在反转。AI 开始承担主要工作,而人类转向监督和审阅。此时,AI 并不一定需要我们传统意义上的 IDE,尽管它仍然需要语言服务。

这也是为什么 MCP 这类技术开始变得有吸引力:通过把语言服务接入 MCP,让 AI 能够提出语义级的问题、重构请求等,并在一定的确定性边界内完成工作流。这本质上是在用 LLM 或 Agent 的方式,完成过去只能在 IDE 中完成的事情,这将深刻改变开发工具的形态。

Eirini:围绕 TypeScript 或你们的工作,有没有哪些你希望公开澄清的误解?或者哪些你觉得被社区忽视、但其实很重要的事情?

Anders:在开源领域,我们与社区的距离非常近。如果哪里不对劲、存在摩擦,几乎会第一时间被反馈出来。比如这次转向原生代码的决定,确实引发了不少争议,有人认为我们应该选择另一种编程语言。但我始终坚信,我们为这个目标选对了工具。过去一年里,这个决定的成果已经逐步显现。

不过,开源本身就是一种微妙的平衡。一方面,你在无偿地把成果交给世界;另一方面,这个项目往往由一家商业公司资助,而公司必须以某种方式生存下去。总得有人支付账单。因此,我们团队始终处在一种张力之中:如何让开源项目既符合社区期待,又与公司使命保持一致。这并不是 TypeScript 独有的问题,而是当今几乎所有开源项目都面临的现实。至于是否存在一种更好的激励机制来回馈长期投入的人,目前还没有答案。

Eirini:开源的可持续性,确实是一个反复被提起的问题。

Anders:大量企业的正常运转,事实上依赖于那些支撑其后端的开源项目得到持续维护。但现实中,很多人对开源的态度仍然是“索取多于付出”。在微软,我们至少在努力以一种更真诚的方式参与其中。仅 TypeScript 项目,就已经累计投入了数百人数年的工作量;而 Visual Studio Code,投入甚至可能达到上千人。

Eirini:如果不算你自己参与创造的语言,你最敬佩、最尊重哪一门编程语言?

Anders:任何一门能被程序员广泛使用、甚至能进入讨论范围的编程语言,都一定有其可取之处,因此都值得尊重,我深知一门语言要走到这一步有多难。

以 Rust 为例,我非常敬佩它通过借用检查器来探索一种不同的内存管理方式,试图在不依赖昂贵自动垃圾回收的情况下保证安全性。我也很尊重 Go,尽管它在设计上有些“怪”,常被认为不太正统,但它实际上提供了一种简单、内存安全、类型安全的“现代 C”的思路。至于 Python,它的成功不需要多说,它驱动着 AI 和机器学习的发展,令人难以不心生敬意。

从语言设计者的角度看,我们都站在前人的肩膀之上。如果设计一门语言却不向其他语言学习,那是愚蠢的。经验与智慧就在那里,理应被尊重和继承。

Eirini:当你放眼整个以 GitHub 等协作平台为中心的软件开发生态时,是什么让你对未来保持乐观?

Anders:仅仅是它依然存在这一事实,就足以让我感到乐观。开源本身是一场巨大的实验,尽管至今没人真正解决“如何为开源持续提供资金”这个问题,但它不仅没有衰退,反而比以往任何时候都更庞大、更活跃。

当然,其中也有大量噪音,有不少项目缺乏维护,但不可否认的是,这些代码记录了软件演化的全过程。以我们为例,转向这种协作工作流后,十二年的历史都被完整地保存在那里,可搜索、可追溯。如果我记得某个问题曾被讨论过,只需要去查找,而不必面对一封再也找不到的旧邮件,这种价值是巨大的。正因如此,我由衷地高兴看到它仍在持续增长,并顽强地存活下来。

参考链接:

https://www.youtube.com/watch?v=uMqx8NNT4xY

https://devclass.com/2026/01/28/typescript-inventor-anders-hejlsberg-ai-is-a-big-regurgitator-of-stuff-someone-has-done/

作者:王博涵 小步外勤产品总监,外勤管理数字化专家

在外勤人员占比较高的企业中,管理难点往往并不在于制度本身,而在于执行过程是否真实可控。

员工每天在外奔波,管理层却很难持续判断行程是否合理,现场是否到位,费用是否按实际发生

过去数年里,定位打卡曾一度成为外勤管理的常用手段。但随着业务规模扩大,这种以点位记录为主的方式,很难支撑过程管理。定位无法连成轨迹,停留无法量化,外勤行为仍然处在不可验证的状态。

故而近几年越来,越多的企业开始将人员定位管理系统引入到外勤管理体系中,用更连续、更真实的数据,支撑人效管理和费用管控。

从实际应用情况来看,目前人员定位管理系统主要呈现出三种不同的发展方向。

当前人员定位管理系统的三种常见形态

第一类 偏基础的定位考勤系统

这一类系统多是从行政考勤延伸而来的,常见于通用办公平台中。其主要功能便是记录上下班位置,配合简单的地理围栏,解决是否到岗的问题。

这类系统在人员规模较小、外勤占比不高的企业中有一定的实用价值。但在实际外勤场景中,它们往往只能记录零散的定位点,无法形成完整轨迹,也无法判断员工在客户现场的真实停留情况。

同时,防作弊能力相对有限,对虚拟定位、位置修改等行为缺乏有效识别手段。

因此,这类产品更适合作为基础考勤工具,而不是完整意义上的人员定位管理系统。

第二类 面向业务过程的人员定位管理系统

随着外勤管理要求的不断提高,越来越多企业开始关注过程真实性和执行质量。而这正是管控型人员定位管理系统的核心价值所在。

这一类系统不再只是关注员工有没有到达,而是重点解决几个关键问题:是否真实到场,是否按要求完成拜访或巡检动作,路线是否合理,费用是否真实发生

围绕这些真实的管理需求,人员定位管理系统也在不断演进,从单一记录位置,逐步走向对过程真实性和执行质量的管理:

  • 在定位层面:通过低功耗持续定位,还原员工全天的外勤轨迹,形成清晰的时间线。系统会自动分析每个点位的停留时长,帮助管理者识别异常拜访和形式化执行。
  • 在防作弊层面:通过对手机运行状态和定位行为的综合判断,识别虚拟定位、模拟轨迹、异常失联等情况,并形成异常记录,避免外勤过程成为管理盲区。
  • 在取证层面:现场拍照会自动生成包含时间、地点、人员信息的水印内容,便于后台快速核验,减少人工反复确认的成本。
  • 在费用管理方面:基于真实轨迹自动核算里程,为油补和差旅报销提供可靠依据,减少人为填报带来的误差和风险。

这一类人员定位管理系统,已经成为快消巡店、医药代表拜访、物业巡检、自备车销售等场景中的主流选择。

第三类 面向安全场景的增强型定位系统

在部分高风险行业,人员定位管理的核心目标并不在于效率,而在于安全

这类系统通常结合室内高精度定位、传感设备或卫星通信技术,实现更高精度的人员定位和状态监测。例如在矿井、化工园区、电力施工等场景中,用于实时掌握人员位置,并在发生异常时及时预警。

由于其建设成本和部署复杂度较高,这类系统通常只适用于特定行业,并不适合大多数日常外勤管理场景。

如何判断人员定位管理系统是否真正适合企业

在选型过程中,企业很容易被各种功能描述吸引,但真正决定系统价值的,往往是其是否贴合实际管理逻辑:

首先是定位数据是否连续可信,只有能够还原完整轨迹,定位数据才具备管理意义。

其次看系统是否围绕真实业务流程设计,是否支持巡店、巡检、拜访等标准动作的顺序执行,是否能够通过定位约束避免走形式。

然后看费用数据是否基于真实行为产生,如果里程和补贴仍然依赖人工填写,那么人员定位管理系统的价值就会大打折扣。

最后还要看系统是否具备长期落地能力,外勤管理不是一次性全部上线,而是需要持续优化制度和流程的,这对服务能力提出了更高要求。

人员定位管理系统选型建议

从实际使用情况来看,不同企业的需求差异明显:

  • 如果企业主要解决考勤问题,外勤比例较低,基础定位功能即可满足需求。
  • 如果企业希望提升外勤执行力,确保过程真实,同时优化人效和费用结构,那么以过程管理为核心的人员定位管理系统,如小步外勤更为合适。
  • 如果企业处于高危或特殊作业环境,应优先考虑以安全为目标的深度定位方案。

最后,需要清楚的是人员定位管理系统的价值,从来不只是记录位置本身,而在于通过真实数据,让外勤管理从经验判断走向客观决策

常言道色字头上一把刀。(为什么我打的是句号呢。因为键盘的逗号太难按出来了)但是即使东子这样的千亿大佬家有娇妻也难逃过。所以普通人除了出家怎么跨国情色一关。

或者说尽量花费少的时间,(咦这次居然一下就按出逗号了,神奇,神奇。又没了)。而不是天天胡思乱想

以大家熟知的 imgur 为例,大家上传完图片,复制链接的时候,直接复制
「 https:// i.imgur.com/xxx. png 」 ,这种小写字母 i 开头的链接,不要带任何其他的 tag 或者字符,直接粘贴到 V2 的编辑框内,发布就能直接在正文显示图片。



也可以,点击 copy link 的更多选项在这里复制 i 开头的链接。



也可以,安装 V2EX polish 这种三方 chrome 插件,直接拖到 v2 恢复框自动上传生成链接的方式



可能还有很多更优雅的方法,希望更多人能分享出来。

OpenClaw对接聊天APP及AI助手工具

1、对接飞书聊天APP

openclaw配置

此处以飞书为例,输入插件下载安装命令:

openclaw plugins install @m1heng-clawd/feishu  
cd /root/.openclaw/extensions/feishu/ 
npm install --verbose  #此步骤安装时间较强长,请耐心等待。

图片.png

图片.png

等下载安装完成后。在命令行下运行openclaw图形配置界面。

open channels add

图片.png

回车

图片.png

回车后,根据提示输入飞书App ID和App Secret。

在飞书开放平台应用凭证获取,打开飞书(https://open.feishu.cn/app/),点击左边凭证基础信息,在页面中找到 “App ID” 和 “App Secret” 两个数据,分别点击右侧 “复制” 按钮,将其复制到openclaw配置界面。飞书配置参考下一章节。

图片.png

输入应用凭证后,回车完成配置。

图片.png

openclaw gateway restart ,重启网关服务。

图片.png

运行openclaw status,查看状态是否正常。

图片.png

图片.png

验证飞书接入

  1. 打开手机或电脑端飞书 APP,登录与飞书开发者平台相同的账号;
  2. 在飞书首页,找到 “工作台” 入口,点击进入,在工作台列表中找到已发布的 openclaw 应用(如 “openclaw 助手”),点击进入;
  3. 系统将自动启动私聊窗口,发送任意消息(如 “你好”“查询今日日程”);
  4. 验证结果:如果收到 openclaw 的回复,即为飞书接入成功

图片.png

以上配置完成后,即可上手使用。快上京东云开启一键部署,让 openclaw 成为你专属的 24 小时数字员工!

飞书机器人配置

创建飞书企业自建应用

  1. 访问飞书开发者平台(https://open.feishu.cn/app?lang=zh-CN);
  2. 登录后,点击 “创建企业自建应用”;
  3. 填写应用基础信息:应用名称(如 “openclaw 助手”),选择应用图标,点击 “创建” 按钮,进入应用管理页面。

图片.png

  1. 添加机器人能力:在应用管理页左侧导航栏,找到并点击 “添加应用能力”,在弹出的列表中选择 “机器人”,点击 “添加”。

图片.png

  1. 点击上方的创建版本并发布。

图片.png

飞书应用权限与事件配置

此步骤分为「事件配置」「权限配置」「应用发布」三部分,全程在飞书开发者平台操作,按顺序执行:

(1)事件配置

  1. 在飞书应用管理页,左侧导航栏找到 “事件与回调” 栏目,点击进入;
  2. 事件配置:在页面中选择 “长连接”,点击 “保存”;

⚠️如果这一步提示 “未建立长连接”, 请检查自己的APP ID和APP Secret是否已正确配置。

(操作见上一步:添加飞书channel配置-配置APP ID与APP Secret)

图片.png

  1. 添加事件:点击页面中的 “添加事件”,在弹出的事件列表中,选择 “消息与群组” 分类,勾选 “接收消息”,点击 “确定”,完成事件订阅。

!

  1. 回调配置:订阅方式选择 “使用长连接”,无需填写其他地址,配置自动生效。

图片.png

(2)权限配置

  1. 在飞书应用管理页,左侧导航栏找到 “权限管理” 栏目,点击进入;
  2. 点击页面中的 “批量导入权限” 按钮,弹出权限导入窗口;

图片.png

图片.png

3.复制以下 JSON 代码,粘贴到导入窗口的输入框中,点击 “导入” 按钮,等待权限导入完成:

代码语言:txt

AI代码解释

{  
 "scopes": {     "tenant": [       
 "contact:user.base:readonly",    
    "im:chat",       
    "im:chat:read",     
    "im:chat:update",      
    "im:message",       
    "im:message.group_at_msg:readonly",       
    "im:message.p2p_msg:readonly",       
    "im:message:send_as_bot",       
    "im:resource"     ],     
    "user": []   } }

4.导入验证:页面显示 “导入成功”,且权限列表中出现上述导入的权限,即为配置完成。

(3)发布应用

  1. 在飞书应用管理页,左侧导航栏找到 “版本管理与发布” 栏目,点击进入;
  2. 点击右上角的新建版本;

图片.png

填写版本号与描述后,保存并发布;

图片.png

2、更换模型

openclaw onboard

图片.png

按键盘上左右方向键,选择到“Yes”后,按回车键开始配置。

图片.png

Onboarding mode 选 QuickStart。

图片.png

选择Qwen等模型。

图片.png

回车确认。

图片.png

复制地址在浏览器中打开,后登录账号确认通过。(需要先注册账号https://chat.qwen.ai/)。

图片.png

图片.png

图片.png

选择默认模型后,回车确认。选择选择重启网关服务后即生效。

技能包(Skill)配置

新手暂时无需添加额外技能包,选中 “No” 跳过,按回车键确认;

Hooks 配置

选中 “session-memory”(启用记忆功能,支持多轮对话上下文关联,避免每次聊天都需要重复说明需求),其他两项可根据需求选择。按回车键确认;

图片.png

3、常用命令汇总

查看版本openclaw --version
查看运行状态openclaw status
启停Botopenclaw start/stop/restart
启动openclaw配置openclaw onboard
启动Openclaw的TUIopenclaw tui
通过SSH连接TUIssh root@公网IP
重启网关openclaw gateway restart
查看已安装插件openclaw plugins list
安装插件openclaw plugins install 插件名
更新插件openclaw plugins update 插件名
卸载插件openclaw plugins uninstall 插件名
查看帮助openclaw --help

OpenClaw是少数真正具备系统级操作能力的个人智能助理:

  • 本地长期记忆(对话数据自主可控)
  • 跨平台推送(支持对接通讯类软件)
  • 真实任务执行(文件整理、表单提交、代码生成)

这样一个强大又敏感的 AI 助手,该运行在哪里?更安全、更稳定的方式,是将其部署在独立、隔离的云端环境中。

京东云全面上线 openclaw(Clawbot)!京东云轻量云主机现已预置 openclaw 应用镜像,无需手动配置环境,2步即可完成部署,让你的 AI 助手秒级上线、全天候待命。

第一步:一键创建实例

在京东云控制台创建轻量云主机,选择:

镜像名称:openclaw(Clawdbot)

规格建议:2 核 2G 起 (推荐 2 核 4G 以获得更佳体验)

图片.png

创建成功后,进入云主机列表页,点击右边操作列的【查看】,打开18789端口。

图片.png

点击【防火墙】,打开后点击【添加规则】。

图片.png

在目标端口中输入18789,源IP输入0.0.0.0/0,点击【保存】。

图片.png

再次转到轻量云主机列表,记录下公网IP地址,点击【登录】。

图片.png

通过WebTerminal登录云主机。

图片.png

进入配置界面。

图片.png

第二步:配置openclaw

通过webTerminal登录系统后,执行下面的命令。

bash init-openclaw.sh 18789 pk-03bf0b76-8326-4ad7-91bf-293c5dd35c8d 公网IP    

\#红色部分替换成你的API-KEY,API-KEY获取步骤参考下方【获取API-KEY】章节。

图片.png

回车后,生成可以直接访问的地址【http://公网IP:18789?tokan=字符串】。复制在Web浏览器中回车打开。

图片.png

出现openclaw的web交互网站,可以直接和AI助手对话了。

图片.png

获取API-KEY

登录京东云JoyBuilder 模型开发平台 2.0,进入API-KEY 管理页面:

https://joybuilder-console.jdcloud.com/system/api-key/list

1、点击【创建】按钮,生成新的 API-Key;

图片.png

2、选择长期有效,点击【确定】。

图片.png

3、生成长期的API-KEY,点击右边复制图标复制API-KEY。

图片.png

4、在“修改 API-KEY”页面中,为该 Key 配置可访问的模型服务,必须包含以下模型:DeepSeek-V3-0324、DeepSeek-V3.2、DeepSeek-v3、Qwen3-235B-A22B、Kimi-K2-0905-jcloud

图片.png

5、选择需要的模型,或者全部选上。点击【确定】完成模型绑定。

图片.png

6、为了保证模型正常工作,需要至少保证账户中有金额。点击充值完成京东云账号充值。

图片.png

很早之前,为了实现一些自己想要的功能,制作了这个阅读器,结果慢慢缝缝补补,也功能也越来越多

此次更新将安卓调整为付费模式,未激活状态下也为全功能版本,仅限制书籍导入数量,可以在体验后决定购买

经过过去一段时间的断断续续的更新,Moeli 阅读现在已经支持了以下功能:

  • 书籍格式支持:Epub 、MOBI 、cbz 、Epub (漫画)、txt 、azw3 、azw4 文件

  • 可以将书籍按系列分类、排序,目前已经支持按名称、日期、作者、最近阅读和拖动排序

  • 支持添加标签分类

  • 统计功能:支持热力图和柱状图显示

  • 支持通过 WebDav 实现数据同步

  • 自定义书籍信息

  • 自定义书籍封面

  • 阅读计时器

  • 夜间模式适配

  • 文字类书籍阅读有以下功能:


    • 支持各种类型的书籍排版样式
    • 通过快捷菜单翻译、勾画高亮、笔记、搜索
    • 支持弹出式脚注
    • 图片查看器,支持图片保存
    • 多种自定义样式:背景色、字体样式、行间距、左右边距等
    • 书签标记
  • 漫画书籍阅读有以下功能:


    • 可以识别 cbz 漫画以及 Epub 漫画(可以将漫画打包为 zip 修改后缀名为 cbz )
    • 书签标记
    • 支持单双页切换
    • 支持从左到右和从右到左排版切换

目前正在开发的功能:

  • 仿真翻页
  • 语音朗读

准备开发的功能:

  • 书籍信息刮削
  • 智能标签分类
  • 支持 OPDS

下载连接: https://reader.moeli.top/

  • 此处附上 10 个 iOS 激活码:
    • YMXEM43NPJTR
    • XHR7MTHRTA6R
    • Y7FYNE7YTRLF
    • 7Y9YXKKL3MK3
    • MWE4YAPF9LYT
    • 74E6JXPX7T9P
    • ETMA973PRT4P
    • 7FHFPETJ9H3L
    • FE3FL7JJ97XL
    • XNA9XT4HEA6R

下方为预览图







之前没玩小红书,这几天为了调试自动视频下载发布到国内平台,测试了几个搬运视频.
反正都是机器一键下载搬运发布了,连续几个视频,都是 10 万+的播放,我晕这么好的流量吗.还是我产生幻觉了.
这个可变现吗.不懂就问下..

上一篇写浏览器插件的笔记还留了个小尾巴,这次继续补交作业,分享一下我在用的 16 个油猴脚本。 🐵🐵🐵

极简风效率控②:分享我在用的 16 个油猴脚本


极简风效率控②:分享我在用的 16 个油猴脚本

上一篇写浏览器插件的笔记 极简风效率控:试用过 100+ 浏览器插件之后,我只保留了这 16 款 留了个尾巴,这次继续补交作业,分享一下我在用的油猴脚本。

640 (1)

1. 啥是油猴

我们常说「油猴」,但其实我们绝大多数人在用的都是「篡改猴」。

油猴(Greasemonkey) 是 2004 年由 Aaron Boodman 开发,专属于 Firefox 浏览器的用户脚本管理器,功能相对比较基础,更侧重原生脚本执行。

篡改猴(Tampermonkey) 是 2010 年由 Jan Biniok 开发的衍生工具,适配 Chrome、Edge、Safari、Firefox 等多浏览器,兼容性更广,且功能更丰富,如脚本同步、内置编辑器、兼容性优化、批量管理等。

所以目前的生态现状就是:篡改猴成为全球用户首选,用户量更大,生态更活跃;油猴用户量较少,但开创地位不可替代;同类插件还有饱受诟病的「暴力猴(Violentmonkey)」,这个我就不推荐了。

无论你使用上面哪一种 「脚本管理器」,其所能运行的内容都是基本通用的,也就是我们下面推荐的 16 个「脚本」

640 (2)

2. 推荐常驻

AC-baidu-重定向

别被名称迷惑了,不是只支持百度,我用这个优化 Google 搜索页。

  • 去掉百度、谷歌搜索结果的重定向,回归为网站的原始网址
  • 添加百度、谷歌搜索结果中 Favicon 显示效果
  • 百度和谷歌搜索页面可以设置为单列、双列模式
  • 添加标记数量,标记当前的 ID,界面更好看
  • 支持自动翻页

https://greasyfork.org/zh-CN/scripts/14178

Picviewer CE+

在线看图工具,支持图片翻转、旋转、缩放、弹出大图、批量保存。

  • 图片翻转、旋转、缩放
  • 显示原始大图
  • 自动爬取所有分页图片的原图
  • 聚合所有分页大图
  • 批量爬取并保存所有分页的所有大图或打包成 ZIP
  • 图片在线编辑

https://greasyfork.org/zh-CN/scripts/24204

水水复制标题网址

复制当前页面标题及网址,支持复制为 HTML 及 Markdown。

对于我们 经常分享网址,或者需要在笔记中插入链接的人 来说,这个脚本非常实用 (与我上次推荐的插件「Tab Copy」可以二选一)

https://greasyfork.org/zh-CN/scripts/28056

通用图片上传助手

一个用户脚本:在任意网站上粘贴、拖拽或选择图片,批量上传到 Imgur / Tikolu / MJJ.Today / ImgBB / Appinn / Photo.Lily / 111666.best(可选择图床),并按需自动复制为 Markdown / HTML / BBCode / 纯链接。支持可配置的站点按钮(兼容单页应用),提供本地上传历史便于快速复用。

日常泡论坛、经常需要用图床的人,都来试一下,非常好评!

https://greasyfork.org/zh-CN/scripts/553341

图片全载 Next

支持图库、写真、漫画的网站 1000+,朴实无华直观操作的 UI,图片全量加载,简易的看图功能,漫画无限滚动阅读模式,下载压缩打包,如有下一页元素可自动化下载。

https://sleazyfork.org/zh-CN/scripts/463305

640 (3)

3. 按需使用

GitHub Freshness

通过颜色高亮的方式,帮助你快速判断一个 GitHub 仓库是否在更新。

https://greasyfork.org/zh-CN/scripts/524465

IG 小助手

一键下载对方 Instagram 帖子中的相片、视频甚至是他们的快拍、Reels 及头像图片!

https://greasyfork.org/zh-CN/scripts/404535

MoreMovieRatings

豆瓣和 IMDb 互相显示评分

https://greasyfork.org/zh-CN/scripts/7687

My Userscript

My Userscript 是一款智能的用户脚本管理工具,能够自动检测并显示当前访问网站可用的 UserJS 脚本,并提供一键安装到油猴扩展的便捷功能。该脚本采用优化设计,移除了冗余依赖,提升了性能和用户体验。

https://greasyfork.org/zh-CN/scripts/548869

RSS 预览

一个优雅的 RSS 阅读器用户脚本,将 XML RSS 源转换为人类可读的 RSS 界面,支持双栏布局、主题切换和响应式设计 (与下一个「RSS+」搭配使用效率更高)

https://greasyfork.org/zh-CN/scripts/546910

RSS+

显示当前网站的所有 RSS(如果有的话),能找到很多 RSS 订阅源!

如果网站有 RSS,则会在页面右下角显示找到的 RSS 数量,点击会显示详细信息 (与上一个「RSS 预览」搭配使用效果更好)

https://greasyfork.org/zh-CN/scripts/373252

X-Downloader

优化你的推特(X)浏览体验,直接在图片和视频(GIF)上添加一个便捷的下载按钮,一键轻松保存喜欢的媒体内容。

https://greasyfork.org/zh-CN/scripts/545186

东方永页机

终极自动翻页 - 加载并拼接下一分页内容至当前页尾,智能适配任意网页。

https://greasyfork.org/zh-CN/scripts/438684

豆瓣图书资源搜索

豆瓣图书页显示多平台搜索按钮 + 微信读书推荐值 + Goodreads 评分。

https://greasyfork.org/zh-CN/scripts/546348

小说下载器

一个可扩展的通用型小说下载器。

https://greasyfork.org/zh-CN/scripts/406070

自动展开

自动展开文档隐藏部分。

https://greasyfork.org/zh-CN/scripts/438656


全文链接 极简风效率控②:分享我在用的 16 个油猴脚本

幼年期

快到集市的那条路变得平整,裤腿内侧沾满了泥,却没停下来琢磨这件事,依旧往集市走。路的尽头,天作背景,光线刺眼,我突然想起什么:“我活了好久呀,感觉活了好久好久,这是第一次意识到自己活了好久。”

我摸清了树结果的规律:叶子掉光,下雪,化雪后没几天就会长出花蕾,最先来的是开花,花开之后,绿叶才会慢慢冒出来。这是件很自然的事,却关乎着未来能吃到多少果子。每次下雨,树下都会掉很多花,掉得越多,往后的果子就越少。

讨厌上课,老师总打人,打手板能打出血泡。考完试会挨打,检查作业会挨打,背书没过就要留堂,硬熬到天黑才放我回家。读书实在没意思,老师讲的内容,我完全融不进去。我喜欢放空,喜欢去山间探险,喜欢到田里捉黄鳝、泥鳅,喜欢追着叼着虫子的鸟,去寻找雏鸟。可学习太无聊了,老师整天巴拉巴拉讲个不停,无趣至极,我根本听不懂他们在说什么,还总被莫名打骂。至今记忆深刻的是,一次数学考试,有几道题只要写一个“解”就能得一分,我却没写,为此挨了一顿打,手掌被打出了血泡。

妈妈考我从 1 数到 100,这串数字那么长,我怎么都记不住,根本数不下来。妈妈让姐姐数一遍,我盯着看,可还是记不住。1 到 10 我能数,但后面的就不会了,也不明白为什么要弄这么长的一串数字。

爷爷每次走亲戚吃酒,都会带糖回来,分给我和姐姐。他是个极有规律的人,知道什么时候该做什么事。我对季节的感知,大多都是看爷爷的一举一动自己悟出来的。爷爷凌晨三四点就起床,先煮一大锅猪食,再做早饭。我们吃完早饭,我和姐姐去上学,中午回家时,他也回来了,接着做午饭。通常我或姐姐烧火,爷爷炒菜,可这火总不好烧。有的菜需要大火,我却把灶烧灭了,连火星子都不剩,用火钳扒拉半天,只有烟没有火,最后爷爷只能冷锅炒菜,现在想起来都觉得特别搞笑。

早上爸爸给我换衣服准备上学,秋衣昨天才穿,一点都不脏,我不想换,跟他说了,他却不管,硬是换上了他准备的衣服。外面下着雨,我的水靴坏了,会渗水。姐姐换好了新的水靴,爸爸给我拿了一双袜子让我穿,我不肯——鞋子都坏了,穿袜子没多久肯定会湿哒哒的。我刚表示拒绝,还没来得及解释,头一阵眩晕,脸上传来一阵挤压感,紧接着就是发烫的痛感。“还敢跟我犟!”他居然直接踢了我一脚。我到现在都不知道自己最后是怎么出门的,只记得捂着半边脸,哭哭啼啼去了学校。别人问我脸怎么了,我就说爸爸打的。晚上爷爷回来,我在他跟前玩,他看到我的脸,把爸爸狠狠说了一通。那时我心里就有了一个想法:如果我以后有了孩子,他要是做了我认为不对的事,我一定要先听他的解释,绝不能动不动就打人。

成长期 1

中学离家很远,我每周回家一次,周五离校,周日返校。这样其实挺好的,我讨厌做家务,在学校就不用做了;只是每次周五回到家,总有一大堆家务等着我,难免心生厌烦。在学校的日子,每周会有几块钱的生活费,我自己也会带咸菜,基本一周顿顿吃咸菜,生活费几乎撑不过周日当天。初中是全新的环境,有新的老师、新的同学,一切都生机勃勃。课堂上的内容,我终于能融进去了,也开始慢慢学会总结、学会思考。

初一的某天,我突然悟到了从 1 数到 100 的真谛:只要数满 10,就往前进一位,然后重复数字 0 到 9 就好。比如数到 9,接下来就是 10;从 0 数到 9,再进一位,就是 20,接着又从 0 数到 9,就这样重复,就能数到 100 了。顺着这个原理,何止数到 100,数到一千、一万都可以,只要有时间慢慢数就行。那时候我就在想,要是当初妈妈能这样教我,我是不是早就学会从 1 数到 100 了。

我在班上当上了课代表,学习基本跟着课程节奏走,大多数知识都能掌握,除了英语,其他学科都能及格。我也能清楚地知道自己的学习质量,不再像小学那样混日子。现在想来,小学时光于我而言,更像是一段学前班的日子。

爷爷的身体不如从前了,远处的田地顾不上打理,只在家周围的地里种些庄稼。不知从什么时候开始,爷爷每天晚上都会咳嗽,我连睡觉都会被他的咳嗽声吵醒。有一次被咳醒后,我随口抱怨了一句,声音很快就被他的咳嗽声盖过了。某天晚上,我和爷爷一起坐在火桶上烤火、看电视,爷爷突然问我是不是嫌弃他,那一刻我无地自容,只能干笑着敷衍过去。

爷爷的病越来越重,爸爸从外地回来照顾他,还带他去县城做检查。后来爸爸还和卫生院闹了一次,因为卫生院的诊断结果和县城的不一样,也就是说,爷爷之前一直吃错了药。这些事我都是听来的,因为我在学校上学,只有周六周日才能回家。爷爷看起来更苍老了,整个人毫无生气。趁着中午阳光好,我给爷爷洗澡,他的身子骨瘦得只剩一把骨头,背也佝偻着……后来,姑姑、姑爷他们都回来了,买了各种各样的好吃的和营养品。可我心里清楚,不是买了营养品,就能把爷爷的身体补回来的,关键是一切都太晚了。有家里大人照顾爷爷,我和他接触的机会变少了,但他的身体状况一周比一周差:前一周还能说话,后来连话都说不出来,也不吃东西了;嘴里有痰,就含点白酒再吐出来,输液也完全没用,药液都积在四肢,身体根本吸收不了。那段时间,我整个人像活在梦里,却又无比清醒地知道,到底发生了什么。

浏览器是我们日常使用时间最长、频率最高的界面,分享几个经典插件,能够显著提升效率、改善体验。 💻💻💻

极简风效率控:试用过 100+ 浏览器插件之后,我只保留了这 16 款


极简风效率控:试用过 100+ 浏览器插件之后,我只保留了这 16 款

浏览器是我们日常工作、学习和娱乐中使用频率最高的界面之一,我一直以 Chrome 为主要浏览器,深深感受到合适的插件能大幅解锁浏览器潜力 —— 不仅能提升操作效率、解决各类使用痛点,还能优化浏览体验、拓展功能边界。特此整理了历经多年还能长期留存在我电脑里的 16 款实用插件,从密码管理、广告拦截到内容提取、翻译辅助,覆盖多种场景,分享给大家:

640

1. 常驻工具

Bitwarden

  • 跨平台密码管理工具,支持生成、保存、自动填充强密码,支持自托管。
  • 我的所有密码都放在这里,安全透明且兼容性强,免费的个人版已经足够用了
  • https://bitwarden.com/

uBlock Origin Lite

  • 轻量型广告与内容拦截工具,基于 Manifest V3,低 CPU 和内存占用,支持多浏览器,可自定义拦截规则。
  • 开源免费,浏览器必备的基础扩展,不用买 AdGuard,也不用去研究各种绕过 V2 权限到期的复杂问题了,过滤效果已经很好了,适合所有用户。
  • https://ublockorigin.com/

篡改猴(TamperMonkey)

  • 用户脚本管理器,可安装 / 编写 JavaScript 脚本,自定义网页功能(如自动填表、添加新按钮),支持多浏览器和脚本同步。
  • 扩展性极强,生态丰富,Chrome 上必装的插件,没有之一!
  • 我下次另开一篇文章专门讲油猴脚本,今天就不展开更多了。
  • https://www.tampermonkey.net/

豆包

  • 集成 AI 创作、翻译、编程、图像生成等功能,提供多场景智能辅助,支持网页内快速调用。
  • 豆包是国内最方便好用的 AI,浏览器插件也做的最好用。
  • https://www.doubao.com/

2. 偶尔使用

Force Copy

Obsidian Web Clipper

  • 将网页内容保存为 Obsidian 支持的格式,可标注整理,支持离线访问,与 Obsidian 知识库无缝同步。
  • 这是 Obsidian 的官方扩展程序,收集素材整理笔记必备工具。
  • https://obsidian.md/

RSSHub Radar

  • 快速识别网页中的 RSS 源,支持订阅 RSS 和 RSSHub,简化订阅流程。
  • 适合习惯用 RSS 获取信息的用户,需配合 RSS 阅读器使用。
  • 原本准备写一篇 Folo 的推荐文章(近期最流行的 RSS 阅读器,与 RSSHub 同一个开发者),不过自从收费之后有点鸡肋,我还在纠结。
  • https://rsshub.app/

Tab Copy

  • 快速复制标签页链接,支持多种格式(URL、标题 + URL、Markdown 等),可自定义格式和快捷键。
  • 复制标签页效率高,格式灵活,我写笔记经常需要在文章中插入 MD 格式的网页链接,都可以用这个直接复制,非常方便。
  • https://tabcopy.com/

猫抓

  • 嗅探网页视频等资源,支持下载(仅限用户有版权或授权的内容)。
  • 资源嗅探能力强,基本上网页能播放的视频就都能下载。
  • 最近被抖音发了律师函,商店上架的插件自从 2.6.5 之后不允许下载抖音资源了,可以下载源代码自行封装使用。
  • https://github.com/xifangczy/cat-catch

图片助手(ImageAssistant)

  • 嗅探网页图片(含 flash、动态加载),支持多模式提取、筛选(按尺寸 / 格式)、快捷键下载,保留原图质量。
  • 图片提取能力强,操作便捷,支持批量下载,我保存网页图片都用这个。
  • https://www.pullywood.com/ImageAssistant/

3. 备用插件

Dark Reader

  • 为所有网站启用暗色模式,可调节亮度、对比度和色调,支持指定域名启用,开源无数据收集。
  • 护眼效果好,兼容性广,夜间浏览必备,适合长时间用浏览器的用户。
  • https://darkreader.org/

Force Background Tab

OneTab

  • 将多个标签页转为列表保存,号称最多节省 95% 内存,防止误关丢失。
  • 解决标签页杂乱和内存占用问题,操作简单,适合浏览器重度使用者。
  • https://www.one-tab.com/

Proxy SwitchyOmega 3 (ZeroOmega)

  • 多代理快速切换,兼容 Manifest V3,支持 PAC 脚本。
  • 著名项目 SwitchyOmega (自从 2018 停止更新) 的 Fork 版本,稳定性强,适合需要频繁切换代理的用户。
  • https://github.com/zero-peak/ZeroOmega

SmartProxy

  • 根据自定义规则自动开关代理,支持多代理服务器切换,一键添加当前网站到代理列表,支持备份还原设置。
  • 自动化程度高,无需手动切换代理,适合需要针对性代理访问特定网站的用户。
  • https://github.com/salarcode/SmartProxy

沉浸式翻译

  • 支持网页、PDF、EPUB、视频字幕双语翻译,集成 10 + 翻译引擎,支持图片翻译、hover 翻译,保留原格式。
  • 双语对比阅读体验好,适合需要阅读外文资料、观看外文视频的用户。
  • 自从豆包插件常驻之后,日常网页翻译大部分都交给豆包就行了。
  • https://immersivetranslate.com/


全文链接 极简风效率控:试用过 100+ 浏览器插件之后,我只保留了这 16 款

深夜11点,某中型建筑公司的总经理李总,正对着电脑屏幕上密密麻麻的Excel表格皱眉。这是他为明天季度经营会准备的“项目经营分析”,数据来自成本部、物资部、工程部七八个不同格式的报表。

“成本超支3.2%,但物资报表显示采购节约了5%,这数据对不上啊……”他揉了揉太阳穴,知道明天的会议,又将陷入长达两小时的数据核对与拉扯中。

而同一时间,公司的采购主管小张,正在某查查网站上,手动翻看着一家潜在供应商的司法风险、经营异常信息。她需要为这份评估报告附上自己的“主观判断”,但心里直打鼓:“信息不全,万一踩雷了怎么办?”

这,就是当下无数工程企业数字化转型中,最真实、也最容易被忽略的切面。当我们谈论选择“红圈”还是“明建云”时,绝大多数决策者还停留在功能列表的比对:谁的功能模块多?谁的界面更美观?谁的价格更优惠?

但一个灵魂拷问往往被淹没在参数里:这款软件,究竟解决了我们公司里,哪个具体“人”的痛点?是让总经理决策更安心了,还是让采购员睡觉更踏实了?

今天,我们就抛开冰冷的功能清单,潜入工程企业的真实场景,看看当红圈遇上明建云,关键分水岭不在“事”的管理,而在对“人”的赋能。

在为经营会头疼?你可能缺个能“读心”的AI军师

工程企业的老板或高管,最缺的是什么?时间。最烦的是什么?开会。

传统经营会的困境堪称经典:会前,项目人员整理数据容易出现漏、误、错,汇报内容与实际情况偏差大,准备仓促缺少结构化分析。会上,大量时间耗费在矫正数据和集体分析问题上,而非形成有效决议。会后,行动计划执行与否、结果如何,难以跟踪。

问题的核心是:管理者被困在数据迷雾里,缺少一双能瞬间穿透表象、直抵核心的“眼睛”。

红圈的思路是,不给管理者增加阅读负担,而是直接给他一个“智能指挥官”。这个就是红圈AI的“项目360°AI解读”,像一位永不疲倦的经营分析师。它通过整合全维经营指标(资金/成本/合同/付款等),一键生成项目全景作战图,并借助大模型深度解读经营风险与应对策略。其目标是让复杂数据转化为清晰决策语言,让管理全局尽在掌握。

管理者获得的不是简单报表,而是一份带有 “AI智能评级” (对项目经营状况综合评定后智能分级)和 “AI经营分析” (用3句以内描述描述核心问题)的洞察报告。更重要的是,它能围绕项目风险及问题,匹配业务管理实践方案,提供可落地的改进建议,将研讨快速转变为行动。这背后,是AI在调用行业专家经验积累进行诊断。

那么,以流程稳健著称的明建云呢?

明建云能出色地完成一项基础且至关重要的工作:把经营数据规范、清晰、实时地呈现出来。它能够帮助管理者实时了解项目整体资金状况是否安全、经营风险是否可控这给了管理者一双“看得清”的眼睛,解决了信息不透明的问题。

但红圈AI想给的是 “看得懂且会思考” 的眼睛。一个帮你“呈现数据”,一个试图帮你“分析数据并给出策略雏形”。对于日理万机、需要在信息洪流中快速抓住关键的管理者而言,后者解决的不仅仅是“看”的问题,更是 “判断”和“决策启动”效率的问题,能够让经营决策效率提升10倍。当你的软件开始尝试帮你思考业务,这已经是从“工具”到“伙伴”的跨越。

供应商评估还在“凭感觉”?小心埋下赔光利润的雷

在工程行业,一次失败的供应商选择,足以拖垮一个项目的利润。传统采购评估,高度依赖个人经验和零散查询,像在雷区里凭感觉走路。

采购员小王的日常:收到一份新供应商资料,打开数个网页,手动查询工商信息、法律诉讼、失信记录……这个过程,耗时、不全面,且充满人工主观误差。

红圈AI的“采购助理Agent”,目标就是成为小王的“外挂大脑”。

它的工作流程极具冲击力:整合多维度供应商企业数据并通过AI算法智能动态评分,3秒完成信用数据抓取,40秒AI完成各风险排查及评估,10秒生成完整报告。报告不仅给出“企业得分:44,风险等级:高风险,合作建议:建议终止合作或高度谨慎合作”的结论,还会用精炼的语言列出致命伤:“企业存在破产案件记录;被法院列为限制高消费企业;存在多起终本案件;因未按规定提交年度报告信息而被列入经营异常名录……”。这等于将风控专家经验与多维数据挖掘能力,压缩成了一个自动化流程。

明建云在采购环节能做什么?

它能很好地构建一个 规范化、可追溯的采购流程管理体系。作为专业的工程项目管理系统,其功能模块涵盖招采管理,能够确保采购动作的合规与高效,解决了“怎么买”的流程问题。

而红圈AI解决的,是更前端的 “向谁买”的本质安全问题。一个守护 “流程的合规”,一个狙击 “源头的风险”。对于采购员而言,明建云让他的工作更规范;而红圈AI则在努力让他避免职业生涯的“惊天大雷”,快速筛选优质供应商、实时监测潜在风险。当软件开始为你规避系统性风险时,它守护的不仅是公司资产,更是每个相关岗位从业者的职业安全。

项目部的“表哥表姐”,你们被Excel绑架多久了?

去过工地的人都知道,项目部的桌子上堆满了各种单据:手写的混凝土签收单、机打的送货单、手写确认单甚至外文单据……项目材料员、成本专员的大量时间,就消耗在将这些信息逐字敲进系统,比如手动处理合同文本、结算单信息或出入库单。

这个工作枯燥、易错、价值感低,却至关重要。传统软件的解决方案,是设计更友好的录入界面,但这依然没有改变 “人服务于系统” 的本质。

红圈AI的 “录单助手 Agent pro” (或称“AI录单助手”)提出了一个想法:为什么不能是系统主动理解并服务于人? 它通过大模型自动识别各类单据,实现从图像识别到高质量系统录入的秒级闭环,减少90%人工操作。无论是合同、结算单还是出入库单,系统能智能提取关键字段、智能匹配相关数据(如合同明细)并回填业务系统。更关键的是,它能智能分析入库材料匹配的合同明细并挂接,厘清成本发生源头,实现后期实际成本精准统计及溯源。项目人员从“数据搬运工”,变成了“流程确认官”。

明建云在单据处理上自然不会缺席。

它通常提供完善的单据管理模块,支持创建、审批、关联、归档全流程。手机端拍照上传附件、在线填写表单已是标配,这已经比传统纸质流转先进了无数倍,实现了单据的 “线上化与协同化”。

但两者的哲学在此有所区别:明建云在优化“录入的流程”,而红圈AI在挑战“录入”这个动作本身的存在必要性。 一个提供了更先进的“笔和纸”,另一个则试图给你一支“自动书写笔”。对于常年被重复劳动折磨的一线项目人员来说,谁能真正解放他们的双手和精力,让他们去做更有价值的现场协调与管理,谁的吸引力无疑是指数级上升的。

老师傅退休,经验就带走?你的公司需要一个“永生大脑”

工程企业的核心资产,除了设备和资质,就是那些藏在老师傅脑子里、散落在历年项目硬盘中的经验:某个特殊工艺工法、一份成功的投标策略、一次诉讼的关键判例、公司的差旅报销制度……

但这些知识,大多处于“沉默”状态。新员工问不到;投标时想找历史方案,得在共享盘里大海捞针;法务遇到纠纷,手动检索相关判例效率极低。

红圈AI的 “AI企业知识库” ,想成为企业的 “知识中枢”。它不仅仅是一个云盘,而是一个能用自然语言对话的“智慧专家”。通过大模型与智能检索技术,它将分散知识转化为即问即答的能力。

员工可以像聊天一样提问:“去哈尔滨住410块的酒店可以么?”“我的年假有多少天?”系统能在3秒内获取精准答案。它甚至能为商务部快速检索并整合历史投标成果,涵盖中标/未中标标书、技术方案等;为法务部构建专属的“诉讼智库”,涵盖判决书、律师函等所有相关资料。这大幅降低了新人培养周期,让企业核心经验传承提升3倍。

明建云如何管理知识?

作为项目核心平台,它自然是 项目资料归档和共享的最佳场所。所有与项目相关的文档都能存储在对应项目下,权限清晰,查找方便。它建立了一个有序的、项目维度的 “知识档案馆”。

红圈AI企业知识库所做的,是在档案馆之上,加装了一个 “超级智能检索员”和“金牌解说员”。前者解决了知识“存而不易找”的问题,后者解决了“找到而不易读懂用活”的问题。当新员工能随时向AI询问公司制度并得到精准解读,当项目经理能瞬间获得历史上类似风险的全部处理方案时,软件解决的就不再是信息存储问题,而是组织智慧的传承与激活问题,是团队整体学习曲线和应变能力的飙升。

你的选择,暴露了你的管理优先级

行文至此,我们可以清晰地画出一条分界线:

明建云,像一位严谨的“流程架构师”。它致力于为工程企业搭建一个标准化、可视化、强协同的数字管理基座。它把混乱的线下流程变得有序在线,让数据得以归集,让协作得以穿透部门墙。如果你的企业正处于数字化转型的初级阶段,迫切需要把管理规范立起来、把数据黑洞照亮,那么明建云代表的是一条稳健、成熟、已被验证的路径。

红圈(红圈工程项目管理系统 + AI系列智能产品),则像一位“角色赋能大师”。它在坚实的项目业务管理基础上,涵盖项目资金管理、成本管理、物资管理、劳务管理等功能,将一系列AI能力精准注入管理者、采购员、项目人员、新员工等关键角色的高频痛点场景中。它不满足于只管理好“事”,更执着于提升每个核心岗位上的“人”的决策质量、风险免疫、工作效率与知识获取速度。其AI系列智能产品,如BOSS助理Agent、采购助理Agent、录单助手Agent pro、项目360°AI解读、AI报表助手、AI企业知识库以及AI业务助手等,共同构成了一个更懂工程企业经营的赋能体系。

所以,回到那个终极拷问:红圈和明建云哪个好?

答案不在于软件本身,而在于你更想优先解决哪个层面的问题。

如果你认为当前最大的瓶颈是流程的规范化与标准化,那么请关注谁能把“事”理得更顺。

但如果你觉得,流程已经初步在线,而更深层的焦虑在于:高管如何从繁杂数据中快速洞察?业务如何防范未知风险?一线员工如何从重复劳动中解放?组织经验如何不随人员流失而消散?——那么,红圈所展现出的“以AI深度赋能具体角色”的思路,无疑指向了一个更锐利、更面向未来的答案。

最终,最好的软件,是那个能让你公司里最重要的那些“人”,工作得更强大、更安心、更有价值的那一个。这场选择,实则是对你管理哲学和公司下一阶段重心的一次隐秘洞察。

今天看网络日志,发现一个证书错误

一些信息可能比较敏感,引起跑题争论或者误会,做了掩码

 

xxxxxxxxxxxxxx (58xxxxxxxxxx)     这是权威境外 CA crt.sh 能查到 

|

xxxxxxxxxxxxxx (d0xxxxxxxxxx)     这是权威境外 CA crt.sh 能查到

|

free-m.wifi.xxxxxxxxxxxxxx(afaef9xxxxx) (这个证书在 crt.sh 上搜不到)  

|

mysite.com  (实际证书是 digcert 注册的)


免费 WIFI 确实好

每年临近过年买票都让人头疼,OP 家是黑龙江的, 在上海工作,过年期间机票动辄 2000 多,有一年往返都是飞机,路费花了 6000 。 还有一年守着 12306 抢绿皮车的车票, 候补了 26 天才惊险成功……

大家有什么春运期间好的出行方案吗?

据室友描述,我晚上会打呼噜,时不时把她吵醒。与此同时,我早上起床经常觉得喉咙很干,整体睡眠质量也不太好。

为了搞清楚原因,我查了一些资料,发现打呼噜常见的诱因大致有几类:

  1. 肥胖与颈部脂肪堆积:气道可能受到周围脂肪组织挤压;入睡后肌肉放松,气道会进一步变窄。
    处理办法:


    • 科学减重:即使只减少 5%–10% 的体重,也可能明显改善气道压力。
    • 加强锻炼:提升肌肉张力,减少睡眠时组织过度松弛。
  2. 仰卧睡眠:重力会让舌根和软腭下坠,压迫后咽壁,气流变得不顺畅,从而产生噪音。
    处理办法:


    • 侧卧睡眠:尽量侧着睡;如果容易翻回仰卧,可以在睡衣背后缝个网球(虽然有点“土”,但确实常见且有效)。
    • 垫高头部:把枕头抬高约 10–15 厘米,帮助气道保持更通畅。
  3. 鼻腔与咽喉结构问题:例如过敏性鼻炎等,会让呼吸通道更容易受阻。
    处理办法:


    • 针对性处理:用洗鼻器清理鼻腔,或在医生指导下使用抗过敏喷雾。
    • 戒烟限酒:酒精会让肌肉更松弛,烟草可能引发气道炎症。
    • 器械辅助:症状较重者可咨询医生,考虑使用呼吸机( CPAP )或止鼾牙套等。

我自己更像是第 2 和第 3 类:既会仰卧、也有一些鼻腔/咽喉方面的小问题。所以我准备系统试试这些办法,比如侧卧睡、洗鼻子、以及锻炼口腔和喉部肌肉,看看能不能把问题彻底解决。

但很快就遇到一个现实问题:做了这些之后,到底有没有效果?
睡着以后自己完全不知道,需要第二天回看(或回听)证据才行。最直接的办法就是晚上录音,第二天检查有没有打鼾。

现有方案的痛点

我试过一些现成工具:

  • 自己全程录音,然后写代码做分析:可行,但太麻烦。
  • 有的 App (例如 snowlab )能记录并分析鼾声数据,但价格偏高:每月要 75 元。
  • 我也试了免费的「小睡眠」,结果那晚没有记录到声音;不知道是我没打呼噜,还是出了 bug ,而且它也没有留下原始音频让我核对。

这让我意识到这个需求其实很明确:我只想要一个“睡眠语音监测”工具,简单、可靠、别太贵。

所以我做了一个新 App:呼噜娃

说干就干。经过几天的设计和 vibe ,我把人生中第一个 iOS 应用上架了:

「呼噜娃」

呼噜娃

我做它的核心想法很简单:

  1. 很多睡眠类 App 功能太多,“录音监测”入口很深,找起来费劲。
  2. 专门做睡眠语音监测的产品不少是月付,而且并不便宜。这个应用主打纯本地,如果定价 8 元买断,很多原本被月费劝退、觉得“没必要”的人,可能就愿意试一试。

它有哪些特点

  • 方便易用:打开后点一个按钮,就直接开始录音与分析。
  • 可调节、可验证:点开某段录音,可以通过调节分贝阈值快速定位“疑似打鼾”时段,并立即回听确认。
  • 更开放:保留原始录音,支持导出到其他平台做进一步分析。
  • 更省空间:录制 8 小时通常只占用几十 MB 。
  • 更可靠:即使录音被意外中断,也会尽量保证中断前的录音能正常保存。

如果你也想确认自己睡觉时有没有打呼噜、说梦话,或者想用“数据”验证侧睡/洗鼻子等方法是否有效,欢迎购买体验。

App Store

送码

送 10 个兑换码,欢迎需要的朋友试用

LPJH4JAKLARN
3RMX37YX66YX
47PA4K4Y4J6L
3LLKKEFYYTEH
H7RF3JN7473P
7KXNP6APWYM4
A66W9KPWX39H
NPEWWJXEXHK6
FE4A3PP3LTY3
9KEMTPPKA6RY

Matrix 首页推荐 

Matrix 是少数派的写作社区,我们主张分享真实的产品体验,有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章,展示来自用户的最真实的体验和观点。 

文章代表作者个人观点,少数派仅对标题和排版略作修改。


前些日子在社区回复了Clyde有关收紧BL锁的帖子。说来惭愧,最近实在太忙,有一篇刷机史的长文收集了不少资料但一直没时间写,没想到这半年刷机与解锁的新闻与爆料越来越多,一桩一件颇有要给已经很小众的社区提前宣判死刑的感觉。不过想到玩机,小米似乎是不得不提的品牌。从享誉社区的MIUI V5到小米社区工程师面对面、橙色星期五,再到开放的解锁形态与滚动发行的开发版……只不过属于小米玩机社区的死刑在去年已经被小米高考提前宣判了。

回到家打开抽屉才想起来朋友之前寄给我的两台小米的老机器吃了两年灰,那么在2026这个时点,插电开机,我想聊聊那个安卓还是开放代名词的年代,以及再次感谢@Akiri_Nakoha 寄来的机器。

你醒啦,现在是2015年,让我们开始吧。

给心中的火添柴——小米1S

小米靠着MIUI在当时方兴未艾的刷机市场得到了全世界发烧友的认可,又伴随着1999的机圈神话,靠着极致的性价比横扫了中端机市场,卖出300多万台。一年之后,在小米手机2的同代发布会上,小米1S作为陪衬发布,相比上一代增加了一颗前置摄像头,用上了更新的高通骁龙S3,价格则比正代旗舰低了500元。毫无疑问,这是小米继续扩张市场的野心,但也恰好是手机作为新时代互联网终端走向千家万户的开端,一场烈火即将席卷这片大地。

Duang~1999!

拿着这台机子,时代的气息几乎呼之欲出——耳机孔,SD卡槽,可拆卸电池与后盖,以及正面的三大金刚键。接近12mm的厚度也暗示彼时的小米在机身堆叠上还稍显稚嫩,而在2012年仍然使用夏普的ASV屏幕带来的问题则更加直接——半反半透的屏幕在户外的可读性即使对比当时的旗舰机也有明显的差距。1GB RAM + 4GB ROM在当时算得上主流配置水平,但此时的MIUI尚不支持拍照存储到机身——事实上在不插入SD卡时相机甚至无法启动。这些早期安卓的缺陷使得小米1S在如今更多的也只能作为玩具,很难承担更大的重任。不过作为一台十三年前发布的手机,小米1S如今仍然能登陆小米云空间与收到系统更新,属实让人惊喜。

橙色的后盖可以轻松卸下更换,当时小米也推出了多彩后盖单独售卖
正面,颇有些年代感的三大金刚键和初版MI Logo

当然,提到早期小米绕不开的肯定是MIUI,不同于小米圣经和如今社区对澎湃OS的评价,彼时的MIUI确实算得上最优秀的安卓系统。当大部分厂商对UI/UX的理解还停留在Holo Design毛坯房+自有应用的阶段时,MIUI则给当时的用户带来了完整的一套重绘图标与小组件,以及花了100万征集到的武汉东湖山水楼壁纸。除此之外,在13年前MIUI就做出了锁屏快捷方式和分离式的通控中心,左右滑动切换通知和控制中心的功能甚至有的系统十年后都没做出来。

实际上,即使脱离了Holo Design,彼时的谷歌和绝大多数厂商仍没有意识到图标统一的重要性

去年随着苹果推出Liquid Glass设计语言,各家厂商也开始跟随这种以光/材质表现UI纵深的潮流,这事实上是扁平化设计语言重新向拟物化转变的一个开始。而令人啼笑皆非的是,MIUI V5上的这套拟物化图标恰恰也正好是MIUI在纯拟物化和扁平化演变之间的一套设计语言,图标在统一圆角矩形的遮罩基础上通过边缘高光,符合自然光线的阴影以及图标核心内容的浮雕质感,给人圆润但不油腻的观感,在统一性上领先了彼时Android 4.4谷歌官方的Holo Design设计语言,而在可读性和图标简洁度上则超越了当时的iOS 6。更加难能可贵的是,控制中心的快捷开关,设置内二级菜单内的功能开关与滑块,乃至锁屏页面的快捷启动圆盘全部与图标使用了相同的阴影/高光标准,这一点甚至在当下,各家安卓系统也鲜有做到。在十三年前,MIUI设计团队就意识到了拟物化代表的用户友好需求与扁平化所代表的效率提升与直觉强化之间必须互相融合的大趋势,不可谓不超前。另外部分系统应用也支持从图标下滑打开快速页面,类似于后来索尼在多任务界面可以呼出的伪小窗口,很难想象这也是十几年前的软件功能。

统一的阴影,浮雕,光效
桌面呼出快捷卡片,注意到统一的圆角

不过,当我们进入MIUI V5的一些系统自带应用时,拟物化的成分就更大一些了。2012年安卓手机才刚刚兴起,许多人可能对没有触控笔/全键盘的纯点击交互模式仍然不够熟悉,而模仿生活中真实物品所建构的交互体系显然更有利于用户快速上手,正如唐·诺曼在其著作《The Design of Everyday Things》中所定义的一样:

Affordances provide strong clues to the operations of things. Plates are for pushing. Knobs are for turning. Slots are for inserting things into... When affordances are taken advantage of, the user knows what to do just by looking: no picture, label, or instruction is required.

时钟app有一个简化但仍然带有阴影与物理效果的钟,收音机里的喇叭和单色LCD屏幕,录音机里旋转的磁头和变化厚度的磁带,都是示能性优先的设计理念。但拟物化结合扁平的思想并没有于此割裂,便签app内的大夹子夹的是规则的矩形文本框,天气和日历app仍然以列表模式为主以展示更多信息,由于不同应用场景所需要呈现给用户的信息密度不同,其在拟物化与扁平化之间的平衡程度也自然有所偏向,不过不管哪些app,对阴影和高光的使用都遵循着统一的规范。洪帮主自己的说法是:「我们内部有一个统一设计语言的Guideline,V5和V6都有,包括你说的两段式和T型结构,就是要让设计更加现代。」

拟物化与扁平化的平衡思维
极致的拟物化——质感与现实世界的投射

除了设计语言的统一与超前之外,MIUI在彼时的功能性赛道上同样一骑绝尘。相机支持二维码扫描,WiFi扫码分享,更好用的T9拨号,系统级的安全中心以及运行时权限管理,都是真正好用且延续至今的功能。对于刷机爱好者,小米1S上小米自创的双系统并行分区不仅防止了变砖,也可以分开OTA,而谷歌官方支持AB分区则要等到4年后的Android 7.0。

小米1S目前系统支持的最新版本停留在4.1.2底层的初版MIUI V5。一台如此小巧却又承载了历史之重的机器,我想让它停留在拟物化的终结是最好的选择。另一方面来说,当时的小米还没有成为后来的刷机之王,MIUI也没有成为支持最广泛时间最长的安卓系统,1+4的配置也让它面对更新的系统时捉襟见肘。不过另一台两年后的机器则不仅拥有着超长的官方系统支持,还见证了刷机真正的繁荣年代。

我们无法再次相遇——红米Note

2014年是国内的4G元年,中国工业和信息化部于2013年底向三大运营商正式发布了4G(TD-LTE)牌照,预示着移动网络的又一次大规模提速。紧跟4G牌照发布,红米于2014年3月发布了红米Note,这是红米在初代手机大获成功后的第二代产品序列,也是其第一次布局彼时标准下大屏产品线的产物。不过首发的红米Note并不支持4G网络,笔者手中这台是于五个月后发布的4G单卡版,除了支持移动和联通的4G外还换用了高通骁龙400处理器,但不支持双卡双待。

红米Note家族,其中3G与4G机型codename不同(lsch92/dior),刷机包也并不通用

2014年不仅是4G铺开的起点,也是手机SoC逐渐拥抱四核的起点。尽管起售价低了1000元,红米Note使用的骁龙400也是货真价实的四核Cortex-A7处理器,2+8的内存配置也让它拥有更高的性能上限。IPS屏幕也在小米彼时的产品线中普及,5.5寸268 PPI的720P显示屏即使放在现在也并非完全无法接受。3100mAh的电池和1300W/500W摄像头也让它在同价位机型中键盘值拉满。呼吸灯和带背光的三大金刚键在当时的小米机型中也算是标配了。通体大塑料的机身是当时中低端机的普遍选择,不过红米Note1后盖的大弧度使得握持手感相当不错。

「聚碳酸酯的魔法」
艳丽的LCD,供应商为天马/友达光电

4G版本的红米Note出场即搭载MIUI 6,尽管在上一部分中我对MIUI V5并不吝惜溢美之词,但很可惜的是随着iOS 7转向全面扁平,当时的小米也选择紧跟大哥的步伐。MIUI 6在UI上的革新几乎可以说是摸着苹果过河,完全压扁的图标,壁纸大胆的色块拼接,以及在系统应用和通控中心内大量使用的毛玻璃模糊,构成了十分年轻又大胆的设计语言。不过由于红米Note本身屏幕够大,文字和图标并没有丧失太多可读性,录音机、指南针、时钟等系统应用的扁平化设计也沿用到MIUI9/10,成为了很多用户对安卓机器UI的回忆,也构成了当年的我对于手机系统的最初印象。相较于MIUI V5,MIUI 6 还有一点比较重要的革新是开始有意识的让系统动起来。尽管动画的表现形式并不是如今大家所熟悉的非线性动画,但是例如时钟app里的切换动画,电源菜单里的logo动画,天气app里的刷新动画等等,都是彼时在安卓机器中并不常见的设计,连贯的动画本质上也是上文提到的示能性在工程实现上的延续。

这套设计语言直到MIUI 9也没有太多变化

站在今天的角度,我并不会认为MIUI 6是一套多么令人惊艳的设计语言,但是它向后延申了五年,一直影响着后续MIUI的系统美学风格,直到Android 12的Material You出现才画下句号。而红米Note本身也可以更新到MIUI 9,维护时长跨度达到四年,MIUI9迄今为止也仍然是维护跨度时间与安卓大版本范围最大的MIUI大版本。尽管底层仍然是Android 4.4,但系统内带来的新功能却是实打实的适配努力。MIUI 9的传送门是现在各家内容流转与AI助手屏幕采集相关功能的雏形,小米也在这一代引入了动态图标,不过整体的设计语言相比MIUI 6没有太大变化。这一代主要的优化目标仍然放在性能开销上,快如闪电的slogan在当时确实名副其实。

「快如闪电」

红米Note的官方支持到这里就结束了,但彼时小米机型的解锁还很容易,针对各小米平价机型的第三方系统/类原生适配社区规模也很大,任君挑选。在 Android 15 谷歌引入动态分区(VAB Partition)之前,一般手机会依靠刷入第三方Recovery进行ROM刷写操作。

安卓形成统一的设计语言最早可以追溯到2011年发布的Android 3.0,Holo Design初期以暗黑的整体风格示人,基于网格的页面元素布局,辅以霓虹蓝色与渐变效果,大概是大多数人对于安卓系统的最初印象。下一代Android 4则在功能性与流畅度优化之外,开始逐渐从全局暗色向亮色转变,并在Google Now和Google Play Music等应用中开始尝试卡片式UI。

Google Play Music

而Android 5.0中崭新的Material Design,就是对这一尝试的扶正。相比于之前给人以冷峻科技感的Holo Design,Material Design温暖而柔和,浅灰色的卡片背景给人以纸张的熟悉感。而当时类原生社区的蓬勃发展,自然让红米Note这样便宜的机器成为了体验谷歌设计思考相当有性价比的选择。而魔趣彼时也正如日中天,在添加了许多国内本地化功能的基础上,UI/UX设计则一直跟随谷歌的设计规范。当时对三大金刚键和呼吸灯的自定义功能几乎是所有类原生项目的必备,对状态栏的优化(比如时间显秒和状态栏真实网速)也早在Android 6时代就已经出现。除此之外, Substratum主题引擎使得谷歌还未统一图标形状时用户就可以通过第三方主题与图标包统一图标遮罩,更加符合国内定制UI的审美惯性。

魔趣的自定义功能

说回UI,谷歌不仅通过配色与阴影模拟纸张的质感,交互也成为了构建界面逻辑的重要部分。每一个组件都拥有厚度、深度,且会随着点击或滑动呈现不同的动态。这一代语言中谷歌也加入了不同组件之间在层级与移动阻尼中相互影响的逻辑,使得大量页面呈现出恰如其分的弹性,像是在及时回应用户的实际操作。

Material Design的动效演示图

此时Material Design的动画是安卓阵营中的第一梯队,对阻尼的积极运用使得它超越了厂商定制UI单纯缩放或干脆没什么动画的窘境。同时,诸如顶栏分界处的阴影、通知中心的卡片重叠以及最近任务的竖向堆叠,都在展示着一个非常超前的理念——好的交互应该拓展物理空间,对于实际上没有Z轴的UI,通过动画与阴影的应用描述不同元素的空间深度关系,能为用户创造出虚拟的Z轴,也更加符合物理逻辑的直觉。

颜色也是彼时谷歌开始发力的一个方向,系统应用和第三方应用开发规范中均包含了强调色的API,同时推荐使用浮动操作按钮。按钮下方的阴影自然聚焦视觉,点击后向外铺开的半透明遮罩和子菜单按钮顺滑且符合直觉,是那个年代谷歌最引人注目的视觉标志——从几何形状到阴影层次,再到大胆的色彩和写意的留白。

「色彩」

其后四年,Google一直在完善这一套配色大胆的初代Material Design设计方案,直到2018年。谷歌在那一年的Google I/O上介绍了Material Design的新风格,并将其命名为Material Theming(即俗称的 Material Design 2),旨在为应用开发提供一个自适应的 UI 模板,而不是完全复制统一的 Material Design.后续直到安卓11,谷歌都在不断完善这套翻新的设计语言,并在Android 11加入了官方支持的自动深色模式,在OLED屏幕占据市场主流的趋势下显得是出于必要的举措,但也为Material Design 2带来了更多变化。

Material Design 2

Redmi Note也可以刷上基于安卓11的LineageOS系统,找到链接还可供下载的系统卡刷包着实费了我一番功夫。另一方面,由于机器本身是2+8G的存储规格,默认的 /system 分区大小不足以载入安卓11的系统分区,因此需要在刷入系统卡刷包之前首先通过 GNU parted 对 /system 进行扩容。

有关旧小米机器如何深度救砖可参考文章:旧小米机器救砖tip

LineageOS在曾经的类原生社区中以干净清爽的使用体验,轻量化的系统组件以及对机型长久的设备树维护跨度而闻名。但令人遗憾的是即便如此,发布于10年前的骁龙400仍然对安卓11的系统运行力不从心,即使是最简单的滑动操作都有比较明显的掉帧卡顿。不过我们仍然可以借此一窥Material Design最终章的模样。

Material Design 2在安卓11中已经广泛的开始在系统中应用圆角,但相比继任者 Material You,对配色和圆角弧度的选取仍然比较克制。我个人最喜欢的是控制中心的设计,在控制中心内上下滑动时,快捷开关和顶部信息/亮度滑块会根据手指位置与动量丝滑切换,在最大化控制中心时下方的通知也会自动缩小到一行中排列的缩略图标,且伴随着灵动的弹跳动画和缩放变形动画,小细节一点不输当时的国产定制UI。官方的系统应用倒是一直都没有太大变化,UI与动画大体的框架一直保持一致,但明显可见的是对白色的应用更加普遍,这给人一种强烈的极简风格既视感。再加上安卓11这一代谷歌对非线性动画的API支持逐渐完善,以Pixel-UI(以及对应的Pixel-Experience Plus类原生项目)和H2OS等系统为首,在克制的页面元素大小/配色的基础上全面应用非线性动画的策略,也让Material Design达到了最终形态,灵动但简单,高效但活泼。我更喜欢用Wabi Sabi,亦即侘寂美学去形容当时的原生UI。

只不过这一风格很快就迎来了生命的终结,Material Theming的初衷是谷歌希望用整体白色的极简理念辅以强调色的点缀,让性格在效率之上也能繁荣,只不过大多数主流应用都效仿谷歌的做法,舍弃了色彩鲜艳的标题和鲜明的个性,转而采用白色背景和低调的品牌配色。原本旨在鼓励个性的举措,最终却沦为千篇一律的模板。但我并不认为这完全是软件厂商的品味问题,如果谷歌能在安卓11就端上来莫奈取色引擎,恐怕也不会有后面 Material You的什么事情。另一方面,即使有了莫奈取色,我也仍然无法认为安卓12控制中心的大黑块背景、系统空间粗糙的黑色描边和极不统一的圆角,以及初版取色效果糟糕的Monet Engine是什么在部门内部深思熟虑后推出的新东西。事实上,从安卓12开始,谷歌内部对系统设计语言的规范就开始变得愈发模糊,很多新效果的推出也根本没有详细的API描述,且直到安卓16的当下,使用Monet取色界面后对比度的问题仍然没有得到完全解决。而我最喜欢的Pixel-Experience、H2OS、dotOS等等第三方系统项目,也早就无处寻觅。

「Discontinued.」

当然这可能算得上后话,另一方面对比某些定制UI,Material 3 Expressive还是更加舒心。不过这些都不是主角红米Note能经历的后日谈了。

写在最后

我在写这篇文章,收集资料并不断对着两台古董手机拍样片和使用的过程中,总是带着强烈的deja vu与困惑。其实我接触刷机的时间并不算很早,直到高中我才有机会真正用上手机,因为不停地与父母周旋手机的使用权,能接触到的机子在性能上也总是落后于时代主流水平,因此通过刷机延长服役期限几乎是自然而然的事情。

曾经的精致小垃圾们

感到熟悉是因为,我似乎能触及记忆里那些上着网课时逛论坛看大家对系统或软件评价的很多个寻常的下午;而困惑是一方面我竟然能如此快的遗忘掉这些老机器的刷机该怎么操作,另一方面在当下买了可以解锁BL的新机,能干的事情似乎也并没有太多。从购物到聊天到游戏,软硬件厂商合力对Root的封堵似乎让解锁-日用的链条愈发脆弱。曾经刷机爱好者们的聚集地一个接一个的走向终点,哪怕是现在仍然活跃的刷机社区,其中也确凿是开挂的破坏者居多,本就规模不大的群体分裂再分裂,而硬件厂商为了维护利益的收紧措施无疑是火上浇油。

「我们一生不过是清醒地穿过梦境,每个人不过是岁月的一个幽灵。」曾经的我似乎只是对着花花绿绿不求甚解的代码和页面耗费时间,就有莫大的成就感。而现在的我写了更多的代码,接触了更多的开发流程,却只是在闲鱼购买曾经梦寐以求的机器,刷机美化,刷刷论坛,然后把机器扔进抽屉吃灰,最后再卖掉。这两种存在几乎在我脑海里并行上演,使我感到似乎在做梦。但我似乎并不是真的丧失了对刷机的兴趣与热情,至少我坐在这里还在码字。

正好今天看了一个熟肉视频:Windows 为何不再用那个好听的开机音了? | Enrico Tartarotti,我突然意识到这似乎就是时代的必然。和电脑一样,手机也经历着从打电话的砖头,到表现个性的展板,再到每个人都装在口袋里习以为常的生活的一段历史。在安卓初期,孱弱的机器性能和丑陋的系统界面,以及当时并不完善的系统安全机制让诸如Magisk和SuperSU之类的工具大火,自定义系统界面、主题、软件UI,乃至超频机器、伪装机型解锁调度,玩法层出不穷,甚至有资本和企业笃定自定义与个性化就是这个蓝海市场的未来。但直到下沉的趋势触及到互联网时代的每一个人,直到厂商在红海市场里搏杀到刀刀见血,直到蛮荒时代的大神和发烧友不得不去和生活对线——手机早就从表示个性的工具变成了人人都需要,但人人也都不甚在意的一个入口,就像学生时代的一只笔,或者二十年前网吧里的一台电脑。所有人都对点击和滑动太过于熟悉,以至于他们几乎忘记了手机作为承载这一切的忒修斯之船有多么强大,又和它的起点相比究竟还有多少相同。

刷机业务商业化尝试的失败与刷机市场事实上的快速萎缩其实早在十年前就已成定局

乔布斯的那句重新发明手机的自信与雷军的那句1999的呐喊总是会活在无数怀旧视频和普通爱好者的回忆中,但却鲜有人能记起那些耳目一新的设计与功能带给他们最初始的感动。对参数的过分计较和互相斗蛐蛐之间的骂战充斥着社区,手机本身作为科技设备的自由度也在时间里逐渐萎缩殆尽。尽管如此,我仍然希望诸如Pixel、一加、Nothing这些牌子依然能留存一个解锁的入口,现在的我不会像六年前一样对着一台手机和一堆类原生的刷机包捣鼓一整个下午,但是至少当回想起来的时候,我还能看到开机时的那句「Your device is not secure」,毕竟哪有自由是绝对安全的呢(笑)。

「Freedom」

那个Material Design引领的的美学时代和百花齐放的刷机社区终究成为了历史,而我们就这样不断生活并不断告别。使人觉得遥远的不是时间长,而是两三件不可挽回的事。

关联阅读

> 关注 少数派小红书,感受精彩数字生活 🍃

> 实用、好用的 正版软件,少数派为你呈现 🚀

    ——覆盖芯片制造、封装测试、智能仓储与供应链协同的一体化智造平-台

    在半导体国产化加速与高端电子制造升级的双重驱动下,电子制造企业(涵盖晶圆厂Fab与封测厂OSAT)正面临前所未有的挑战:工艺复杂度指数级上升、客户追溯要求严苛至单颗芯片、物料成本占比超60%、设备停机1分钟损失数万元。传统ERP+WMS+通用MES的割裂架构已难以为继。

    万界星空电子制造行业专属MES系统——深度融合芯片制造(前道)、电子封装测试(后道)、智能仓储与供应链执行的全栈式解决方案,真正实现从“硅片进厂”到“芯片出货”的端到端闭环管控。

    一、行业痛点:为何通用系统失效?
    芯片制造(Fab) 工艺步骤超千道,Lot路径动态分裂;设备Recipe毫秒级同步;缺陷根因分析依赖跨工序数据

    电子封装(OSAT) 多芯片异构集成(SiP/Chiplet);金线/塑封料温湿度敏感;汽车电子需满足AEC-Q100追溯

    供应链与仓储 关键物料(光刻胶、金线)保质期短;洁净室库位管理复杂;投料错配=整批报废

    共性需求 全链路追溯(Wafer→Die→Package→终端产品)、EHS合规、OEE提升、零缺陷交付

    普通MES仅关注“报工”,而电子制造需要的是以物料流、信息流、控制流三流合一的智能执行中枢。

    二、系统整体架构:前道+后道+仓储一体化

    见图

    三、电子行业MES核心功能体系

    ✅ 1. 芯片制造(Fab)全流程管控

    • Lot/Wafer级追踪:支持Split/Merge操作,记录每片晶圆上千道工序历史;
    • Recipe与设备闭环:下发工艺配-方至设备,实时监控腔室参数,异常自动Hold Lot;
    • 缺陷智能分析:集成AOI/E-beam数据,自动关联工艺步骤与设备,生成Yield根因报告;
    • 洁净室EHS监控:粒子数、压差、特气泄漏实时告警,保障Fab安全运行。

    ✅ 2. 电子封装测试(OSAT)高精度执行

    • 先进封装支持:管理Fan-Out、2.5D/3D、SiP等工艺,绑定RDL、TSV、Microbump数据;
    • 全流程防错:贴片扫码校验Die与基板匹配,回流焊曲线自动比对,X-ray未检禁止流转;
    • 测试数据闭环:ATE(CP/FT)结果自动归集,不良品关联失效模式,驱动FA分析;
    • 汽车电子合规:一键生成PPAP文件包,满足IATF 16949与AEC-Q100要求。

    ✅ 3. 采购与供应商协同(MES驱动)

    • 智能物料需求:基于MPS与BOM,自动计算光刻胶、金线、靶材等关键物料净需求;
    • 供应商门户:共享交付计划、质量标准、包装规范,支持ASN电子化;
    • 来料质量预控:COA(分析证书)预加载,IQC结果自动比对,超标物料冻结。

    ✅ 4. 智能投料与物料防错

    • Fab投料校验:启动Lot前,校验光刻胶有效期、靶材使用次数、特气余量;
    • OSAT投料拦截:Die Bin码、基板烘烤状态、湿度卡不合格 → 设备联锁停机;
    • FIFO与效期管控:化学品按开封时间强制先进先出,超期自动锁定。

    ✅ 5. 精细化出入库与仓储管理

    • 智能库位分配:

      • 恒温区(光刻胶)、氮气柜(金线)、防静电架(FOUP)自动匹配;
    • AMHS/AGV协同:MES下发配送任务,自动送物料至机台口;
    • 库存实时可视:展示在库量、库龄、洁净室水位,预警呆滞与缺料风险;
    • 退料与危废管理:不良品隔离、废酸废溶剂登记,满足EHS审计。

    ✅ 6. 全链路追溯与合规

    • 正向追踪:某片晶圆 → 切割Die → 封装成品 → 终端手机型号;
    • 反向溯源:客户投诉 → 精准定位至光刻层、刻蚀机台、贴片时间、测试Bin;
    • 电子批记录(EBR):自动生成不可篡改档案,支持FDA 21 CFR Part 11、ISO 9001。

    ✅ 7. 设备物联与智能排产

    • 千台设备接入:通过SECS/GEM、OPC UA对接中微、北方华创、ASM等设备;
    • OEE自动分析:精准统计时间开动率、性能率、良品率;
    • 柔性排程:Fab按腔室可用性调度,OSAT考虑模具准备与交期,支持插单模拟。

    四、实施价值
    产品良率(Yield) ↑ 2–5%(缺陷根因快速定位)

    设备综合效率(OEE) ↑ 10–15%(减少非计划停机)

    物料错用事故 ↓ 90%(投料防错拦截)

    库存周转率 ↑ 20%(智能FIFO+呆滞预警)

    追溯响应速度 从“天级” → “分钟级”

    客户飞检通过率 100%(电子批记录完整合规)

    **在“中国芯”崛起的时代,
    制造的竞争力不再仅靠设备,而在于数据驱动的协同力、过程受控的稳定性与快速响应的柔性力。**
    电子行业MES——不止于执行,更赋能中国电子制造迈向自主、高效、可靠的新纪元。

    📞 立即预约,获取《电子制造行业数字化转型MES解决方案》+ 行业免费Demo演示!

    近日,在中国信通院组织开展的 2026 上半年批次“可信数据库”测试中,涛思数据 TDengine IDMP 成为截至目前唯一一家全项完成“基于 AI 大模型的时序数据管理平台”基础能力检验的产品。

    经中国信通院测试验证,TDengine IDMP 符合《基于 AI 大模型的时序数据管理平台技术要求》标准的全部能力要求,覆盖 AI 时序数据应用、时序数据建模与组织、情景化与标准化、实时分析、事件管理、安全与扩展性等关键能力方向。这也标志着 TDengine IDMP 在 AI 大模型与时序数据深度融合的工业数据平台领域,已达到国内技术先进水平。

    《基于 AI 大模型的时序数据管理平台技术要求》标准简介

    为规范基于AI大模型的时序数据管理平台技术和能力,指导提升AI大模型在时序数据领域的管理、建设应用,促进相关技术创新发展,完善行业协同生态,中国信通院依托CCSA TC601开展《基于AI大模型的时序数据管理平台技术要求》标准编制工作,围绕AI时序数据应用、时序模型管理、时序数据建模和组织、时序数据情景化、时序数据标准化、时序数据预处理、时序数据可视化、时序数据实时分析、事件管理、时序数据服务、平台管理、兼容性和扩展性、安全性等维度进行规范,为相关产品的应用落地提供了可供参考的技术规范。

    TDengine IDMP:AI 原生工业数据管理平台的四大核心优势

    作为时序数据库领域的长期实践者,涛思数据的 TDengine TSDB 已在工业、物联网等场景中广泛应用,覆盖智能制造、能源、电网、石油石化、汽车、矿山、新能源、制药、IT 基础设施等众多行业。

    随着 AI 技术与工业互联网、物联网的深度融合,企业对数据平台的要求正在从“能存、能查”,升级为“能理解、能推理、能主动给出决策线索”。

    在这一背景下,涛思数据于 2025 年 7 月正式发布 TDengine IDMP(AI 原生的工业数据管理平台),与 TDengine TSDB 协同演进,从底层架构重构工业数据平台能力,打通数据采集、汇聚、存储、分析、实时计算、可视化、事件管理与智能洞察的全链路,帮助企业以极高的性能、极低的成本和极简的体验,全面释放数据价值。

    TDengine IDMP 具备以下四大核心优势:

    • 无问智推,数据自己说话:无需主动提问,基于采集的数据,TDengine IDMP 能够利用 LLM,自动感知应用场景,自动生成场景特有的的指标、可视化面板、报表和实时数据分析。无需业务知识的多年积累,无需主动查询,核心洞察主动推送。
    • 智能问数,实时分析零等待:除 AI 主动推送的面板、分析之外,用户还可以用自然语言主动提问与数据相关的任何问题。无需数据分析师、IT 工程师的帮助,AI 基于采集的数据实时给予答案,即可形成行动方案。从提问到决策,分钟级闭环。
    • 工业数据全栈解决方案:与 TDengine 时序数据库一起,为工业数据管理提供从数据采集、清洗、情景化、标准化,到存储、查询、实时分析、预测、异常检测,再到可视化、事件管理等全栈的解决方案。架构极简,运维轻量化。
    • 开放的企业级应用:支持单点登录、基于角色的权限控制、数据模型版本管理,提供数据备份、异地容灾与实时分发能力,支持虚机与容器化部署,兼容 Windows 与 Linux,可与 MES、ERP、AI 等企业应用系统无缝集成。

    唯一完测,赋能百业,智驱未来

    作为截至目前唯一一家全项通过中国信通院基于 AI 大模型的时序数据管理平台基础能力检验的产品,TDengine IDMP 在推出不足半年内,已在能源、化工、智能制造、交通、食品等多个行业实现落地应用,客户覆盖海内外市场。

    此次全项完测,不仅是对 TDengine IDMP 技术体系完整性与成熟度的权威验证,也体现了涛思数据在 AI 与时序数据融合方向上的长期投入与工程实践能力,标志着 TDengine IDMP 在这一领域的成熟度已达到国内领先水平。

    面向未来,涛思数据将持续提升平台的开放性、实时性与智能化水平,推动 AI 真正参与工业数据消费与决策过程,为企业数字化与智能化转型提供更加可靠、可持续的技术底座。

    一、数据中心巡检之“困”

    数据中心与智算中心作为数字基础设施的核心,其稳定运行依赖高频次、高精度的日常巡检。在以人力为主的运维模式下,巡检工作正面临系统性瓶颈。

    图片

    当前的巡检模式,已逐渐无法满足现代数据中心日益提升的巡检需求。AI时代下,以智能巡检机器人为代表的自动化方案,正逐步成为行业的新选择。

    二、从轨道到全地形:数据中心巡检机器人的演进之路

    数据中心包含动力、暖通、机房等多个系统,空间结构天然存在梯坎、门槛、斜坡等复杂地形,对巡检载体的通过性提出持续挑战。

    图片

    近年来,四足等全地形机器人在其他领域被广泛应用,但在数据中心狭窄通道、防静电地板等环境中面临实用性障碍,尚未有效落地。

    真正适合数据中心的巡检载体,必须在通过性、效率与可靠性之间取得平衡——这为轮足机器人的出现提供了明确方向。

    三、轮足机器人:数据中心巡检中通过性、效率与可靠性的平衡之选

    在智能巡检载体的形态探索中,轮足式机器人,逐渐被视为数据中心场景的一种理性选择。它融合轮式底盘的高效、低噪与长续航优势,同时具备跨越台阶、斜坡等非平整地形的能力。

    图片

    稳定上楼梯

    图片

    轻松过门槛

    相比纯轮式机器人受限于地面条件,履带或四足方案又普遍存在噪音大、速度慢、维护复杂等问题。轮足构型在通过性、作业效率与长期运行可靠性之间实现了有效平衡,可在不改造建筑结构的前提下,适应多楼层、多房间的复杂布局,满足数据中心对稳定和连续作业的要求,真正推动巡检范围从单机房走向全站覆盖。

    四、云智慧 Cloudwise X1:专为数据中心打造的轮足巡检机器人

    云智慧Cloudwise X1 并非通用轮足平台的简单移植,而是云智慧针对数据中心多地形环境(楼梯、斜坡、窄道、门槛等)深度定制的轮足巡检机器人。

    其轮足底盘具备20cm越障与30°爬坡能力,可自主上下电梯、穿越台阶与狭窄通道,轻松应对跨楼层复杂场景。

    图片

    在运营超过5年的混合架构机房中,云智慧Cloudwise X1 轮足巡检机器人无需改造地面或加装导轨,即可实现全站无死角覆盖,巡检范围从单一机房扩展至动力、暖通、IT机房及消防等多个区域。

    图片

    在移动能力之外,云智慧Cloudwise X1  轮足巡检机器人的作业体系全面面向数据中心需求构建:

    * 7×24小时自主作业

    依托边缘计算单元与激光雷达SLAM系统,云智慧Cloudwise X1  轮足巡检机器人能在高噪音、弱光环境中实时建图、动态避障,定位精度达毫米级,夜间巡检全自动执行,运维人员无需值夜班。

    • 多模态AI感知融合

    可见光、红外热成像、声纹与气体传感器数据,智慧Cloudwise X1  轮足巡检机器人 内置17项自研AI算法,支持110+巡检项。例如,在配电柜区域,可通过温差分析提前预警“虚接”隐患,早期故障发现率提升50%。

    • 端云协同

    所有巡检数据由端侧自主采集,自动附加时间戳与空间坐标,加密上传至一体化运维平台。面对审计时,可一键调取任意设备的历史完整证据链,告别纸质打勾表的主观争议。

    基于全地形覆盖能力与多模态智能感知,云智慧Cloudwise X1 轮足巡检机器人的工程潜力,转化为一套面向数据中心、可落地且可验证的智能巡检方案。

    五、跨楼层全自动巡检,重塑数据中心运维范式

    轮足机器人的价值,不在于形态本身,在于它能否真正解决数据中心的巡检难题。云智慧Cloudwise X1 轮足巡检机器人的实践表明:只有深度理解数据中心场景,并将通过性与多模态感知能力有效结合,智能巡检才能逐步从概念走向实际应用。

    云智慧Cloudwise X1 轮足巡检机器人已在大型数据中心完成部署验证,稳定支撑跨楼层、多系统的常态化巡检任务。

    未来,云智慧持续致力于为数据中心提供可靠性保障服务,AI赋能提升产品创新力,为金融、政企及云服务商等行业提供更安全、高效、可落地的智能巡检解决方案。

    同时,作为专注于AI 基础设施智能运维的服务商,云智慧助力客户构建智能电力、AI算力与服务、AI 智能体的全栈安全和可靠性保障体系。

    致力于保障AI基础设施规模化、连续性、稳定运行,通过监测、预警、快速响应、自动化运维与合规治理,帮助客户实现更高可用性、更低风险与更优运营成本。

    详询热线:400-666-1332