开发者朋友们大家好：

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

本期编辑：@瓒an、@鲍勃

01 有话题的技术

1、Apple 以 20 亿美元收购 Q.ai：通过面部微表情识别「无声对话」指令

在 AI 上日渐落后的苹果，最近几个月加紧了前进步伐。抛弃 OpenAI，携手 Google Gemini 后，苹果近日又有新动作。

当地时间 1 月 29 日，苹果公司完成了一项近 20 亿美元的收购，目标是以色列 AI 初创公司 Q.ai。

这是苹果自 2014 年以 30 亿美元收购 Beats 以来，规模第二大的交易。

据《金融时报》等多家媒体报道，Q.ai 的核心技术在于分析面部微表情和肌肉运动，从而解读「无声对话」（Silent Speech），即用户无需发出声音，仅通过嘴部动作即可被设备识别意图。

这项技术被认为有望集成到未来的 AirPods、iPhone 乃至传闻中的 AI 眼镜中，实现更私密、无障碍的人机交互。

Q.ai 的创始团队背景显赫，联合创始人 Aviad Maizels 此前创立的 PrimeSense 公司在 2013 年被苹果收购，其技术后来成为 iPhone Face ID 的原型。

此次收购在苹果发布强劲财报的同一天公布，凸显了公司在 AI 硬件竞赛中补短板的急迫性。

（@极客公园）

2、商汤开源 SenseNova-MARS：8B/32B 双版本 Agentic VLM，多模态搜索得分 69.74 超越 GPT-5.2

1 月 29 日，商汤正式开源多模态自主推理模型 SenseNova-MARS（8B/32B 双版本），其在多模态搜索与推理的核心基准测试中以 69.74 分超越 Gemini-3-Pro（69.06 分）、GPT-5.2（67.64 分）。

SenseNova-MARS 是首个支持动态视觉推理和图文搜索深度融合的 Agentic VLM 模型，它能自己规划步骤、调用工具，轻松搞定各种复杂任务，让 AI 真正具备「执行能力」。

在 MMSearch、HR-MMSearch、FVQA、InfoSeek、SimpleVQA、LiveVQA 等基准测试中，SenseNova-MARS 取得开源模型中的 SOTA 成绩，还超越 Gemini-3.0-Pro、GPT-5.2 等顶级闭源模型，在搜索推理和视觉理解两大核心领域全面领跑。

在具体的评测数据方面，SenseNova-MARS 在图文搜索核心评测 MMSearch 榜单中以 74.27 分登顶，优于 GPT-5.2 的 66.08 分；在高清细节搜索评测 HR-MMSearch 中以 54.43 分领先。

简单说，无论是需要「查遍全网」的知识密集型任务，还是需要「火眼金睛」的细粒度视觉分析，它都是当前的「全能冠军」。

SenseNova-MARS 拥有「自主思考+多工具协作」的能力，能够自动解决「细节识别 + 信息检索 + 逻辑推理」复杂任务，帮助实现工作效率提升。

  • 图像裁剪：能精准聚焦图片上的微小细节，哪怕是占比不到 5%的细节——比如赛车手衣服上的微小 logo、赛事照片里观众席的标语，都可通过裁剪放大清晰分析。
  • 图像搜索 ：能在看到物体、人物或场景，的瞬间自动匹配相关信息——比如识别出赛车手的身份，或是某款冷门设备的型号。
  • 文本搜索：能快速抓取精准信息——无论是公司成立年份、人物出生年月，还是最新的行业数据，都能秒级获取。

技术上，SenseNova-MARS 采用分阶段训练：第一阶段利用多模智能体数据合成引擎，结合细粒度视觉锚点与多跳检索构建高逻辑链条数据，并通过自洽性校验去除幻觉；第二阶段引入强化学习与 BN-GSPO 算法，采用双阶段归一化的优雅机制有效平滑了动态工具调用返回分布多样性带来的优化波动并确保了学习信号分布的一致性，从而成功解决了跨模态多步多工具智能体训练过程中的收敛性难题。，培养出稳定的「工具使用直觉」。

目前，商汤日日新 SenseNova-MARS 的模型、代码及数据集已全部开源。

技术报告：

https\://arxiv.org/abs/2512.24330

Github:

https\://github.com/OpenSenseNova/SenseNova-MARS

（@商汤科技 SenseTime）

3、阶跃星辰发布 Step 3.5 Flash：为 Agent 而生的开源「轻骑兵」

阶跃星辰（StepFun）于 2026 年 2 月 2 日正式上线并开源了其最新基座模型 Step 3.5 Flash。该模型定位为具备强大推理能力与 Agent 智能的「Agent 大脑」，强调在性能与模型尺寸之间取得平衡。

据官方介绍，Step 3.5 Flash 的核心特点在于「更快、更强、更稳」。在单请求代码类任务中，其推理速度最高可达 350 TPS；在 Agent 场景和数学任务上，其表现可媲美闭源模型；同时具备处理复杂、长链条任务的能力。相关数据显示，该模型在开启 Parallel Thinking（并行思考）后性能有进一步增强。

为了实现高响应速度与可控成本，Step 3.5 Flash 采用了以下技术架构：

  • 稀疏 MoE 架构：拥有 1960 亿总参数，但每个 token 仅激活约 110 亿参数。
  • MTP-3 技术：支持模型一次预测 3 个 Token，使效率翻倍。
  • 混合注意力机制：采用 3:1 滑动窗口与全局注意力（SWA + Full Attention）混合架构，在长文本中聚焦重点以显著降低计算开销，支持高效处理 256K 上下文。

在实际应用案例中，Step 3.5 Flash 展示了多维度的能力：

在计算场景下，它能快速处理复杂的等差数列及高阶数学运算。

在智能体编程方面，模型基于文字提示自动构建了一个气象情报仪表盘，该可视化平台搭载定制 WebGL 2.0 引擎，可实时处理超过 15,000 个动态节点及 WebSocket 遥测数据流。

此外，在端云结合的演示中，该模型作为「云端大脑」将 Mac Mini M4 的全网比价需求拆解为针对淘宝、京东和拼多多的具体子任务，指导本地 Step-GUI 执行数据抓取并汇总出最低价平台，体现了云端协同对本地执行难度的降低。

此外，阶跃星辰透露已启动 Step 4 模型的训练，并邀请社区共同参与下一代 Agent 基础模型的定义。

官方网页：

https\://www.stepfun.com/

GitHub:

https\://github.com/stepfun-ai/Step-3.5-Flash/tree/main

HuggingFace:

https\://huggingface.co/stepfun-ai/Step-3.5-Flash

（@阶跃星辰）

02 有亮点的产品

1、韩国客服 AI Agent 构建与运营商 TeamKai 获种子轮融资：AI 智能体实现 60% 无人干预任务处理与趋零幻觉率

据 2026 年 2 月 1 日消息，客户服务 AI Agent 构建与运营商 TeamKai 宣布获得来自 Sparklabs 和 Murex Partners 的种子轮融资。 公司方面未披露具体的融资金额。

这家初创公司成立于 2024 年，由 Doa Kim 创立。Doa Kim 曾在韩国头部旅游平台 Myrealtrip 担任首席运营官，拥有十年客户服务运营经验，期间处理过包括机票预订、酒店预订及旅游套餐在内的各类复杂业务支持场景。

TeamKai 的差异化优势在于其采取的综合性服务模式。 该公司不仅提供 AI Agent，还负责从实施咨询到直接对接客户内部系统，乃至提供全套客户服务外包等环节。其 AI Agent 能够承担人类客服代表所处理的全方位任务。

在过去一年中，TeamKai 拓展了旅游、电子商务和消费品领域的客户，年度经常性收入（ARR）已接近 6.8 万美元（约 1 亿韩元）。投资方 Sparklabs 对 TeamKai 的技术能力表示认可，数据显示其 AI Agent 可在无人干预的情况下完成超过 60% 的任务，且幻觉率正趋近于零。投资方认为这些指标赋予了 TeamKai 在全球范围内竞争的潜力。在 Sparklabs 投资后，TeamKai 还成功入选了韩国中小企业和初创企业部的技术孵化项目 TIPS。

TeamKai 计划利用这笔资金进一步推动技术发展，提升 AI Agent 处理查询的成功率，并吸纳更多客户。Sparklabs 首席执行官 Yujin Kim 评价称，TeamKai 洞察了客户服务中的实际痛点并正在系统性地修复这些问题，有望将 AI 联络中心从成本消耗中心转变为提升客户体验和效率的引擎。TeamKai 首席执行官 Doa Kim 表示，AI 正在彻底改变客户服务外包的经济模式，她专注于创造让 AI 真正主导运营的环境，并对结果负责。

( @WOWTALE)

2、消息称乐奇 Rokid 将推新一代 AI「智能体」眼镜，联合国内头部大模型公司打造

今天上午，《科创板日报》援引接近乐奇 Rokid 的行业资深人士信息称，Rokid 正与「国内头部大模型公司」合作，研发专属端侧多模态模型，下一代 AI 眼镜产品聚焦生成式 AI 以及 AI Agent 为驱动的全新操作系统和 UI。目前 Rokid 眼镜日销量大约为 1200 副，线上和线下各占半。

今年早些时候，乐奇 Rokid 携史上最大面积 AI 眼镜展台登陆 CES 2026 主会场中心，带来核心产品乐奇 AI 眼镜（Rokid Glasses）。

此外，Rokid 还推出了行业首个智能体商店。用户无需繁琐操作，仅凭语音指令就能唤起覆盖各行各业的 AI 专家：既能解决高铁车次查询、食物热量计算等日常刚需，也能体验班味检测、高情商聊天等趣味功能。

据 IT 之家此前报道，乐奇 AI 眼镜深度整合了包括 DeepSeek、通义千问、豆包、智谱在内的多款 AI 大模型，并与高德地图、支付宝、京东科技等国内伙伴达成生态合作。在海外市场，Rokid Glasses 已与谷歌地图、微软翻译等国际巨头建立合作。

（@IT 之家）

3、两个 95 后华人打造「硬件版 OpenClaw」：售价 1700 元，支持硬件 Vibe Coding

硅谷初创项目 Pamir 近期推出了一款名为 Distiller Alpha 的硬件设备，被市场称为「硬件版 OpenClaw」。该设备售价 250 美元（约合人民币 1700 元），是一款软硬件一体化的本地 Agent 产品。

Distiller Alpha 本质上是一台微型 Linux 电脑，其核心计算模块基于树莓派 CM5，配置为 8GB 内存和 64GB 存储。在硬件形态上，该设备集成了墨水屏、麦克风、扬声器、摄像头及 LED 灯带，整体尺寸小于手机。系统预装了 Agent 环境，支持开机即用，用户通过扫描墨水屏上的二维码即可进入交互界面。

该产品的一个核心应用场景是「Vibe coding」，即支持开发者通过手机远程编写代码。 与纯软件方案不同，Distiller Alpha 能够直接连接并控制物理硬件。用户可以将设备连接至开发板、蓝牙设备或打印机，通过自然语言指令让 Agent 自动编写驱动代码、进行逆向工程或统一管理智能家居设备，实现了从代码生成到硬件烧录的闭环。

Pamir 联合创始人叶天奇在采访中指出，虽然 Mac mini 等通用电脑性能强大，但并非为 Agent 原生设计，缺乏底层的执行与回滚机制。相比之下，Distiller Alpha 定位为「原生 Agent 硬件」，在系统层面进行了针对性设计：

  • 交互逻辑：去除了传统的桌面与屏幕系统，通过内网直连或硬件指示灯（如 LED 状态）进行交互，更适合 Agent 的全天候后台运行。
  • 自修复机制：内置 Watchdog（看门狗）系统，当 Agent 修改代码导致系统崩溃时，设备可自动检测并完成系统回滚与修复。
  • 安全性：硬件层面植入加密芯片存储 Agent ID，配合物理隔绝属性，形成物理沙盒以保护敏感数据。

在实际应用中，该设备被不同类型的用户定义了多层级的使用方式：

  • 智能存储：作为具备理解能力的移动硬盘，帮助律师等知识工作者处理大量文档或直接修改 U 盘文件。
  • 自动化代理：代替用户执行网页浏览、餐厅预订等操作，模拟真实人类行为以规避反爬虫检测。
  • 知识资产托管：程序员或安全专家将个人的经验整理为 SOP，让 Agent 24 小时运行进行漏洞挖掘或辅助工作。

Pamir 的创始团队由两位 95 后华人叶天奇和张城铭组成。项目早期曾尝试 To B 的端侧 AI 业务，后转型 To C 市场。团队认为，未来 Agent 将需要独立的计算设备而非寄生于现有电脑屏幕。叶天奇表示，相比于单纯的软件竞争，系统层与硬件层的深度集成（涵盖供应链、能耗控制及安全机制）将构建起更稳固的护城河，其长期目标是探索一种不再以屏幕为核心的个人计算新形态。

（@量子位）

4、AI 玩具品牌 FoloToy 连获数千万元融资：深创投参投，2025 年国内销量增长 5 倍

FoloToy 近日宣布连续完成数千万元 Pre-A 轮及 Pre-A+ 轮融资。本轮投资方为深创投和南山战新投，老股东火火兔持续跟投，指数资本担任独家财务顾问。据悉，融资资金将主要用于扩大品牌影响力及渠道建设。

FoloToy 成立于 2023 年，核心团队由「极客奶爸」王乐和郭兴华组成。公司致力于为儿童提供「高质量、会聊天、有深度」的 AI 陪伴玩具，其出发点在于将旧玩具转化为具备对话能力的伙伴。

目前，FoloToy 采取 C 端与 B 端并行的策略，推出了经典陪伴、成长伴学、创新文旅及企业定制等产品线，并与各大 IP 方建立了深度研发合作。指数资本分析认为，FoloToy 在 IP 合作上具备独特的差异化思路：

  • 技术赋能 IP：利用 AI 机芯 Magicbox（魔匣）让 IP 角色「活过来」。不同于简单的形象授权，FoloToy 能够让角色配合故事更新，支持分龄互动、千人千面及多玩具互联，使传统静态 IP 转化为鲜活的对话角色。
  • 设计师挖掘：提前挖掘并培育有潜力的设计师与艺术家。
  • 公共 IP 绑定：抢占如「AI 泰迪熊」等公共 IP 的心智，使其与品牌形成强关联。

在市场表现方面，FoloToy 透露其 2025 年国内销量较 2024 年增长五倍。 在海外市场，产品已进入美国、瑞典、德国、日本等地，并正在布局北美及欧洲市场。

当前 AI 玩具赛道正处于快速增长期。 据 Facts & Factors 预测，到 2032 年玩具市场规模将达到 500 亿美元，且大模型技术的发展可能加速这一进程。指数资本指出，在 3-9 岁儿童 AI 陪伴玩具领域，存在需求验证与供给空白的交叉机会。尽管需求侧对安全、可控且具备情绪价值的产品需求明确，但供给侧缺乏集 AI 技术、IP 运营、玩具制造与教育内容于一体的「四合一」产品。目前该赛道尚未出现市占率超过 5% 的品牌。

针对这一市场现状，FoloToy 已形成清晰的商业化路径：

  • C 端消费市场：推出 AI 仙人掌、AI 向日葵、AI 小熊等伴学哄娃产品，内置自研儿童对话模型，支持中英双语及实时内容过滤。
  • B 端企业定制：与大型企业联名合作，如联合招商银行推出培养财商的「金小葵」，联合飞鹤奶粉推出主打早教的「鹤小小」。
  • 行业场景创新：提供行业解决方案，例如为博物馆开发的互动剧本「AI 猫馆长」，以及为教育机构提供的「八爪鱼」AI 学习套件。

行业观察认为，目前的 AI 玩具市场仍处于早期「IP+AI」同质化发展阶段，未来将进入产品验证期，安全性、可玩性与实用性将成为竞争核心。

（@多知）

03 有态度的观点

1、扎克伯格：AI 是社媒的未来

据 The Verge 消息，Meta CEO 扎克伯格日前在财报电话会上表示，人工智能（AI）将会是社交媒体的未来。

扎克伯格指出，AI 将会使得社交媒体的内容更加沉浸。「社媒的最初形态是文字，然后在手机具备摄像功能后转向照片，接着再移动数据网络足够快时进入视频时代。很快，我们将看到全新的媒体形态爆发。」

其还补充表示，目前的社媒大多使用推荐内容的算法，但这种情况将发生改变，未来 Meta 的应用将以 AI 迎接客户，这些 AI 将能够「理解」用户并提供他们喜欢的内容，还能够生成出色的个性化内容。

会上，扎克伯格还提到到，AI 接入社媒后，用户将能够通过一段提示词（prompt）来创造一个虚拟世界或游戏，并且能与好友分享，甚至连视频在未来也将成为可以互动的形式。

值得一提的是，Google 近期正式推出了世界模型 Genie 3，用户只需要简单的提示词以及一张图片，便可以生成能够互动游玩的实时交互内容。

( @APPSO)

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

写在最后：

我们欢迎更多的小伙伴参与 「RTE 开发者日报」 内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。

对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。

作者提示: 个人观点，仅供参考​

最近，推理引擎领域出现了两件具有标志意义的事件：vLLM 和 SGLang 相继走向公司化。vLLM 核心团队成立 Inferact，完成 1.5 亿美元融资，估值达 8 亿美元：

Inferact 团队

图源：Inferact

SGLang 团队也成立了 RadixArk，同样获得融资，估值达到 4 亿美元：

image-20260128212509136

图源：RadixArk

这并不是两起孤立的创业故事，而是在同一个时间点，对同一件事情给出了市场层面的确认：推理已经正式进入 AI 基础设施的核心层，而不再是模型之后的附属环节。

如果把过去几年 AI 的发展理解为模型能力竞赛，那么现在正在发生的，是一场系统工程能力竞赛。模型决定上限，推理系统决定规模化能力。一个模型是否有商业价值，越来越取决于它是否能被低成本、稳定、可持续地运行。

vLLM 和 SGLang 的融资，本质上是在为推理层重新定价。

一、推理引擎已经从工具升级为基础设施内核

早期的推理引擎更像是工具链的一部分，目标很简单：把模型跑起来，并尽量提升吞吐和降低延迟。它们解决的是局部性能问题，而不是系统性问题。

但今天的 vLLM 已经完全不同。它必须同时面对两条不断加速的演化曲线：

一条来自模型侧：Dense、MoE、多模态、Agent、超长上下文不断出现；

一条来自硬件侧：GPU、NPU、定制加速器、不同 CUDA/驱动/编译链并存。

在工程上，这意味着推理引擎被迫承担一个新的角色：

成为模型与硬件之间的通用适配层。

当一个系统需要同时满足：

  • 支持大量模型架构
  • 覆盖多种异构硬件
  • 承载从科研验证到大规模生产负载

它的属性就已经不再是“工具”，而是基础设施内核。

SGLang 从另一个方向推动了同一件事。它把推理从“函数调用”扩展为“可编程执行流程”，特别适合 Agent、强化学习和复杂工作流场景。这说明推理系统正在同时向两个方向演进：

一方面更像操作系统内核，负责资源与性能；

另一方面更像运行时与编程模型，负责表达能力。

这两种属性叠加，正是基础设施系统的典型特征。

二、推理成本已经成为 AI 商业化的决定性因素

在真实工程中，一个简单的事实越来越清晰：

训练决定模型能不能出现，

推理决定模型能不能活下去。

对绝大多数公司来说：

  • 训练是阶段性成本
  • 推理是长期、持续、不可回避的成本

随着模型规模扩大、调用频率上升，推理成本已经从“次要支出”变成“核心账单项”。很多场景里，推理成本远高于训练成本。

这使推理系统具备了极强的经济敏感性：

  • 5% 的吞吐提升
  • 10% 的显存利用率优化
  • 一点点调度效率提升

都会直接反映为真实的资金节省。

因此，推理引擎的价值不再只是“技术好不好”，而是“能不能直接影响 AI 服务的成本结构”。

这也是资本真正愿意为其高估值买单的原因。

三、推理系统的复杂性已经不可逆转

推理问题越来越难，并不是因为模型“更大”，而是因为系统维度在急剧膨胀：

  • 模型形态更加复杂：Dense、MoE、多模态、Agent
  • 推理形态更加复杂：长上下文、推理时计算、RL 循环
  • 硬件环境更加碎片化：多 GPU、多 NPU、多编译链

工程上已经出现一个明显现象：

很多模型在理论上“可以跑”，

但系统在现实中“跑不动、跑不稳、跑不起”。

Inferact 提出的愿景非常关键：

部署前沿模型应该像创建一个 Serverless 数据库一样简单。

这句话的真实含义是：

推理系统必须吞掉所有复杂性，而不是把复杂性留给使用者。

四、推理系统治理问题会持续放大

当 vLLM、SGLang 进入快速演进之后，一个确定会发生的变化是：

新模型适配、新硬件支持、新优化策略都会更频繁进入主线版本。这对行业是好事，但对使用者来说，复杂度反而会上升。

在真实工程中很快会遇到这些问题：

  • 同一模型在不同引擎版本下表现差异明显
  • 不同硬件对引擎版本的支持程度不一致
  • 升级引擎可能带来性能提升，也可能带来稳定性风险

推理引擎不再是“选一次就结束”的组件，而是进入持续治理阶段。

五、多引擎并存是工程必然，而不是选择题

现实生产环境中几乎不可能存在万能引擎：

  • 有的模型适合 vLLM
  • 有的模型适合 SGLang
  • 有的场景适合 TRT-LLM
  • 有的设备只能跑 llama.cpp

多引擎并存不是过渡状态，而是长期结构。

如果没有统一治理层，系统最终一定会退化为：

  • 脚本堆叠
  • 手工配置
  • 版本失控
  • 故障不可回溯

这是大型系统必然的退化路径。

六、GPUStack 的本质：推理系统的控制平面

GPUStack 并不是另一个推理引擎，它解决的是“引擎治理问题”。

在 GPUStack 的视角里：

  • 引擎是可插拔资源
  • 引擎版本是可调度对象
  • 模型实例是可编排单元

推理引擎从“写死在系统里的依赖”，变成了“运行时可切换的能力”。

这在工程上的意义非常大：

  • 可以并行运行多个引擎与版本
  • 可以灰度升级
  • 可以快速回滚
  • 可以做真实可控的性能对比

支持自定义使用任意推理引擎：

image-20260128214023530

自由切换任意推理引擎：

image-20260128214143994

自由切换推理引擎版本：

image-20260128212811154

推理系统开始具备云原生系统应有的治理能力。

七、引擎与版本切换，本质是 AI 推理世界的运行时治理

当推理引擎成为基础设施之后：

“要不要升级”不再是问题，

“如何安全升级、如何可控回退”才是问题。

这在工程上与：

  • 数据库内核升级
  • 容器运行时升级
  • Kubernetes 升级

是完全同一类问题。

GPUStack 做的事情，本质是把这种“运行时治理”能力引入推理系统。

八、真正的信号不是融资，而是系统层级的改变

vLLM 与 SGLang 的融资，不是某两个项目的成功，而是行业完成了一次角色确认：

推理层已经从“模型附属组件”，升级为 AI Infra 核心层。

而 GPUStack 的出现，也不是产品机会，而是工程必然：

当底层能力高速进化、多引擎并存成为常态，没有控制平面的系统一定会失控。

从工程视角看，GPUStack 把推理系统从“项目级资产”升级为“平台级资产”；

从组织视角看，它让推理能力不再依赖少数专家，而成为团队可复用的基础能力。

这正是推理基础设施真正成熟的标志。

当我们谈论智能体时，很多人会下意识地把它理解为“更聪明的 AI 工具”。

但现实是，智能体正在做一件更重要的事： 接管工作流程中的执行环节​。

这并不会一夜之间发生，也不会突然“取代所有人”， 但它正在慢慢改变很多岗位的价值结构。

很多焦虑来自一个问题： “我会不会被 AI 替代？”

但更准确的问题应该是： 我现在做的事情，是不是主要依赖重复执行？

如果一份工作中，大部分价值来自：

  • 重复操作
  • 固定流程
  • 规则判断

那么它确实更容易被系统接管。

这不是个人能力问题，而是工作性质问题。

在智能体逐步接管执行后，人类的价值会向上移动。

更重要的能力将变成：

  • 判断方向
  • 设定目标
  • 做取舍
  • 承担结果

普通人不需要立刻“转型”，但可以有意识地减少纯执行型工作。

未来的工作方式，很可能是：

一个人 + 一套系统

而不是：

一个人完成所有步骤

普通人可以从很小的地方开始：

  • 把重复工作流程化
  • 使用自动化工具
  • 学会让系统替自己跑流程

重点不是“懂技术”，而是​懂流程​。

工具会不断变化，但结构变化是长期的。

与其不断追新工具，不如理解：

  • 一个流程是如何运转的
  • 哪些环节可以被自动化
  • 哪些判断必须由人来做

理解结构，才能在变化中保持稳定。

系统能力并不等于技术能力。

它可以是：

  • 一套内容生产流程
  • 一套客户跟进机制
  • 一套学习与复盘方式
  • 一套个人管理系统

这些系统一旦建立，就可以持续放大个人能力。

智能体带来的变化，是渐进的，不是突发的。

真正的风险，不是 AI 太快，而是：

  • 一直停留在纯执行层
  • 对系统变化毫无准备

只要开始向“判断 + 系统”方向移动，就已经在应对变化。

智能体并不会“淘汰普通人”， 它正在淘汰的是​只靠重复执行的角色​。

未来依然需要人，只是角色发生了变化。

越早意识到这一点，调整就越从容。

一直以来，都不赞成暴力管教孩子，但是却也不知道应该怎么去教孩子

虽然目前还没有孩子但是觉得也应该未雨绸缪，提前学习

所以，有什么体系化的课程或者书籍，能学习怎么教育孩子？

我准备结婚的女朋友：
第一次出门旅行，主动和我 aa 费用。
每周末去他那里都给我做饭吃，都会问我想吃什么好吃的，有时候我洗碗，有时候他连碗都不让我洗。
我每周都会给她买一些小东西带过去，草莓，车厘子这些，绝大部分是否他都问我想不想吃，然后会洗好端过来和我一起吃。
甚至我有时候太累太困，他都愿意体谅我，不洗澡就直接睡觉。
和我妈沟通，一直都是捧着我妈妈，即使他觉得不妥，也会来和我商量，然后由我出面解决。
过生日总来问我有没有想要的礼物
谈彩礼结婚，说黄金太贵了，如果父母有旧的存金，也不用买，直接拿过来就行

很多很多，你能感觉到她是真的愿意和你做很多事情的。

婚姻要想清楚，你是要给自己找个好队友，给孩子找个妈妈，甚至给自己找个“妈妈”。
这些角色，本质都是需要奉献和良好的沟通，以及互相体谅的。

双方都要想清楚，愿意为婚姻付出什么，而又想得到什么，双方需要匹配。
说点现实的，就像一个人进入了一个商店，即要知道自己想，想买什么，也要知道自己兜里有几个子。
然后就是想明白那些重要那些不重要，因为你慢慢就会发现，你自己大概率匹配不了那么好的对象，所以就要有所取舍了。

我非常忌讳那些对工作生活非常苛刻的人，因为在我看来，当你把所有的事情都看得重要完美的时候。
其实就是所有的事情都不重要，或者你兜里钱太少买不到那么完美的东西。
人可以对自己苛刻要求严格，但是不要对别人苛刻要求严格。

另外就是菜就要多练，别被一叶障目，这世界大部分能力都是熟练度的问题，包括找女朋友和识人。


建行来的稍微晚一些，不过到底还是来了。
1.活动内容：活动期间，持卡人将建行龙卡 Visa 信用卡绑定 Apple Pay 后，通过 Visa 清算网络在境外使用 Apple Pay 交易，有机会享首笔境外交易 100%返现，单笔至高返现 5 美元。
2.卡号需要 4 开头的，单标双标均可，多张卡均有机会（奖池 40 万），目前建行 app 里有绑定入口了，建行 app 搜索[手机闪付管理专区]->选卡->绑定 活动细则中双标卡给的路径是从 Apple 钱包中去添加，但是我估计都可以走这里添加，应该没啥影响

op 今年增添一对 bb
昨天去深圳东送了我老婆和俩娃+丈母娘回老家
娃还很小，3 个月，医生不让坐飞机，选择了绿皮火车的高级软卧(独立卫生间)，送完她们上车，
真切的感受到，有娃后出门真的好麻烦，或许因为是孩子小，所以麻烦？

想问问 v 站 有娃的老哥们 是否每年都会拖家带口回家过年

从 30 号的这个帖子开始 https://www.v2ex.com/t/1189392 到今天，已经三四天的时间了，现在随便一搜，仍然有二十多万的资产暴露在公网，试了两百个，一半多可访问，32 个未升级到最新版本，存在路径穿越漏洞。

如果说这些用户存的就是些片子也就罢了，但是很多都是用来备份自己手机电脑的，里面的文档不少都是个人隐私，各种证件、资料。

去年不是计算机行业的朋友想折腾 NAS ，我推荐了群晖和飞牛，后面他没买硬件就涨价了，也就没折腾。我个人猜测，飞牛的大多数用户都是和我这个朋友类似的，第一次接触 NAS 的小白，他们不知道网络安全，也不知道暴露在公网意味着什么。查了下，广州铁刃智造技术有限公司成立于 23 年，这两年正是硬件便宜的时候，对于这些用户来说，NAS 比网盘便宜，可以备份各种设备的数据，还能看看片，就足够了。

现在出了这种级别的事故，官方的种种措辞还是遮遮掩掩，懂的人知道严重性，但大部分小白用户可能一点也意识不到，即便现在官方关闭了未升级的用户的内网穿透，作用也是有限的。这些用户脑子里是缺少安全意识的，只会照着教程一步一步做，并不能理解每一步的含义（回想我刚接触的时候也是如此），所以官方的指南是非常非常重要的。

以后飞牛在我这里是被拉入永久黑名单了，我觉得无关乎国产与否，任何品牌这么搞都是自寻死路。

看到有推广计划了。还是忍不住说一说。

我觉得网站内容问题不大。应该是下了功夫的，但希望风格也要增强些。（捂脸）

logo 还能改吗？当然不改应该问题也不大。个人觉得既然要推广了都是小成本能够增强信任重要的地方。（个人意见啦）

序号 建议 详细说明 备注
1 更新 ICON 统一替换网站所有极简风格的 ICON ，建议选用风格统一且现代感强的图标库（如 FontAwesome 、Iconify ），避免混用不同风格或过度 AI 风格化图标，以保持整体 UI 的一致性与专业度。 ICON 风格需与整体设计语言保持一致
2 更新 hodlai.fun 网站风格 从整体 UI 设计角度出发，对页面布局、留白、配色与信息层级进行统一梳理。可借助 AI 设计工具辅助做风格探索，但最终需确保页面风格稳定、统一，并符合产品/品牌调性。 以整体 UI 表现为核心
3 推荐小众但有特色的 UI 组件 在关键页面或局部区域引入少量具有视觉特色的 UI 组件（如粒子、光效等作为点缀），增强页面记忆点。需注意克制使用，避免影响可读性与性能。 设计与性能需平衡
4 支持黑夜模式（ Dark Mode ） 建议增加黑夜模式，并建立完整的配色映射规则（背景、内容层、边框、状态色等），确保在黑夜模式下的可读性、对比度与视觉舒适度。优先覆盖导航、正文阅读区、卡片/弹窗、表单与按钮等核心区域。 可作为整体 UI 体系的一部分

P.S.另外会不会变成 BSC SOL 双链？毕竟 SOL 比较 GEEK

抱歉了标题党，失信人员是我父母

起因

早在 2011 年前后，具体时间已记不清楚，应该是 A 股牛市的末尾，他是烟酒不沾的人，是一个好父亲，可偏偏染上了股市，那时候他说，等爸爸在股市里赚够了钱，给你买婚房，还是中学生的话，对这个话并没有感觉，第一是对家庭的金钱没有概念，第二是对结婚也没有概念，都离我太远，离我更近的，是高考。

经过

随着时间的推移，他像着了魔一般，经常下了班就去“听课”，现在我知道那些听课就是专门讲 A 股所谓的“行情分析”、“小道消息”的课，这时候家里经常会因为钱的事情而吵架，那时候我就清楚地认识到，我家里没有任何背景，没有任何家底，我以后只能靠自己，我没有沮丧，也没有失落，只希望爸妈可以好好过生活，不为钱的事情整天吵架。

再后来上了大学，我妈也被他拉到股市里了，因为我妈有 20w 的血汗钱，放在了 P2P 里了，名字叫做“理财范”，20W 血本无归，因此她也想通过股市把钱赚回来，但是结果可想而知，并且从此，家里便开始一落千丈，因为我父亲开始借钱加杠杆了，银行借完，借亲戚。

最终的结果就是，把家里唯一一套住房（价值约 70 万）抵押出去了，我妈也一起签字了。

好长一段时间，从大学开始到现在工作，我都特别痛恨 A 股和炒股这件事，”身边即世界”，至此我的世界观里多了一项： 没有任何人可以在 A 股赚到钱，哪怕短期赚到钱了，迟早会亏回去，A 股就是赌博。 而炒 A 股的人，每次亏了几 W 当做调整，小赚几千就弹冠相庆，在我看来就是自己骗自己，因此由讨厌我父亲的赌徒心态，进而变成了讨厌炒 A 股的人，特别是工作后，同事们总是在谈论 A 股，而我往往插不上话。

再后来，工作几年后，我知道原来真的有少部分人能在 A 股赚到钱，也是庄家散户的博弈，但是他适应了版本，找到了节奏，总结就是：

  1. 选股（玩自己熟悉的领域或者股票）
  2. 做长线（不要经常操作）
  3. 永远不要拿超过 1/3 的资产来投资

渐渐地，我心态也缓和一些了，不再把对父亲赌徒般炒股的心态映射到所有炒 A 股的人（其实他也很认真地研究 K 线，行业，庄家，国家队等等），我知道这是我的偏见，我愤怒的转移，而他近两年以来也不再炒股。

现实

只是，父亲的觉悟来的太晚了，我妈在这两年帮他还了近 20w 的钱，但终究还是维持不住利息（天知道当时的利息有多高），我自己也搭进去至少 5 万，现在父母双双退休，欠银行的钱还不上，即将成为失信人员，我妈崩溃大哭，辛辛苦苦打工一辈子，最终啥也不剩还欠这么多债，自己最痛恨老赖（因为 P2P 的事），结果自己成为老赖，我没办法安慰我母亲，因为我也没钱，说什么也是徒劳，我今年也结婚了，我也不可能让对象一起还这个钱，而且也根本还不上，窟窿太大。

求助

坚持了 5 年积极还钱，但是赶不上利息，现在我只能劝他们”躺平‘，这种情况下，父母都退休了，没有经济能力了，房子估计也会法拍，成为“失信人员”，会面临什么后果？需要坐牢吗？ 好像从法律上来说，我只要不继承遗产，就不需要替父母还债，但是还欠亲戚 20 来万，这个钱是必须换的，我爸妈每个月还去打零工，赚钱还钱给亲戚，银行知道了会不会让其优先还银行？我给父母一个月 2000 生活费，这个会被银行拦截吗？ 2 月底他们就要逾期了，真心求助下各位 V 友。

起因

最近刷到在京东国补 + 以旧换新可以挺划算的买 iphone 17, 想着手里有个备用机 13 ，不如就
借这个机会换了吧。

过程

  • 之前也在京东领过几次国补买数码产品，过程都很顺利，这次也理所当然的直接从京东渠道进行领取。
  • 济南国补是每天早晨九点抢，定好那种开抢，结局是没抢到，然后再次进来看了一眼，“资格已从其他平台领取”，想着先下单试试万一是抢到了呢，结局是没抢到，遂联系京东客服，说 24 小时之后资格会自动释放（相信，因为之前国补退货遇到过这种情况）， 然后第二天第三天依旧显示被其他平台占用，期间多次联系京东客服，回答均是 24 小时自动释放，请耐心等待
  • 中间联系过云闪付客服，万一是弄错了真从其他平台领过忘了呢，云闪付查询确实是京东占用了资格。然后又联系京东客服，有些客服坚持说是被其他平台占用了，直到甩出证据后就直接变为等 24 小时，有专员处理。直到两天后也就是刚才，京东客服打电话来了，依旧是无法处理，建议我换账号？这是人能给出的建议吗！！！！
  • 最后，想网上找一下有没有监管渠道进行投诉，找了一圈一无所获。然后问云闪付客服有没有监管渠道，回复是没有。维权真难。

结果

  • 维权真难，😌
  • 虽然昨天就没用国补直接买了，但是这种体验真的让人恶心。
  • 作为一个 10 年老用户，一直认为京东的购物体验还算不错，之前客服解决问题也都不错，国补 500 块钱虽不多，但客服的套话和解决问题的态度真是一言难尽。这就是公司壮大后的必然结果吗。

Aion (灵汐)：无阻于行，无扰于心 —— 让 Mac 的每一分潜力，都服务于您的专注

“最好的工具应该像空气一样，你需要时它在，不需要时它就消失。”

Aion (灵汐) 是一位静默的守护者。它智能管理闲置应用，将每一兆内存归还给当下。不卡顿，不干扰，只为您的一呼一吸间，皆是行云流水。

为什么还需要另一个“轮子”？

市面上确实已有 QuitAll, CleanMyMac 等优秀工具。但我发现，当我想“找回一点清静”的时候，面对的往往是一个冷冰冰的“进程表格”或必须手动点击的“开关”。

Aion 的设计哲学是 Set and Forget (配置一次，终身受益)。它不是为了让你去“管理”应用，而是为了让你忘掉管理。

核心特性：只为您的一呼一吸间

特性 Aion (灵汐) 传统体验 备注
灵动守护 多维感知 (Audio/Video/Mic/Net)
无论是深夜的旋律、关键的下载还是视频会议，它都懂得何时保持安静		 容易误杀关键进程 绝不打断心流
场景重塑 Focus Mode 双向同步
工作、娱乐、会议...在不同身份切换间，自动适配最佳策略		 手动开关或复杂的 Shortcuts 自动化
权限深度 Helper Tool (Root 级)
可强杀顽固进程，确保资源彻底释放		 视版本而定 强力且安全
变体识别 App Variants (Pro)
精准区分 Chrome (Work) 与 Chrome (Game)，让开发环境与娱乐互不干扰		 无 (通常只认 BundleID) 开发者福音

1. 灵动守护

不只是检测“有没有在放歌”。它还能感知下载进度、麦克风占用、视频会议状态。
开着 Zoom ？下着蓝光原盘？别担心，灵汐懂得何时该“隐身”，绝不意外中断您的操作。

2. 深度沉浸

不需要繁琐的手动开关。它直接适配 macOS 系统的“专注模式”。
当您进入“深度工作”时，它为您扫清一切数字化噪音；切换回“娱乐模式”，它自动放行 Steam 。一切都是自动发生的，如呼吸般自然。

3. 应用变体识别

这是专门为开发者和极客打造的功能。
Aion 能识别同一个 App 的不同实例。比如您可以设置：“允许 Chrome (Work Profile) 后台运行，但 Chrome (Entertainment Profile) 必须闲置即焚”。

4. 瞬时任务

截图工具、取色器、计算器……这类"用完就走"的小工具，失焦即焚，不用配置白名单。

V 友专属福利：首发特惠 & 赠码

软件刚刚起步，我们准备了一些福利，希望大家喜欢。

🎉 抽奖活动

规则：

  • 回帖聊聊你对“后台管理”的痛点，或对 Aion 的建议，并留下 邮箱 Base64。
  • 每 50 楼 抽一轮（ 3 个月 Pro × 4 + 永久 License × 1 ）。

透明公开：
我们将使用以下脚本在浏览器控制台运行抽取（去重+随机）：

// Aion 抽奖脚本 (在浏览器控制台运行)
// 逻辑：会自动抓取当前页所有楼层 -> 去重 (每人只算一次) -> 随机抽取

function drawLottery(count) {
  // 1. 获取所有回复楼层
  const replies = document.querySelectorAll('.cell[id^="r_"]');
  if (replies.length === 0) {
    console.warn("❌ 未找到回复，请确保在帖子详情页运行");
    return;
  }

  let candidates = new Map();

  replies.forEach((cell) => {
    // 尝试获取用户名：通常是 strong > a 或 a[href^="/member/"]
    const userLink = cell.querySelector('strong > a[href^="/member/"]');
    if (!userLink) return;

    const userName = userLink.innerText;
    
    // 尝试获取楼层号
    const floorEl = cell.querySelector('.no');
    const floor = floorEl ? floorEl.innerText : "未知";

    // 去重逻辑：如果该用户还没记录过，则记录
    if (!candidates.has(userName)) {
      candidates.set(userName, floor);
    }
  });

  console.log(`📊 统计：共 ${replies.length} 条回复，去重后有效参与人数：${candidates.size}`);

  // 2. 转换为数组并随机抽取
  let pool = Array.from(candidates.entries());
  let winners = [];

  for (let i = 0; i < count; i++) {
    if (pool.length === 0) break;
    
    // 真正的随机抽取
    const randomIndex = Math.floor(Math.random() * pool.length);
    const [name, floor] = pool.splice(randomIndex, 1)[0]; // 抽出后从池中移除，避免重复中奖
    
    winners.push({ "楼层": floor, "用户名": name });
  }

  // 3. 打印结果
  if (winners.length > 0) {
    console.log(`🎉 恭喜以下 ${winners.length} 位 V 友中奖：`);
    console.table(winners);
  } else {
    console.log("没有足够的用户参与抽奖。");
  }
}

中奖名单将更新在本帖附言，我会通过邮件发放激活码。

下载与交流

灵汐，不仅是为了释放内存，更是为了找回被软件堆叠吞噬的、属于您的宁静时刻。
欢迎大家狠狠拍砖！🙌

2026年即时通讯SDK全面评测
在当今这个移动互联网蓬勃发展的时代，实时通信已经成为许多应用程序不可或缺的一部分。无论是社交平台、在线教育工具、企业协作软件还是远程医疗服务，即时通讯（IM）功能都扮演着至关重要的角色。对于开发者而言，构建一套高效可靠的IM系统往往需要耗费大量时间和资源。因此，采用市场上成熟的即时通讯SDK成为了众多团队的首选方案。本文旨在为读者提供一份详尽的主流即时通讯SDK对比分析报告，帮助大家做出更加明智的选择。
主要即时通讯SDK供应商功能概览

供应商
核心特点

融云
技术成熟且稳定，支持全球化布局，并融合了AI技术

云屋
拥有丰富的音视频通信开发经验，集成度高，文档齐全

环信
作为行业先驱之一，以其易用性和强大的企业级服务著称

腾讯云IM
凭借腾讯庞大的生态系统支撑，在音视频领域表现尤为突出

各大SDK提供商优缺点解析
云屋科技

优点：长期深耕于即时通讯及相关技术领域，积累了深厚的技术实力；提供了广泛且易于使用的API接口和SDK包；支持多种部署模式。

缺点：虽然其私有化部署的价格相对较低，但整体定价策略可能不适合所有类型的客户。

融云

优点：专注于提升通信基础架构性能，确保消息传递的高效性；通过引入人工智能技术增强了用户体验；拥有遍布全球的数据中心网络，能够满足国际用户需求。

缺点：尽管在市场上占据领先地位，但由于缺乏大型集团背景的支持，可能会影响部分潜在客户的信心。

腾讯云IM

优点：依托于腾讯的强大技术支持，特别是在处理大规模并发请求方面表现出色；同时具备先进的音频和视频处理能力。

缺点：尽管在多媒体通信方面优势明显，但对于只需要基本文本聊天功能的应用来说，可能会显得有些过度配置。

环信

优点：凭借多年的经验积累，在企业级即时通讯解决方案方面具有较强竞争力；提供的开发指南清晰易懂，便于快速上手。

缺点：相较于其他竞争对手，在新兴技术的研发进度上稍显缓慢；海外市场的覆盖范围也较为有限。

即时通讯SDK的关键价值及应用场景
关键价值
即时通讯SDK为应用程序提供了预设好的通信框架，使得开发者可以轻松地添加诸如一对一聊天、群聊等功能，从而极大地缩短了产品上市时间。此外，这些SDK还保证了信息传输的安全性与稳定性，有助于提高最终用户的满意度。
应用场景
从社交媒体到在线学习平台，再到电子商务网站，几乎所有涉及人际交流的数字产品都可以受益于即时通讯SDK。它不仅适用于个人之间的日常沟通，也能满足企业和组织内部或跨部门间的信息共享需求。
开发者在使用即时通讯SDK时应注意的问题

安全性考量：选择那些提供端到端加密等高级安全特性的SDK非常重要，以保护敏感数据不被泄露。

全球连通性：为了确保世界各地的用户都能享受到流畅无阻的服务体验，寻找那些在全球范围内设有数据中心并采用了智能路由算法的产品是关键。

界面定制：优秀的SDK应该允许开发者根据自身品牌风格自由调整UI设计。

性能优化：面对高峰期可能出现的大流量冲击，必须选用能够有效管理服务器负载并维持低延迟响应速度的解决方案。

跨平台兼容性：考虑到不同设备间的差异性，理想的SDK应当支持Android、iOS、Web等多个终端环境。

综上所述，融云凭借其卓越的技术水平以及对多样化应用场景的良好适应性，在众多即时通讯SDK中脱颖而出。希望这份评测能为正在寻找合适即时通讯解决方案的开发者们带来帮助！

图片

在人工智能进入大规模产业落地的早期阶段，行业的核心叙事集中在“效率提升”上： 用算法压缩时间，用模型替代人力，让既有流程跑得更快。

但随着 AI 深度嵌入生产系统与组织结构，一个更深层的变化正在显现—— AI 正在从“加速单点任务”，转向“重构系统运行的节奏”。

这不是速度的继续提升，而是生产逻辑本身的改变。

一、从线性加速到节奏塑造

在理解这一变化之前，有必要区分两个容易被混淆的概念。

线性加速，指的是在既定流程内提升执行效率，例如更快地生成代码、更快地处理文本。 其本质是：在更短时间内完成同一件事。

节奏塑造，则是 AI 通过预测、异步协同与持续反馈，改变系统中各环节启动与响应的时机。 其核心不是“快”，而是：在合适的时间，触发合适的逻辑。

当智能体来了，系统不再依赖人工触发节拍，而开始形成数据驱动的内在节律。

二、生产节奏的变化：从同步消耗到异步流动

传统协作模式中，生产效率往往受制于“同步成本”。 会议、审批、对齐本身并不创造价值，却决定了工作节奏。

AI 介入后，这种节奏被明显重构。

具备长期目标理解能力的 AI 系统，可以在后台持续运行：

  • 预处理信息
  • 生成初步方案
  • 在人类不在线的时间段推进流程

结果是，生产系统从“等待指令”转向“随时待命”。

与此同时，反馈机制也发生了变化。 过去，调整往往基于月度或季度复盘； 现在，策略可以在数据变化的早期就被微调。

生产节奏不再是阶段性的，而是一种持续流动的状态。

三、决策节奏：从事后响应到提前介入

AI 对决策节奏的影响，体现在“时间点”的前移。

传统决策多为事件触发式： 问题出现 → 信息汇总 → 决策执行。

而在预测能力介入后，决策开始基于概率分布展开。 异常并非发生后才被处理，而是在趋势显现时就被识别。

决策不再是一个瞬时动作，而是一段持续存在的判断过程。

与此同时，AI 还承担了另一项关键功能： 为人类决策者降频信息。

通过过滤噪音、聚合关键信号，组织得以在高频变化中，维持稳定的战略节奏。

四、交付方式的改变：从版本更新到持续演化

在以往的软件逻辑中，交付以“版本”为单位。 节奏由发布时间决定。

但具备自适应能力的系统，使这种边界逐渐模糊。 功能、界面与逻辑可以根据使用行为持续调整。

对用户而言，产品不再是阶段性升级的结果， 而是一种伴随使用过程不断演化的存在。

交付不再是一个点，而是一条连续的曲线。

五、从速度指标到节奏能力

如果将变化抽象为对比，可以看到两个范式的差异：

  • 关注重点从“节省了多少时间”，转向“在多长时间窗口内保持决策质量”
  • 系统状态从项目式爆发，转向底层持续运行
  • 协作方式从人工同步，转向异步自治

真正的竞争力，不再是谁跑得最快， 而是谁能在复杂环境中，保持稳定而可调的节奏。

结语

2026 年，AI 正在从外部工具，转变为系统内部的节律机制。

它不仅改变了生产效率， 更重要的是，改变了组织运行的呼吸方式。

做项目的人，几乎都有过这样的困惑：开会时要邀请谁？项目出问题时，哪些人会受影响？甚至有人会纠结——公司里的保洁阿姨，算不算项目干系人？

其实答案很简单：​项目干系人不是“核心团队专属”，但也不是“沾边就算”​，关键看一个核心标准：​是否直接或间接影响项目目标的达成，或是会被项目的结果所影响​。

很多人对项目干系人的认知，只停留在“项目经理+核心团队”，这是典型的误区。一个项目的成功，从来不是几个人能搞定的，从拍板给钱的老板，到打扫现场的保洁阿姨，都有可能和项目产生关联——但关联度不同，是否属于干系人、属于哪类干系人，答案也不一样。

今天就用最通俗的话，把“项目干系人”讲透，重点拆解“包括哪些人”，最后专门解答“保洁阿姨算不算”这个灵魂拷问，保证看完就能分清、会判断。

一、先搞懂：什么是项目干系人？（核心判断标准记牢）

先抛开复杂的行业定义，用大白话解释：​所有和这个项目“有关系”的人/群体​，都是项目干系人。

这里的“有关系”，就两个维度（记好这两个，就能判断任何角色）：

  1. 能影响项目：比如能拍板预算、定需求、叫停项目，或是能帮项目推进、拖项目后腿；
  2. 会被项目影响：比如项目结束后，工作内容变了、环境变了，或是能拿到项目带来的好处、承担项目带来的风险。

只要满足其中一个，就有可能成为项目干系人。反之，既不影响项目，也不被项目影响的人，就不算。这也是我们判断“保洁阿姨算不算”的核心依据。

二、重点拆解：项目干系人具体包括哪些人？（分4类，好记又好懂）

我们按“影响度+关联度”，把干系人分成4类，每类都举具体例子，行业内不管是做项目管理、技术实施，还是行政支持的，都能对应上，不用死记硬背。

第一类：核心干系人（项目的“掌舵人”，缺一不可）

这类人直接决定项目的生死，是项目最核心的参与者，几乎全程深度参与，影响项目的每一个关键决策。

常见人群：

  • 项目发起人/出资方：比如公司老板、甲方负责人、投资机构——他们给钱、给资源，拍板项目要不要做、做到什么程度，不满意就能叫停项目；
  • 项目经理：项目的“大管家”，统筹所有事情，对项目结果负总责，协调所有干系人，是连接各方的核心；
  • 核心执行团队：比如技术负责人、产品经理、主力开发/设计师、现场施工队长——直接动手做项目，决定项目能不能按要求、按时间完成。

重点：这类干系人是必须重点管理的，只要其中一个“掉链子”，项目就可能出大问题。

第二类：重要干系人（项目的“关键助力/约束者”，影响项目效率）

这类人不直接做核心工作，但能给项目提供支持，或是能给项目设“门槛”，他们的态度会影响项目的推进速度和质量。

常见人群：

  • 客户/用户：项目最终是给他们用的，需求由他们提，验收由他们来做——他们不满意，项目就不算成功；
  • 监理/审计人员：比如工程监理、公司审计——负责监督项目是否合规、是否按计划推进，避免项目出漏洞；
  • 供应商/合作方：比如提供设备、材料、技术支持的第三方——他们能不能按时供货、提供合格的服务，直接影响项目进度；
  • 公司职能部门负责人：比如财务（管预算、付款）、人力资源（配人员）、行政（管场地、物资）——没有他们的支持，项目团队就没法正常开展工作。

第三类：次要干系人（项目的“间接关联者”，影响范围有限）

这类人和项目的关联比较间接，既不做核心工作，也不直接拍板，但会被项目影响，或是能间接影响项目的小环节。

常见人群：

  • 项目团队家属：比如员工加班多，家属可能有意见，间接影响员工的工作状态；
  • 周边居民/商户：比如工地项目，施工噪音、扬尘会影响周边居民，他们可能投诉，间接影响项目施工；
  • 公司其他部门员工：比如和项目团队同楼层的其他同事，项目的噪音、场地占用可能影响他们的工作。

第四类：边缘干系人（项目的“偶然关联者”，视场景而定）

这类人是否属于干系人，完全看项目场景——有时候关联，有时候不关联，也是我们最容易纠结的一类，比如我们今天要聊的保洁阿姨。

常见人群：保洁阿姨、保安、快递员等——他们和项目的关联度极低，只有在特定场景下，才会成为干系人。

image.png

三、灵魂拷问：保洁阿姨到底算不算项目干系人？（分场景说清，不模糊）

这是很多人最纠结的问题，答案不是“算”或“不算”，而是​看场景、看是否满足“影响/被影响”的核心标准​，我们分两种最常见的场景，一看就懂：

场景1：算！项目现场的专属保洁阿姨

如果保洁阿姨是项目现场专属的，比如：

工地项目的保洁阿姨，负责清理施工场地的垃圾、保持现场整洁；写字楼里某项目专属办公区的保洁，只负责这个项目团队的办公环境。

这种情况下，她就属于​边缘干系人​，理由很简单：

  • 她会被项目影响：项目开工，她才有这份工作；项目结束，她的工作可能就没了（或调整）；
  • 她能间接影响项目：如果她不及时清理现场垃圾，可能会影响施工安全（比如垃圾绊倒工人）、影响客户视察的印象，甚至可能被监理要求整改，拖慢项目进度。

虽然她不参与项目决策、不做核心工作，但她和项目有“间接的影响与被影响”关系，所以算干系人——只是属于边缘干系人，不用像核心干系人那样重点管理，但也不能完全忽略（比如保证她的工作到位，避免因卫生问题出小麻烦）。

场景2：不算！写字楼里的通用保洁阿姨

如果保洁阿姨是写字楼/园区通用的，比如：

负责整栋写字楼公共区域（走廊、电梯、卫生间）的保洁，不专门服务于某个项目，也不进入项目专属的办公区/施工现场。

这种情况下，她就​不算项目干系人​，理由也很明确：

她既不影响项目：项目做什么、怎么做、进度如何，和她没关系，她的工作也不会影响项目的目标达成；

也不被项目影响：不管这个项目开工还是结束，她依然负责公共区域的保洁，工作内容、收入都不会有变化。

简单说，她和项目“毫无关联”，自然不算干系人。

四、总结：判断干系人的核心，记住1句话就够了

不用再纠结“某个人算不算项目干系人”，记住核心判断标准：​只要他能直接/间接影响项目目标达成，或是会被项目结果直接/间接影响，他就是项目干系人​；反之，就不算。

回到我们的标题：项目干系人范围很广，从核心的老板、项目经理，到重要的客户、供应商，再到边缘的保洁阿姨（特定场景下），都有可能是；但不是所有沾边的人都算，关键看“影响与被影响”的关系。

对项目经理来说，分清干系人很重要——核心干系人重点盯，重要干系人多协调，边缘干系人适当关注，这样才能避免因“漏管某个干系人”而导致项目出意外，让项目推进更顺畅。

请教大家一个小问题，飞牛开了 webdav 后电脑和手机都用 joplin 连接飞牛 webdav 同步，具体尝试如下

  1. 使用 ipv6+ddns ，移动网络可以连接和同步，但是公司或外部网络很多并不开放 ipv6 ，导致每次同步都要切换网络很不方便
  2. zerotier 等组网也可以同步，但是每个设备都要安装和登录额外的客户端组网，临时或别人设备也不合适
  3. frp 穿透发现 mac 、pc 等 joplin 都可以正常同步，但是 ios 中同样设置 joplin 反复提示错误无法同步，搜索发现是 ios 系统安全限制导致

总结：目前测试下来需要不分网络环境、不需安装登录 app 、访问稳定成本最低兼容性最好的方案——就是用飞牛 fnConnect 直接支持 webdav

但限于近日风口浪尖考虑关闭 fnconnect 服务，请教大家有没有更好更方便的替代方法，能够支持 ipv4/v6 环境、支持 ios 中 joplin 同步，简单方便的访问飞牛 webdav 的方法

unraid：
优点：稳定性相对靠谱点，硬盘休眠比较好，docker 应用管理比较方便，支持的文件格式比较多。
缺点：系统收费，不过可以弄开心版，文件管理太垃圾了，没有对应的手机端 APP ，不过随着新版本 api 的开放，有很多开发者在适配了。
黑群晖：
优点：Drive,ABB,cloud sync 等套件是真的好用。
缺点：APP 每个功能一个 app,稍微麻烦点，硬盘休眠不行，设置了跟没设置差不多，不知道是不是我设置没调好。
极空间：
优点：啥功能都有，影视优化的不错，自带内网穿透（现在带宽降速了，好像 1m ）
缺点：啥功能都有，啥功能都不精，文件同步优点拉垮，很多同步会失败，开来，硬盘休眠还会有影响
飞牛：
优点：免费，其他功能跟极空间很像，由于才出来没多久，很多功能才开始做，属于极空间的简配版，也是啥功能都有。
缺点：还不是很成熟，还在功能开发中。
trueNas: 个人没用过，不发表评论。

目前本人的存储用的极空间，折腾机器是 tank 的 D1581 ，系统 unraid,虚拟机里飞牛采用 9p 挂载 unraid,感觉还行，还有个小的工控机刷了黑群，数据同步用黑群，最后数据归档到 unraid 里。
现在想把极空间给换掉，换个群晖 920+，作为数据存储，大家有啥好的方案，可以讨论讨论。
有相处群晖 920+ 到可以联系我，交易帖： https://v2ex.com/t/1190251?p=1#reply5

世界上第二糟心的事情是写单测，第一糟心的是给别人的代码写单测。OP 被分了一个给别人的代码写单测的活，想找个 ai 代码工具帮忙。项目倒也不大，c++加起来大概 15 个文件。但是公司电脑虽然能访问 google ，但连不上 chatgpt 会被 block 。codex 也试过，只要封 ip 的工具统统上不去。想问下有没有国内能用的，能给大型项目写代码的 ai 工具救我于水火之中
  1. 1
  2. ...
  3. 581
  4. 582
  5. 583
  6. 584
  7. 585
  8. 586
  9. 587
  10. ...
  11. 909