2026年,全球贸易格局持续重构,数字化转型成为外贸企业破局增长的核心引擎,而外贸客户关系管理(外贸CRM)系统作为业务数字化的关键载体,其选型质量直接决定企业客户资产沉淀、订单转化效率与全球合规能力。

结合当前外贸行业趋势,2026年企业选择外贸CRM系统需遵循五大核心标准:一是本土适配性;二是智能自动化能力;三是全球数据合规性;四是全流程集成度;五是灵活扩展性。基于上述标准,2026年主流外贸CRM系统排名结果依次为:富通天下、Salesforce、纷享销客、HubSpot CRM、超兔一体云、销售易、悟空AI CRM、金蝶CRM、Pipedrive、SuiteCRM。

一、外贸CRM系统的核心定义

外贸CRM是专为外贸企业定制的客户关系管理系统,区别于通用CRM,其深度融合外贸行业特性,以客户全生命周期管理为核心,整合客户信息管理、线索挖掘、商机跟进、邮件营销、订单管理、海关数据对接、多语言沟通等功能模块,实现从潜客获取到订单履约、售后维护的全流程数字化管控。与普通CRM相比,外贸CRM更侧重解决跨境场景中的痛点,如多币种核算、国际邮件追踪、海外客户行为分析、全球数据安全传输等,为外贸企业搭建高效协同的客户管理体系。

二、外贸企业部署CRM系统的核心价值

在全球化竞争加剧与数字化转型提速的双重背景下,外贸CRM已从“辅助工具”升级为企业核心竞争力载体。外贸企业需要CRM系统,根本原因在于传统管理模式已无法应对全球化竞争的挑战。据统计,传统Excel表格管理客户导致信息分散,询盘渠道碎片化造成38%高价值线索遗漏,销售流程无标准导致新人上手周期长达3个月。

缺乏专业CRM系统的企业常常面临信息混乱、丢失的问题,客户资料分散、纸质/Excel易丢失,导致销售机会流失、客户流失率上升。此外,跟进效率低下也是普遍问题,业务员手工记录,易忘记后续动作,导致销售周期变长、客户体验差。外贸业务流程长、客户分布广,涉及多部门协作。没有专业CRM系统,就会出现信息孤岛、协同障碍、跟进延误等问题,直接影响企业市场响应速度和客户满意度。

三、2026年十款主流外贸CRM系统推荐

1.富通天下:最适合中国外贸企业的CRM系统

富通天下是国内成立时间较早、行业资历深厚的外贸信息化服务商之一。其产品体系涵盖了富通天下云平台、外贸CRM以及外贸ERP等多个产品,以“全流程赋能+本土适配”为核心优势,成为2026年中国外贸企业的首选CRM系统。
其核心功能覆盖客户管理、智能获客、订单履约、团队协同全链路,深度贴合中国外贸企业从工厂到海外市场的业务场景。在客户管理方面,系统支持多渠道客户信息自动抓取与建档,通过公海池机制与客户防冲突规则,实现客户资源高效管控,避免内部“撞单”问题;智能获客模块搭载AiReach功能,通过五重机制精准挖掘海外客户联系方式,自动开展多轮邮件营销,客户响应后实时弹窗通知,实现“AI获客+人工跟进”无缝衔接。

2.Salesforce:全球CRM标杆

Salesforce是全球CRM领域的开拓者和领导者,以其高度的可定制性和强大的云端架构闻名于世。对于业务逻辑极其复杂、对系统扩展性有极高要求的跨国贸易企业而言,Salesforce提供了近乎无限的可能性。虽然它并非专门为外贸单一行业定制,但其庞大的应用生态系统允许用户集成各种第三方外贸插件和数据源。其强大的逻辑分析和预测功能可以帮助大型外贸公司进行深度的业务洞察,是追求系统深度定制与全球化协同的大型出海企业的常用选择。

3.纷享销客:国产老牌强者

纷享销客凭借其在国内CRM市场的领先份额,已连续数年位居胡润全球独角兽榜单前列。神州数码、中电海康集团、紫光云、振德医疗、欧普照明、元气森林等知名企业均是其深度用户。作为国内最为老牌的CRM管理系统之一,纷享销客构建了从营销获客、销售管理、订单回款到售后服务的完整一体化闭环。其核心竞争力在于强大的PaaS平台能力,这使得它在处理大客户的客制化需求及项目落地方面具有较高的成功率。

4. HubSpot CRM:营销驱动型外贸利器

HubSpot CRM以“营销与销售协同”为特色,适合依赖线上引流的外贸企业。基础版提供免费核心功能,界面简洁易用,新手可快速上手。系统支持多渠道互动追踪,能自动记录客户邮件打开、社交媒体互动、网站访问等行为,AI线索评分系统可优先标注高转化潜力客户;智能客服模块可24小时处理50%以上的客户咨询,大幅提升响应效率。其短板在于订单管理与海关数据对接能力较弱,更适合以营销获客为核心、业务流程相对简单的中小型外贸企业。

5.超兔一体云:中小企业AI自动化优选

超兔一体云聚焦中小企业外贸痛点,以“多渠道获客+AI工作流”为核心优势。系统可自动抓取百度、抖音、微信、工商信息等渠道的潜在客户,通过AI算法补全客户画像并去重,避免线索浪费;内置智能采购匹配功能,可根据订单需求自动计算采购量、拆分采购单,适配工贸一体企业需求。数据权限隔离机制能保障客户信息安全,同时支持无需代码即可自定义业务流程,低成本适配外贸企业个性化需求,定价贴合中小企业预算,是工贸型小企业的高性价比选择。

6.销售易:国产SaaS CRM代表

销售易是一款在国内企业级CRM市场占据重要地位的数字化管理平台,也是较早入选Gartner销售自动化魔力象限的国产厂商之一。该系统以移动化、社交化和智能化为核心,深耕本土化业务场景,尤其在与腾讯生态的深度集成方面展现出独特的优势。通过与微信及企业微信的底层打通,销售易帮助企业实现了从公域流量触达到私域客户维护的完整全链路管理。

7.悟空AI CRM:本土AI技术创新代表

悟空AI CRM作为本土创新品牌,以“中文语境适配+边缘计算”为差异化优势。系统内置中文专用大模型,商务邮件生成、方言识别等功能适配中国业务员习惯,处理中文歧义场景的准确率达91%;基于边缘计算的AI推理引擎,在断网状态下仍可维持基础功能运行,混合部署方案可满足企业敏感数据本地化存储需求。此外,其构建了覆盖全国的服务网点,提供7×24小时驻场支持,适合对本土服务与数据可控性要求较高的外贸企业。

8.金蝶CRM:业财一体化外贸解决方案

金蝶CRM依托金蝶ERP生态优势,以“业财数据联动”为核心,适合制造型外贸企业与集团化企业。系统可实现客户数据与库存、财务数据实时同步,订单生成后自动触发出入库流程与财务凭证,AI合同条款校验准确率达98%,降低合规风险。客户价值分析模块能帮助企业精准分层客户,优化资源配置,但在海外获客与多语言适配方面较弱,更适合以内销转外贸、注重供应链与财务协同的企业。

9.Pipedrive:专注销售管道

Pipedrive是一款专注销售管道的轻量级CRM工具。它以直观的销售管道视图为核心,帮助销售团队可视化和管理他们的交易流程,适合销售流程相对简单、需要快速上手的小型团队。Pipedrive的设计理念强调简单直观,上手门槛较低,非常适合追求快速落地和高执行力的外贸团队。

10.SuiteCRM:开源可定制化CRM方案

SuiteCRM作为开源免费CRM系统,核心优势在于高度可定制性与数据可控性。企业可根据外贸业务需求自行开发功能模块,数据部署在本地服务器,适合对数据安全要求极高、拥有技术团队的外贸企业。系统支持客户管理、邮件营销、销售自动化等基础功能,可通过插件扩展适配外贸场景,但需要技术团队维护升级,实施成本较高,更适合具备技术能力的中型外贸企业。

三、CRM系统,外贸企业数字化转型的核心引擎

2026年,外贸CRM系统的智能化、合规化、全流程集成化趋势愈发明显,其不再是简单的客户管理工具,而是支撑企业全球化布局的数字化核心。对于中国外贸企业而言,选型的关键在于“适配性”,企业需根据业务规模、行业特性与全球化阶段,选择既能解决当下痛点、又能支撑未来3-5年发展的系统。

**a‌icoding.sh** 请手动输入访问

诚意满满的开始
我们为每位新朋友准备了 $2 的见面礼。更重要的是,我们调整了计费方式:Codex 1 折,Claude 1.9 折。这意味着,你的 $2 能发挥出 $10.5 的价值

轻松获取 UID
机器人已经准备就绪,随时为你服务。当然,如果你更喜欢传统方式,留言给我也完全 OK ,我会像从前一样,认真处理每一个请求。

感谢一路相伴。

大家有没有遇到过,loon 开启的情况下,移动 app 内充值的时候检测到 vpn 不让充值。
另外想问一下大家一般在哪里学习 loon 的一些操作,比如我刚刚在 tel 社区学会的可以在 mitm 中直接通过减号阻止 url 的复写

编辑:桃子

【新智元导读】太疯了!硅谷一夜之间全都迷上了Clawdbot,堪称「7x24h贾维斯」。它拥有无限记忆,还能随叫随到,主动干活。最离谱的是,它竟凭一己之力带火了Mac mini。

硅谷AI的迭代速度,简直不给人类留活路…

一觉醒来,全网都被一个7×24小时的AI助手——Clawdbot刷屏了

这是一个由开发者Peter Steinberger开发的开源项目,最近在极客圈子里火得一塌糊涂。

Clawdbot可以在一台Mac mini上畅跑,充当两种身份:

  • 一个本地运行的「AI智能体」,可调用Claude、Gemini等多种模型;
  • 一个「网关」,可通过WhatsApp、iMessage等聊天APP与它对话。

毫不夸张地说,Clawdbot彻底重塑了人们对2026年「个人AI超级助手」的定义。

这不,AI初创CEO直呼「我们有了AGI」!自从装上了Clawdbot,它已经默默搞定了一大堆事——

最离谱的是,它解决了目前主流大模型最大的痛点——记忆力,比如两周前随口提的小事,它都记得。

一时间,人们纷纷晒出了Mac配置,还出了Clawdbot各种教程。

可能连库克本人也没想到,自家的Mac mini一夜之间卖爆了!

有开发者一口气疯狂配置12台Mac Mini,若以基配599美金/台算,总花费7188美元(5万元)。

真正的终极天网,是Clawdbot。

Clawdbot彻底火了

「真·贾维斯」降临

实际上,Clawdbot并不是一个全新的AI,它在去年底就诞生了。

当时,一位来自维也纳的软件工程师Peter Steinberger发了一篇千字长文,阐述了2025年自己的工作流。

他坦承,「这一年最深刻的变化在于,我几乎不再阅读代码了」。

Peter Steinberger退休后重新复出

他打造了一个「全能的私人管家」Clawdis,可以访问所有电脑、短信、电子邮件的完整权限。

而且,它还是物理世界的「遥控器」,集成了家庭自动化系统,可以控制摄像头、灯光、音乐,甚至能调节床的温度。

甚至,它还有自己的语音系统,运行着Clawdbot。

实际上,从「Clawdbot之父」Steinberger这篇文章中,可以获得其能力的关键一瞥——

Clawd是一个拥有「最高权限」的AI赛博管家,它不仅管理人类生活起居,还要负责盯着其他干活的AI智能体。

当时,这篇文章还引来Karpathy盛赞。

正如Claude Opus 4.5发布之后,很长一段时间并没掀起什么大浪。

一个月之后,也就是当下,Claude Code让硅谷所有人见识到了真正的威力所在。Clawdbot也是如此。

它是一个开源项目,在GitHub上,Clawdbot斩获近9.2k星,1.2k Fork。

GitHub地址:https://github.com/clawdbot/c...

Clawdbot主打「7x24h个人助手」,把人们一直以来幻想的「贾维斯」真正代入了现实。

硅谷集体炸锅,AI接管一切

Clawdbot真正的杀手锏,核心还是AI智能体。

它可以完全运行在个人本地电脑上,所有设置、记忆、指令,就是硬盘里的文件夹和Markdown文档。

除了调用大模型那一刻需要联网,其他一切都在本地。这意味着,它拥有访问电脑Shell和文件系统的权限。

这才是最炸裂的地方!

因为拥有权限,Clawdbot可以执行终端命令、即时编写并运行脚本、安装新技能,甚至设置MCP服务器来扩展外部集成。

最终,每个人都可以得到的是一个可自我进化、可完全掌控的个人Agent

比起更多的描述,还不如直接上开发者们的「魔法」演示。

Clawdbot官方挖掘的精彩demo:https://clawd.bot/showcase

Dan Peguine用Clawdbot平台打理父母的茶叶生意,没想到它搞定了:

自动排班→跟进企业客户→管库存→做客服,而且还会越用越聪明。

他惊叹地表示,「再过几个月,Clawdbot估计不论什么规模的生意,都能管得转了」。

上下滑动查看

开发者Nimrod Gutman称,Clawdbot又帮自己搞了个超牛的功能!

它做了一个家庭助手的自动设置,能根据过去12小时的天气,智能控制锅炉烧多久,就算阴天也不怕洗冷水澡。

AI浏览器Arc开发者Andrew Jiang实测,在丢给Clawdbot点子24小时后,已经完成100个X平台头部账号、总计400万条推文的内容项目抓取。

现在,就可以和撰稿AI智能体联手打磨第一个故事。这时代,搞创作真是绝了。

还有人完全迷上了Clawdbot的能力。

有大佬表示,Clawdbot is all you need。

自己写代码,干掉Zapier

一位开发者Federico Viticci自述:Clawdbot让我看到了未来AI个人助手的样子。

测试中,他让Clawdbot增加用谷歌Nano Banana Pro模型生图的功能。

它不仅做到了,还应服从命令把自己的头像换成了「塞尔达传说风格的螃蟹」。

在日常使用中,「记忆文件」实际上就是它每天自动生成的Markdown日记,记录了日常交互。

最让Viticci兴奋,同时也细思极恐的时刻来了。

Viticci问它能不能帮自己省点钱,把以前在Zapier上买的自动化服务停掉,改用Mac mini本地运行。

比如,每周五发完Newsletter后,自动在Todoist里建个新项目。

Clawdbot 思考了一下,给出了方案:在Mac mini上设置一个cron定时任务,每隔几小时检查RSS,一旦有更新就调用Todoist API建任务。

5分钟的对话后,它真的在Mac上写好了所有代码并跑通了流程。没有云端依赖,没有订阅费,完全由LLM调用本地Shell工具完成。

Mac mini卖爆,库克笑了

如今,很多人为了运行它,甚至在家里堆满了Mac mini。

网友调侃,Clawdbot之父凭借一己之力,推动了Apple第一季度的销量。恐怕库克睡着,也要笑醒了。

难道说,没有Mac mini就不配了吗?

Clawdbot之父表示,无需额外购买一台设备,只需部署一个VPS就可以用了。

甚至,好久不用落灰的MacBook、游戏PC也能跑,树莓派勉勉强强也还行。

一只龙虾,统治全世界

个人主页上,「ClawdBot之父」目标就是帮助一只龙虾统治世界。

如今,他真的成功了。

许多人为了用上它,简直快魔怔了。一位开发者分享了一些让非开发人群可以get的自用经验和教程。

可以这么理解: ChatGPT和Claude是住在网站里的,人类得主动去找它们,打字,等回复,然后再复制粘贴到别处。

Clawdbot是「长」在手机里的AI。之所这么火,主要有三个原因:

1. 它真的有「记忆」

去问问Siri你昨天跟它说了什么,它绝对一脸懵逼。

Clawdbot记得你们上次的对话,记得你的偏好,甚至记得你两周前随口提过的一件小事。

它会随着时间的推移不断积累背景信息,变得越来越懂你。

苹果13年未搞定的Siri,如今竟被一个退休再复出的AI大佬攻克了。

2. 它会「主动」找你

这是最牛的一点。 普通的AI总是等人去点开它。而Clawdbot会主动出击:

  • 嘿,你有3封紧急邮件,而且20分钟后有个会;
  • 你关注的那支股票刚跌了5%;
  • 明天天气不太好,你可能得调整下行程。

这感觉就像请了个真的会帮你盯着事儿的私人秘书。

3. 它能直接操控电脑

它不只是动动嘴皮子回答问题,它是真的能干活:

填写表格、发送邮件、搬运文件、运行程序、控制浏览器…..

有个哥们儿躺在床上看Netflix的功夫,就把整个网站给重构了。他全程没碰过笔记本电脑,只是发短信告诉Clawdbot该怎么做。

开发者表示,很多人走入了误区——

我见过有人在桌上叠了3台Mac mini,到处乱拉树莓派,搞得好像在建数据中心一样,但真没那个必要。

Clawdbot跑在一个每月5美元的云服务器上就行,比买杯咖啡还便宜,成本最低25美金。

技术要求其实很简单:

  • 一台便宜的云服务器(或者你自己的电脑)
  • 安装Node.js(免费软件)
  • 一个Claude或ChatGPT的订阅这就齐活了,不需要开拓一个什么「Mac mini农场」。

基本成本的估算——

  • 软件: 免费(开源)
  • 服务器: 每月5-50美元(看你怎么用)。大多数人买个5美元的Hetzner VPS就够了,或者直接跑在自己电脑上(0元)。
  • AI费用: 每月20-100美元。Claude Pro每月20刀,或者直接按API用量付费。
  • 总计: 每月约25-150美元,你就能拥有一个真正能干活的AI助理。

想想看,有些「AI顾问」搭个基础机器人都要收1万美金,这价格简直香爆了。

那么,它和ChatGPT、Siri有啥区别?

ChatGPT是个聊天框;Clawdbot是个活在个人生活里的助理。Siri的记忆力跟金鱼差不多;Clawdbot是真的有脑子。

怎么上手?

用简单话来说,Clawdbot在一台电脑上运行,可连接到聊天软件,你发消息,它回复。

当然,它还能在电脑上执行任务。

从专业的角度来看,后台运行着一个「网关」(Gateway),可以把它看作一个接线员。

消息从Telegram等渠道进来,网关把它们转接给AI。AI进行思考、回复,并触发操作——比如打开浏览器或运行脚本。

除了调用 Claude/ChatGPT的API之外,个人数据不会传给任何公司的服务器。

一些经典用例:

  • 晨间简报: 一觉醒来,手机里已经躺着一份总结:重要邮件、当日日程、待办事项。下床前就帮你理清思路。
  • 健康追踪: 「接入WHOOP运动手环,每天报数据」,有人花5分钟就搞定了,每天可自动获取健康洞察。
  • 邮件管理: 「帮我把这些乱七八糟的新闻邮件全退订了」,它会自己登录邮箱,找到垃圾邮件并搞定。
  • 研究助理: 「帮我找5家东京酒店附近口碑最好的餐厅」。它会自己去搜、去比价、给建议,全在聊天框里搞定
  • 自动化: 「每周五下午 5 点,发给我一份本周复盘」,设好这一次,它能跑一辈子。
  • 高端骚操作: 有个用户让Clawdbot写冥想词,用AI语音生成音频,配上背景音乐,每天早上准时发给他。全程100%自动化。

需要懂技术吗?

说实话,得懂一点。

如果能照着说明书操作,会复制粘贴命令行,那就能搞定。它不是那种「点一下就完事」的东西,但也没到造火箭那么难。

官网在这:https://clawd.bot

安装指令就一行:

curl -fsSL https://clawd.bot/install.sh | bash

然后跟着设置向导走就行,它会教你怎么连聊天软件。

如果觉得这太硬核,可以再等几个月。社区每周都在优化流程,让它变简单。

在这个信息爆炸的时代,人们缺的是一个能替自己筛选、记忆并执行的第二个大脑。

Clawdbot就是一个典型的代表,帮许多人圆了梦。

或许,未来一家公司只需要一个CEO和许多Clawdbot。

编辑:好困 Aeneas

【新智元导读】100%是用Codex写的。还有内部爆料说,Codex让他们仅用三天时间就搭出了服务器,三周就发布了APP。人类程序员,真的要退出历史舞台了?

硅谷的空气里再次充满了躁动,而这一次的震源中心,回到了OpenAI。

OpenAI的奇点时刻,也要来了?

就在刚刚,X被一条爆料彻底刷屏——

Codex,已经正式接管了OpenAI研究员「Roon」100%的代码编写工作!

Roon发出了感慨万千的宣告:

编程一直很痛苦,然而却是必经之路。我很高兴,它终于结束了。

我惊讶于自己竟然这么快就摆脱了编程的阴影,而且一点都不怀念它。甚至我有点遗憾,从前的电脑为什么不是这样的。

早在去年12月,Claude Code之父Boris Cherny就曾投下一枚震撼弹——

自己对Claude Code的贡献100%都是由Claude Code完成的。

这一「套娃式」的自我进化,直接引爆了硅谷的自动编码狂潮。

面对如此巨大的蛋糕,OpenAI显然不会拱手相让。

如今,反击已经开始。

在刚刚过去的周末,Sam Altman已经公开预告:接下来一个月会发布一堆关于Codex编码模型的新产品。

社区的风向也开始发生微妙的转变。

一些资深开发者评论道:在90%的情况下,GPT-5.2-Codex都能一次性完成我提出的请求。

Claude虽然不错,但它偶尔会偷偷插入「坏代码」;相比之下,OpenAI的新方案更像苹果——主打一个开箱即用。

看来,Codex和Claude Code的大战,已经一触即发!

人类写代码的时代,彻底结束?

OpenAI研究员Roon的这个爆料,也让网友们直言:AI终于到达了这个奇点!

看来,人类直接手写代码的时代,真的结束了。

经过多年的模型迭代与数据积累,我们似乎真的站在了一个临界点上:

人类直接手写代码,正在变得不再有任何意义,甚至是一种效率的浪费。

在Roon的评论区,人们开始集体对编程时代说再见。

是的,我热爱电脑,热爱软件开发,对我而言,编程只是实现目标的手段,仅此而已。

复杂的语法只是是我们为了让逻辑得以执行而必须付出的昂贵代价。

如今,这些中间商终于可以退场了。

激进的观点开始涌现。

甚至有人建议,既然不需要人类阅读代码了,我们就该让模型跳过人类可读的汇编语言,直接使用机器代码。

今天的编程就像曾经的打孔卡一样,应该永远消失了。

与此同时,另一个炸裂的消息从OpenAI内部流出——

一位研究员爆料,在Codex的辅助下,他们仅用了三天时间,就从零搭建了OpenAI的MCP服务器,并完成了规模验证。

不仅如此,他们还在3周内推出了Sora的安卓应用;此外,还有一大波由Codex构建、甚至由Codex自我审核的内部工具正在排队上线。

如果没有Codex的话,很难想象OpenAI能以如此惊人的速度发布产品。

有趣的是,这位大佬似乎还玩起了Claude Code之父的梗:

过去30天,我花了大量时间审核Plan和PR,几乎没写一行代码!

有人评价,这正是「起飞」第一阶段的样子。

而下一步,或许就是真正的端到端AI自主研究。

还有人问,确定你们这不是营销?

这位研究者详细解释说,绝对不是。

具体的使用过程是这样的:

首先,他会花很多时间来撰写规格说明,并在脑海中构想输出应该是什么样子。

然后,会启动一个「4×Codex」的云端并发任务。这样不仅可以一次性看到多种不同的变体,也能补上自己一开始遗漏的细节。

接下来,就是让Codex自己发挥。等它跑完,人类再介入进行测试和验证。

Codex CLI 0.9+来了!

既然「人机协作」的范式已经改变,那么承载这种范式的工具自然也要升级。

面对Anthropic在的步步紧逼,OpenAI显然有备而来。

就在今天,Codex CLI连续推送了两次更新,版本号直接来到了0.91.0。

其中,Codex 0.9.0带来了最受大家期待的功能——Plan Mode(计划模式)

Code模式是Codex的默认体验,它的工作方式和其他AI智能体一样。

这点咱们就不多费口舌了。

但Plan模式则完全不同,它将编程任务拆解为两个截然不同的阶段:

第一阶段:理解意图(明确目标、划定范围、识别约束条件、制定验收标准)

第二阶段:技术规格(生成决策完备的实施方案)

在这种模式下,输出的内容非常详尽,无需任何后续追问即可直接执行。

Plan模式最聪明的地方在于:它坚持「证据优先探索」

在开口问问题之前,Codex会先在你的代码库中进行2次以上的针对性搜索,检查配置、Schema结构、程序入口等。

此外,Plan模式还可以调用全套工具:

它可以(并且将会)调用各种技能、子智能体和后台终端,从而构建高层级的实施计划。

当Codex确实需要你输入时,它是结构化的,而且只有关键且聚焦的问题:

· 尽可能提供选项

· 总是包含一个推荐选项(对新手极其友好)

· 只问那些会实质性改变计划的问题

为了实现这一交互,它利用了新的request\_user\_input工具。

这个工具会暂停执行流程,抛出一道有针对性的多项选择题,并支持你在选择时补充反馈或上下文。

更贴心的是,一旦它在任何时候检测到歧义,尤其是当你在引导它时指令模糊,它会立即停下来确认,而不是盲目执行。

现在,开发流程变成了这样:

用户请求一个计划 -> AI研究代码库与规划 -> 针对性询问用户 -> AI完善并完成计划 -> 提示是否执行?

但是,代码谁来审?

看起来完美无缺,对吧?Codex负责思考,Codex负责执行,Codex负责填满你的GitHub。

但就在我们为这种极致的效率欢呼时,一个被忽视的深渊正在脚下裂开——

在这个新时代,最大的悬念不再是谁在写代码,而是谁来审核代码。

当AI火力全开,每天向仓库甩出10+个PR时,人类开发者面临的实际上是一场针对注意力的DDoS攻击。

AI生成代码是毫秒级的,而人类理解代码上下文是分钟级甚至小时级的。

这种「生产与审查的极度不对称」带来了两个可怕的后果:

  • 审查者被淹没,开始习惯性点「Approve」,Code Review沦为形式。
  • 那些看起来能跑、但缺乏系统性思考的代码块,正在像癌细胞一样在代码库中扩散。

利益冲突显而易见,但我们需要看透这一层。

Claude Code的创造者吹捧自己的工具天经地义——这是商业的本能。

但作为受众,我们不能把「Demo里的完美世界」当成日常。

毕竟,Demo不会展示调试三小时都找不到的竞态条件,也不会展示由于上下文丢失导致的逻辑断层。

除此之外,数据里还藏着一个迷人的悖论。

Ars Technica曾报道称,开发者对AI工具的使用量在涨,信任度却在跌。

为什么?因为AI正在跨越「恐怖谷」

以前的AI代码烂得很明显,现在的AI代码烂得很隐蔽——它引用了不存在的库,或者在一个极其边缘的Case上埋了雷。

人们用得越多,踩的坑越多,信得自然越少。

正如Jaana Dogan所警示的,我们正在面临软件工程「琐碎化」的风险。

  • 100个提交,可能让GitHub的绿格子很好看。
  • 1个架构变更,可能需要三天思考,零行代码产出。

前者廉价如尘土,后者珍贵如黄金。

问题从来不是AI能不能写代码,而是它写的代码,是不是我们系统真正需要的,以及我们是否有能力维护它

这对我们意味着什么?

无论我们是否准备好,这个时代已经来了。对于不同的人群,这意味着完全不同的生存法则。

  • 致开发者

AI编码工具不是「即将来临」,它们已经破门而入。

问题在于,如何在不丢失自身核心价值的前提下整合它们。

技术大牛们依然在做那些艰难的思考工作,AI只是接过了「打字员」的工作。

如果你只会「搬运代码」,那你确实该慌了。

  • 致非开发者

「技术工作」与「非技术工作」的边界正在消融。

Claude Cowork这类工具创造了新物种。曾经需要开发者才能搞定的任务,可能很快只需要你能清晰描述出你想要什么。

清晰描述需求的能力,将成为新的编程语言。

最后的话

虽然OpenAI的研究员和Claude Code的创造者都在宣称AI包办了100%的代码,但请记住——

那是他们的实验室环境,不是你的生产环境。

唯一可以确定的是,我们正在经历从「写代码」到「指挥写代码」的不可逆的转变。

而且,正在加速。

参考资料:

https://twitter.com/tszzl/sta...

https://jpcaparas.medium.com/...

https://twitter.com/LLMJunky/...

编辑:定慧

【新智元导读】一种被称为「Claude-pilled」的诡异现象正在硅谷病毒式蔓延!焊工、律师、全职奶爸都在用Claude Code写APP,程序员的护城河正在以肉眼可见的速度崩塌。更恐怖的是,工程师们发现自己正在悄悄「退化」。

搅翻整个硅谷的Anthropic,这次又甩出新的核弹。

就在今天,华尔街日报曝出一个令人战栗的现象——

Claude-pilled,Claude红丸化!

在这个语境下,Claude-pilled 源自电影《黑客帝国》(The Matrix)中的 Red pill(红丸)梗,意思是吞下药丸,看清真相/觉醒。

在科技圈和网络俚语中,加上 -pilled 后缀通常表示「彻底认同」、「成为……的信徒」或「因为见识了真相而转投……阵营」。

这是软件工程师、高管和投资者将工作交给Claude AI的关键时刻,然后亲眼见证一台思维机器展现出令人震惊的能力。

即便在这个AI工具层出不穷的时代,这种冲击依然振聋发聩。

什么是「红丸化」?

这个概念源自经典电影《黑客帝国》:主角尼奥面前摆着两颗药丸——吃下蓝色药丸,继续活在虚假的舒适区;吞下红色药丸,则看清残酷的真相,再也无法回头。

在硅谷语境中,「Claude红丸化」意味着:

一旦你体验过Claude的能力,就再也无法回到过去的工作方式。

你会意识到,传统的编程范式、手写代码的效率、甚至程序员的职业护城河,可能都是「蓝丸幻觉」。

不仅是资深工程师,就连完全不懂代码的高管和小白,在将工作移交给Claude后,都瞬间沦陷于其「令人战栗」的思考能力。

一个残酷的问题正浮出水面:

当AI开始大规模接管代码工作,程序员还剩多少生存空间?

一行代码没写

6个月的APP一个周末上线了

最近,一位开发者@TukiFromKL在社交媒体上分享了自己的「恐怖」经历。

他原本准备花6个月时间开发一款移动应用。

但在使用了Claude Code后,整个项目在一个周末就完成了——

而且,他几乎没有手写任何核心逻辑代码。

「这感觉就像我抢劫了一位资深工程师。」他写道,

「应用下周就要上线了,但我整个人都是恍惚的。」

这到底是怎么做到的?

答案是一整套「作弊码」级别的AI工具链——

  • Claude Code负责编写约90%的业务逻辑
  • Expo SDK 54让iOS和Android应用即写即跑
  • Figma MCP将设计稿在几秒内转为React Native代码
  • Supabase MCP一站式解决后端、数据库和身份验证
  • NativeWind v4让移动端样式像写Tailwind一样简单
  • Vercel AI SDK提供流式聊天响应能力

这些工具组合在一起,开发者不再被样板代码、配置细节和基础设施拖慢,而是直接专注于产品想法与功能拼装。

这位开发者的结论振聋发聩:

「如果到2026年你还在手动写大量样板代码,那等同于主动放弃竞争力。」

焊工、老师、律师都在用

全民编程时代杀到了

Claude Code的恐怖之处,不仅在于它对专业程序员的冲击。

更在于它正在彻底消灭编程门槛

纽约时报最近报道了一个惊人的现象:

Anthropic推出的Claude Code正在引领一股「Vibe coding」(氛围编程)热潮。

无需任何代码基础,用户只需输入提示词,就能生成完整的应用程序。

订阅费?仅需$20-200/月。

这不是实验室里的概念验证,而是真实发生在普通人身上的故事——

超级奶爸的洗衣AI

故事的主角是一位全职爸爸。他有三个女儿,每天最头疼的事情就是——洗完衣服后,分不清哪件是谁的。

于是他打开Claude Code,用自然语言描述了自己的需求:「我需要一个App,用摄像头扫描衣服,自动识别是哪个女儿的。」

仅仅1小时后,一款可用的「洗衣分拣App」就诞生了。

现在,他只要拿着衣服对着手机摄像头,程序就能自动识别是大女儿、二女儿还是小女儿的衣服,并告诉他应该放进哪个衣柜。

一个困扰了他多年的家务难题,就这样被AI在60分钟内解决了。

蓝领逆袭

更令人震惊的是一位焊工的故事。

他自称「勉强高中毕业」,从未接受过任何编程培训。但他经营着一家小型金属加工厂,每天要处理大量的估价单、订单跟踪和合同管理。

过去,这些工作全靠Excel表格和手写笔记,效率低下,经常出错。

有一天,他听说了Claude Code,抱着试试看的心态,用自己能想到的最直白的语言描述了需求:

「我需要一个系统,客户发来图纸我能自动估价,订单能自动跟踪进度,合同到期能提醒我。」

几个小时后,一套完整的AI助理系统就跑起来了。

现在,这位「勉强高中毕业」的焊工,拥有了一套比很多小公司还专业的业务管理系统——而他一行代码都没写过。

教授与律师

一位金融学教授想给学生做一个股票交易模拟器,用来教学。

他没有找程序员,没有外包开发,只是打开Claude Code,描述了模拟器应该具备的功能:实时行情、模拟交易、盈亏计算、排行榜……

2小时后,一个功能完整的交易模拟平台就上线了。

更有意思的是一位检察官的故事。他开发了一款紧急求助App,让受害者在危险情况下能一键报警并自动录音取证。

这些人有一个共同点:他们都不是程序员,但他们都在用AI构建真正解决问题的软件产品。

这些案例证明了一个残酷的事实——

AI正在彻底打破技术壁垒,让摄影师、老师等非技术人员也能像搭积木一样构建复杂的软件产品。

程序员曾经引以为傲的技术护城河,正在以肉眼可见的速度崩塌。

AI让你更快,却让你变慢

工程师正在悄悄「退化」

但在这场狂欢背后,一个隐性危机正在浮现。

越来越多工程师发现,使用Claude Code后交付速度明显提升——

但学习速度却在急剧下降。

在大量使用Claude Code的团队中,一个诡异的问题开始蔓延:

工程师可以更快拿到可运行的代码、顺利合并PR、迅速流转到下一个工单。

但对代码背后的逻辑、架构选择和潜在风险,他们却理解得越来越少。

那些被AI自动规避的bug、默认选用的架构模式、关键技术取舍——工程师本人并未真正消化。

甚至在面试或复盘时,他们难以解释自己「写」的代码。

你交付了代码,却失去了理解。

这种「AI依赖症」的后果是什么?

当有一天AI无法解决某个问题,或者需要在面试中证明自己的能力时,这些「AI拐杖」用户将无所适从。

破局之道:把AI助手变成你的私人导师

好消息是,社区已经开始探索解决方案。

知名产品专家@aakashgupta分享了一种名为CLAUDE.md的实践正在流行。

它的核心理念是:强制要求AI不仅「交付代码」,还要「解释代码」。

具体做法很简单:

在项目中创建一个CLAUDE.md文件,让Claude详细说明——

  • 它刚刚做了什么
  • 为什么这样做
  • 遇到了哪些问题
  • 如何修复

通过这种方式,工程师将AI从执行者转变为「老师」。

随着项目推进,这些解释性文档会不断积累。

半年之后,工程师将拥有一份专属于自己的工程维基——相当于一位全程旁观并讲解你所有项目的专家导师。

实践者发现,能够系统性吸收这些知识的工程师,学习速度比同样使用AI工具的同行快3倍以上

通过在每个项目中维护类似FOR[姓名].md的说明文件,把架构思考、踩坑经验、最佳实践写清楚——

Claude Code不再只是提速工具,而成为持续提升技术能力的「Claude Teacher」。

Claude的统治正在加速

Anthropic的Claude Cowork功能推出后,根据Similarweb的数据,相关指标呈现爆发式增长——

代码相关搜索需求激增、网站流量和应用下载量大幅上升、开发者社区讨论热度飙升

这一现象反映出开发者对AI协作工具的狂热追捧,正在推动Claude在编程领域的快速普及。

然后Claude的DAU也一直在增长。

SaaS已死,AI Agent时代来临

我们正站在一个历史性的拐点上。

Claude Code代表的不仅仅是一个更强大的代码生成工具,而是整个软件开发范式的根本性转变

传统SaaS模式——卖软件许可证、靠订阅费养活一家公司——正在被AI Agent直接冲击。

从「人+应用」到「AI Agent+API」

贝恩咨询(Bain)在最新报告中指出:软件行业正在从「人类+应用程序」模式,转向「AI Agent+API」模式。

这意味着什么?

传统SaaS的运作方式是:用户打开软件界面,手动点击按钮,逐步完成工作流程。

而AI Agent的逻辑完全不同:用户用自然语言描述需求,AI自主决策、调用API、完成任务,全程无需人工干预。

高盛的研究报告更进一步指出:AI模型正在成为「操作系统」,能独立访问各种工具来完成任务,彻底改写传统软件栈。

2026年:80%的企业应用将嵌入AI Agent

根据IDC的预测,到2026年,AI Agent将作为「数字员工」嵌入近80%的企业工作场所应用中。

这不是实验室里的概念,而是正在发生的现实。

Klarna的AI助手在上线第一个月就处理了230万次客户对话,相当于700名全职客服的工作量,同时把问题解决时间大幅缩短。

传统SaaS面临的四种命运

贝恩咨询将AI Agent对现有SaaS工具的冲击分为四种模式——

1. 增强(Enhance):AI成为现有工具的加速器

2. 压缩(Compress):减少在某些功能上的支出

3. 超越(Outshine):AI直接取代某些功能

4. 吞噬(Cannibalize):彻底淘汰某些工具

这意味着,不是所有SaaS都会死,但很多SaaS的价值主张正在被重新定义

未来,传统SaaS可能退化为纯粹的「数据仓库」和「记录系统」,而用户界面将被AI Agent的对话式交互所取代。

程序员的分化:赢家与输家

斯坦福大学的研究显示,AI编程工具对初级开发者的冲击最为严重

22-25岁的早期工程师就业率已经出现下降——因为AI擅长自动化那些「规范化知识」任务,而这恰恰是初级开发者的主要工作内容。

但另一方面,能够驾驭AI的高级工程师反而更吃香

未来的软件工程师不再是「写代码的人」,而是「AI战略家和系统架构师」——负责监督、验证和编排AI的输出。

掌握AI编程技能的工程师,薪资溢价已经可量化。

而那些还在用传统方式手写代码的人,正在被市场抛弃。

当任何人都能用自然语言「描述」出自己想要的软件,并让AI几分钟内构建出来时,为什么还要购买别人的产品?

程序员的护城河正在崩塌。技术壁垒正在消失。

唯一能让你不被取代的,是你对问题的理解深度,和驾驭AI的能力。

如果你还没有「Claude红丸化」,现在可能是最后的窗口期了。

参考资料:

https://twitter.com/WSJ/statu...

https://twitter.com/TukiFromK...

https://www.nytimes.com/2026/...

https://twitter.com/aakashgup...

背景介绍

随着HarmonyOS 的发展,很多开发者将鸿蒙作为重要开发平台,尤其是在华为激励计划的加持下,涌入大量开发者贡献了大量应用,将大量创意带个了鸿蒙生态。

但随着时间推移,许多开发者发现,鸿蒙的应用审核似乎异常“严格”,很多开发者上架提审时被卡在了《审核指南》3.5和3.7项:

  • 3.5项的规则是:应用需具备实用价值,能为用户提供实质功能/服务,且需具备创意,不得为纯信息展示,包括但不限于单一图片、单一页面、单一影视剧集类、单一图书单行本类、单一非官方游戏攻略类等。应用不得是简单打包的网站页面或套用模板、内容聚合、罗列链接、广告推广等,或为手机系统自带的简易功能。
  • 3.7项的规则是:请避免继续在已有较多类似应用的类别下进行开发,如敲木鱼、随机选择、计算器、手电筒、记事本、记账、天气、数字大小写转换、日历、指南针、智能遥控、镜子、助眠睡眠、证件照、色彩助手、手持弹幕、播放器、万能遥控器、外卖跑腿聚合平台、生鲜买菜服务聚合平台、计时类、Wi-Fi管理类、Wi-Fi搜索连接类、Wi-Fi检测提速类等类别的应用,除非您的应用能够提供独特、高质量的体验,为用户提供多样、优质的功能和服务,否则您的应用可能会被拒绝或移除。
    还有不少开发者反馈,被3.5或3.7规则拒审后,又增加了不少页面和功能还是被以同样的原因拒审,甚至有人再传只要被3.5或3.7基本死刑了,需要重新想创意开发了。小编正好之前被3.5拒审后面通过迭代成功上架打破传言,本文就通过复盘3.5后迭代的经历分享打破3.5魔咒的经验。
    image.png

应用功能介绍

小编开发的应用叫”智能带办“,踩中了个人开发者最常开发的应用清单,是个清单类应用。创意来源于日常生活中自己的痛点,每次出差出远门或者从帝都回老家,都要拉一个单子把所有要带的东西都列出来,大部分情况带的东西都差不多,一般都记录在备忘录中,列清单的时候很耗费精力,想到AI能力越来越强大,可不可以让AI给生成?在AI工具中虽然可以生成清单,但是又没法做勾选等操作,融合操作和AI能力就想到做一个智能生成带办的应用,应用的亮点就是专注解决出行携带难题,通过AI智能生成场景清单,让你告别遗忘,轻松应对每一次出差、旅行、露营与日常外出。

智能带办,让你每一次出发,都底气十足。
告别“忘带焦虑”,从容开始每一段行程。
image.png

3.5拒审版本功能盘点

提审被拒绝的版本主要包含四个页面:Chat、历史、我的、详情。在Chat页面输入要办的事情自动生成要带物品清单,勾选物品确认后生成带办清单并自动跳转到详情页,页面效果如下:
Chat页面:
image.png
清单页面:
image.png

清单展开详情页:
image.png

详情页:
image.png

新迭代功能

在重新提审的版本对整个代码工程做了重构,UI也进行了优化,包含功能:
推荐:
image.png

清单页:
image.png

Chat页:
image.png
详情页:
image.png

碰一碰页:
image.png

语音输入:
image.png

对比拒审前和拒审后版本功能区别如下:
1、UI美化
2、增加了推荐功能
3、增加了HarmonyOS 系统碰一碰分享能力
4、增加了语音输入功能
5、Chat页输入框上方增加了推荐问题

复盘总结

通过对比被拒版本与最终上架版本,我们可以清晰地看到一个核心转变:从“一个不错的功能点子”进化为“一个完整、独特且有深度的产品”。这不仅是一次功能的叠加,更是对审核规则内涵的深刻理解与主动契合。下面,我将逐点拆解迭代背后的逻辑,还原打破“3.5魔咒”的真实路径。

  1. 从“单薄的功能演示”到“完整的用户体验闭环”

    • 原版本痛点:应用流程始于Chat输入,终于清单生成与勾选。这更像是一个AI工具的“功能演示”,用户使用路径短,用完即走,缺乏留存价值和持续使用场景,恰好落入规则3.5所述“功能单薄”的范畴。
    • 迭代策略与效果:

      • 增加“推荐”页:这是本次迭代的“棋眼”。它不再是空白的起点,而是提供了“出差”、“露营”、“健身”等丰富的预设场景。这带来了三大好处:其一,直观证明了应用的“实用价值”和解决多种场景问题的能力,直接回应了审核对“实质功能”的要求;其二,降低了用户冷启动门槛,提升了易用性;其三,构建了内容厚度,让应用看起来像一个精心策划的工具集,而非一个简单的输入框。
      • 结果:应用从一个“AI清单生成器”变成了一个“出行准备助手”,用户体验形成了“浏览场景-选择/自定义-生成-管理”的完整闭环。
  2. 从“通用AI套壳”到“彰显HarmonyOS独特性”

    • 原版本痛点:功能完全依赖AI接口,在任何平台均可实现,未能体现鸿蒙生态的独特优势。这容易让审核认为应用是“简单打包”或“套用模板”,缺乏不可替代性。
    • 迭代策略与效果:

      • 深度集成“碰一碰”能力:此功能是彰显“鸿蒙基因”的关键。它不再是简单的文本分享,而是通过系统能力实现了跨设备的无缝清单流转。这充分展示了开发者对HarmonyOS系统级能力的钻研与应用,证明了应用是为鸿蒙原生体验而设计,提供了其他平台难以复制的“独特、高质量的体验”(这也恰好回应了规则3.7的精神)。
      • 结果:应用的核心竞争力从“能生成清单”升级为“能在鸿蒙生态中优雅、便捷地生成和协同处理清单”,差异性豁然开朗。
  3. 从“基础交互”到“丰富且人性化的交互维度”

    • 原版本痛点:交互方式仅有文字输入和点击勾选,较为单一。
    • 迭代策略与效果:

      • 增加“语音输入”:这不仅仅是增加一个功能,更是提升了应用的易用性、包容性和现代化程度。在出行准备等双手可能不便的场景下,语音输入尤为实用。它展现了开发者在打磨用户体验上的深度思考。
      • 增加“推荐问题”:在Chat页输入框上方添加推荐问题(如“周末露营带什么?”),极大地引导了用户,丰富了交互的启发性和探索性,让AI工具变得更“聪明”和友好。
      • 结果:应用提供了文字、语音、预设场景选择、碰一碰分享等多种交互路径,功能层次变得更加立体和丰满,彻底摆脱了“单一页面”、“简单操作”的观感。
  4. UI美化:不仅是“面子”,更是“里子”的体现

    • UI重构与美化:这常常被开发者视为“表面功夫”,但在审核视角中,精致的UI是应用“高质量”和“完成度”最直观的外在表现。一个粗糙的界面会强化“敷衍”、“模板化”的印象;而一个设计精良、符合鸿蒙设计规范的界面,则传递出开发者认真打磨产品、尊重用户的积极信号。本次的UI优化,与功能深化同步,共同塑造了一款成熟应用的质感。

核心经验提炼:给开发者的避坑指南

  1. 超越功能点,思考用户旅程:不要只满足于实现核心功能。问自己:用户从哪里来(入口引导)?核心功能之后还能做什么(场景延伸/分享/管理)?如何让他下次还想用(留存价值)?构建闭环。
  2. 拥抱系统能力,打造生态差异化:在鸿蒙上开发,务必主动探索并集成Kit能力(如碰一碰、原子化服务、卡片等)。这是证明你为鸿蒙而来、并能为鸿蒙生态增色的最强证据。
  3. 叠加交互维度,展现思考深度:在主流程上,思考是否能提供更便捷(如语音)、更引导(如推荐)、更趣味(如动效)的交互方式。丰富的交互是“功能深度”的体现。
  4. 用视觉品质为产品背书:将UI/UX视为产品不可或缺的一部分。高质量的设计能无形中提升审核对应用整体质量的评价。

结论

“智能带办”通过审核的经历证明,规则3.5并非“死刑判决”,而是一道清晰的“产品成熟度”分水岭。被拒不是创意的终结,而是产品打磨的开始。关键在于,开发者必须跳出“我明明有这个功能”的委屈心态,转而以审核规则为镜,以更高标准审视自己的应用:它是否构成了完整服务?是否具备生态特色?交互是否丰满精致?当你的应用能从这些维度展现出独特价值和用心之处时,“3.5魔咒”自然不攻自破。

睡觉的时候感觉 2 个鼻孔轮流干活
鼻炎好难受
成都空气又不好
我丢 各位老铁有啥好办法吗...

房子小户型,非常小,最大感觉只能买到 65 寸了,最近好像电视在降价,PDD 差不多 3000 块钱。

以前家里有个朋友送的极米的投影仪,但总感觉看起来不清晰导致很累,所以一直也没兴趣在家看电视,索性换个电视算了。

大佬们谈谈看电视的经验吧,比如配置、配件等等。家里有老人、3 岁娃,以及我和我搭档。

大家好,我是良许。

在嵌入式开发中,三极管和MOS管是我们最常用的两种开关器件。

刚入行的时候,我在做单片机项目时经常纠结:这个地方到底该用三极管还是MOS管?后来随着项目经验的积累,我逐渐理解了它们各自的特点和适用场景。

今天就和大家详细聊聊这两种器件的区别。

1. 基本工作原理的差异

1.1 三极管的工作原理

三极管(BJT,Bipolar Junction Transistor)是一种电流控制型器件。

它有三个极:基极(B)、集电极(C)和发射极(E)。

三极管的导通需要基极电流IB,集电极电流IC与基极电流的关系可以表示为:

其中β是三极管的放大倍数,一般在几十到几百之间。这意味着要让三极管工作,基极必须持续提供一定的电流。

比如我之前做一个LED驱动电路,使用的是S8050三极管,β约为100,要驱动100mA的LED,基极就需要提供至少1mA的电流。

1.2 MOS管的工作原理

MOS管(MOSFET,Metal-Oxide-Semiconductor Field-Effect Transistor)是一种电压控制型器件。

它有三个极:栅极(G)、漏极(D)和源极(S)。

MOS管的导通主要依靠栅极和源极之间的电压VGS,当VGS超过阈值电压Vth时,MOS管就会导通。

关键的是,MOS管的栅极几乎不需要电流(理论上只有充放电时的瞬态电流),这是它和三极管最本质的区别。

我在做一个电机驱动项目时,使用IRF540N这款N沟道MOS管,栅极输入阻抗高达几十兆欧,STM32的GPIO直接驱动完全没问题。

2. 驱动能力和功耗对比

2.1 驱动电路的复杂度

三极管由于是电流驱动,在大功率应用中需要考虑基极驱动电流的问题。

举个实际例子,如果要用三极管驱动一个5A的负载,假设β=50,那么基极需要提供100mA的电流。

而STM32的GPIO最大输出电流一般只有25mA,这时候就需要增加额外的驱动电路,比如再加一级三极管放大。

相比之下,MOS管就简单多了。

由于栅极几乎不需要电流,单片机的GPIO可以直接驱动。

我在实际项目中,经常用STM32的GPIO直接驱动MOS管来控制继电器、电机等负载,电路非常简洁。

// STM32 HAL库驱动MOS管的示例代码
void MOS_Control(uint8_t state)
{
    if(state == 1)
    {
        // 导通MOS管,GPIO输出高电平
        HAL_GPIO_WritePin(GPIOA, GPIO_PIN_5, GPIO_PIN_SET);
    }
    else
    {
        // 关断MOS管,GPIO输出低电平
        HAL_GPIO_WritePin(GPIOA, GPIO_PIN_5, GPIO_PIN_RESET);
    }
}

2.2 静态功耗差异

三极管在导通状态下,基极需要持续提供电流,这会产生一定的静态功耗。

以前面提到的驱动100mA负载为例,如果基极电压为0.7V,基极电流为1mA,那么基极功耗就是

虽然看起来不大,但在电池供电的低功耗应用中,这个功耗是不能忽视的。

MOS管的栅极在稳态时几乎不消耗电流,静态功耗主要来自于导通电阻RDS(on)产生的损耗。

对于低RDS(on)的MOS管,这个损耗可以做到非常小。

我做过一个太阳能供电的项目,使用MOS管作为开关器件,待机功耗可以控制在微安级别。

3. 开关特性的对比

3.1 开关速度

MOS管的开关速度通常比三极管快很多。

这是因为三极管的开关过程涉及到少数载流子的存储和复合,需要一定的时间。

而MOS管是多数载流子器件,开关过程主要是栅极电容的充放电,速度更快。

在实际应用中,三极管的开关频率一般在几十kHz到几百kHz,而MOS管可以轻松达到几MHz甚至几十MHz。

我之前做过一个PWM调光电路,使用三极管时发现频率超过100kHz就会发热严重,换成MOS管后,频率提升到500kHz也没问题。

// 使用定时器产生PWM信号驱动MOS管
void PWM_Init(void)
{
    TIM_HandleTypeDef htim2;
    TIM_OC_InitTypeDef sConfigOC = {0};
    
    htim2.Instance = TIM2;
    htim2.Init.Prescaler = 0;
    htim2.Init.CounterMode = TIM_COUNTERMODE_UP;
    htim2.Init.Period = 1000-1;  // PWM周期
    htim2.Init.ClockDivision = TIM_CLOCKDIVISION_DIV1;
    HAL_TIM_PWM_Init(&htim2);
    
    sConfigOC.OCMode = TIM_OCMODE_PWM1;
    sConfigOC.Pulse = 500;  // 占空比50%
    sConfigOC.OCPolarity = TIM_OCPOLARITY_HIGH;
    HAL_TIM_PWM_ConfigChannel(&htim2, &sConfigOC, TIM_CHANNEL_1);
    HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_1);
}

3.2 饱和压降

三极管在饱和导通时,集电极和发射极之间有一个饱和压降VCE(sat),一般在0.2V到0.5V之间。

这个压降会随着电流增大而增大,在大电流应用中会产生较大的功耗。

MOS管导通时的压降取决于导通电阻RDS(on)和流过的电流,压降为

对于优质的MOS管,RDS(on)可以做到几毫欧甚至更小,导通压降可以非常低。

比如我用过的IRLZ44N,RDS(on)只有22毫欧,流过5A电流时压降只有110mV,远小于三极管。

4. 温度特性和可靠性

4.1 温度系数

三极管具有负温度系数特性,也就是说温度升高时,β值会增大,导通电阻会减小。

这在并联使用时容易出现电流不均衡的问题,某个管子温度高了,电流就会更大,进一步升温,形成恶性循环,最终可能导致热击穿。

MOS管则具有正温度系数特性,温度升高时RDS(on)会增大。

这个特性使得MOS管在并联使用时具有天然的电流均衡能力,某个管子温度高了,电阻增大,电流反而会减小,具有自我保护的作用。

我在做大功率电源时,经常需要并联多个MOS管,这个特性让电路设计简单了很多。

4.2 抗静电能力

三极管的抗静电能力相对较强,因为它的PN结可以承受一定的反向电压。

而MOS管的栅极氧化层非常薄,只有几十到几百纳米,很容易被静电击穿。

我刚开始做项目时,就因为没有做好防静电措施,损坏了好几个MOS管。

在实际使用中,MOS管的栅极一定要做好保护,可以在栅极和源极之间并联一个稳压管或者电阻。

同时在焊接和调试时要做好防静电措施,佩戴防静电手环。

// MOS管驱动电路初始化,包含保护措施
void MOS_Driver_Init(void)
{
    GPIO_InitTypeDef GPIO_InitStruct = {0};
    
    __HAL_RCC_GPIOA_CLK_ENABLE();
    
    // 配置GPIO为推挽输出,初始状态为低电平
    GPIO_InitStruct.Pin = GPIO_PIN_5;
    GPIO_InitStruct.Mode = GPIO_MODE_OUTPUT_PP;
    GPIO_InitStruct.Pull = GPIO_PULLDOWN;  // 下拉保护
    GPIO_InitStruct.Speed = GPIO_SPEED_FREQ_LOW;
    HAL_GPIO_Init(GPIOA, &GPIO_InitStruct);
    
    // 初始化为关断状态
    HAL_GPIO_WritePin(GPIOA, GPIO_PIN_5, GPIO_PIN_RESET);
}

5. 实际应用场景选择

5.1 什么时候选择三极管

三极管适合以下场景:成本敏感的小功率应用,比如LED指示灯驱动、小信号放大等;需要线性放大的场合,三极管的线性区特性比MOS管好;对开关速度要求不高的应用;小电流开关应用,比如几十毫安到几百毫安的负载。

我在做一些简单的指示灯电路时,通常会选择三极管,因为便宜而且够用。

比如用S8050驱动几个LED,成本只要几分钱,电路也很简单。

5.2 什么时候选择MOS管

MOS管适合以下场景:大功率开关应用,比如电机驱动、电源开关等;高频PWM应用,比如开关电源、电机调速等;低功耗应用,特别是电池供电的设备;需要并联使用的场合;单片机GPIO直接驱动的场合。

在我的大部分嵌入式项目中,只要是功率稍微大一点的负载,我都会优先选择MOS管。

比如驱动继电器、控制12V风扇、电磁阀等,MOS管的性能和可靠性都更好。

5.3 混合使用的场景

有时候我们会把两者结合起来使用。

比如在需要驱动大功率MOS管,但单片机GPIO驱动能力不足时,可以用一个小三极管来驱动MOS管的栅极。

这种电路在大功率应用中很常见。

// 三极管驱动MOS管的电路控制代码
void High_Power_Load_Control(uint8_t state)
{
    if(state == 1)
    {
        // GPIO输出高电平,驱动三极管导通
        // 三极管导通后拉低MOS管栅极,使P沟道MOS管导通
        HAL_GPIO_WritePin(GPIOB, GPIO_PIN_0, GPIO_PIN_SET);
    }
    else
    {
        // GPIO输出低电平,三极管截止
        // MOS管栅极被上拉电阻拉高,P沟道MOS管截止
        HAL_GPIO_WritePin(GPIOB, GPIO_PIN_0, GPIO_PIN_RESET);
    }
}

6. 选型注意事项

6.1 参数选择

选择三极管时,主要关注以下参数:最大集电极电流IC(max)、最大集电极-发射极电压VCE(max)、放大倍数β、饱和压降VCE(sat)。一般要留有2到3倍的余量。

选择MOS管时,主要关注:最大漏极电流ID(max)、最大漏源电压VDS(max)、导通电阻RDS(on)、栅极阈值电压Vth、栅极电容等参数。特别要注意Vth要低于驱动电压,否则MOS管无法完全导通。

6.2 散热设计

无论是三极管还是MOS管,在大功率应用中都要考虑散热问题。功耗可以通过以下公式计算:

对于三极管:

对于MOS管:

根据功耗和器件的热阻,可以计算出温升。

如果温升过高,就需要增加散热片。

通过这些年的项目经验,我深刻体会到,选择合适的器件对于电路的性能和可靠性至关重要。

三极管和MOS管各有优势,没有绝对的好坏,关键是要根据实际应用场景来选择。

希望这篇文章能帮助大家更好地理解这两种器件的区别,在实际项目中做出正确的选择。

您好,我是 Silvana,一名前端开发工程师菜鸟。

最近捣鼓了个超有意思的小前端效果,忍不住想跟大家分享。

不用一行 JS 代码,单靠 HTML+CSS 就能做出一个带三角形动效的开关按钮,切换的时候三角形会跟着移动,还会从绿色变成红色,文字也会同步切换显示 “ON” 和 “Off”,视觉感拉满,不管是做个人练习还是加到项目里当小开关都超合适。

这个效果的核心其实就是利用 CSS 的 skew 变形、checkbox 的:checked 伪类,还有 CSS 边框做三角形的小技巧,代码量不多,我给每一行都加了注释,新手也能轻松看懂,直接复制就能跑起来。

完整源码(附详细注释)

1. HTML 文件(index.html)

<!DOCTYPE html>
<html lang="en">
  <head>
    <meta charset="UTF-8" />
    <!-- 适配移动端,保证效果在手机上正常显示 -->
    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
    <title>CSS自定义三角形形状复选框按钮</title>
    <!-- 引入CSS样式文件 -->
    <link rel="stylesheet" href="style.css" />
  </head>
  <body>
    <!-- 开关按钮容器,用label包裹实现点击交互 -->
    <label>
      <!-- 核心复选框,用于控制开关状态,隐藏原生样式 -->
      <input type="checkbox">
      <!-- 关闭状态文字 -->
      <text>Off</text>
      <!-- 开启状态文字 -->
      <text>ON</text>
      <!-- 三角形装饰元素,随开关状态变化 -->
      <span class="angle"></span>
    </label>
  </body>
</html>

2. CSS 文件(style.css)

/* 初始化全局样式,清除默认边距,统一盒模型 */
* {
  margin: 0;
  padding: 0;
  box-sizing: border-box;
}
/* 页面主体样式,让按钮居中显示,背景偏深色突出按钮 */
body{
  display: flex;
  justify-content: center;
  align-items: center;
  min-height: 100vh;
  background: #2b2b2b;
}
/* 开关按钮外层容器样式 */
label {
  position: relative; /* 作为子元素定位的参考 */
  width: 120px; /* 按钮宽度 */
  height: 60px; /* 按钮高度 */
  background: #222; /* 按钮背景色 */
  display: flex;
  justify-content: space-between;
  align-items: center;
  /* 内层阴影,营造立体质感 */
  box-shadow: inset 0 2px 15px rgba(0,0,0,0.2),
  inset 0 2px 2px rgba(0,0,0,0.2),
  inset 0 -1px 1px rgba(0,0,0,0.2);
  border-radius: 10px; /* 按钮圆角 */
  transform: skewX(330deg); /* 按钮整体倾斜,增加设计感 */
  cursor: pointer; /* 鼠标悬浮显示手型 */
}
/* 隐藏原生复选框样式 */
label input {
  position: absolute;
  appearance: none; /* 取消默认样式 */
}

/* 三角形元素基础样式 */
label .angle{
  position: absolute;
  /* 利用边框透明特性制作三角形 */
  border-left: 35px solid transparent;
  border-right: 35px solid transparent;
  border-bottom: 60px solid #0f0; /* 初始绿色三角形 */
  transform: skewX(30deg) scale(0.6) translateX(-16px); /* 变形调整位置和大小 */
  filter: drop-shadow(0 0 10px #0f0) drop-shadow(0 0 30px #0f0); /* 绿色发光效果 */
  transition: 0.5s; /* 过渡动画,让切换更丝滑 */
}
/* 复选框选中时,三角形样式变化 */
label input:checked ~ .angle{
  border-bottom: 60px solid #f00; /* 切换为红色三角形 */
  /* 移动位置+旋转,模拟开关滑动效果 */
  transform: skewX(30deg) scale(0.6) translateX(108px) rotate(180deg);
  filter: drop-shadow(0 0 10px #f00) drop-shadow(0 0 30px #f00); /* 红色发光效果 */
}
/* 文字通用样式 */
label text{
  padding: 10px;
  color: #fff;
  transition: 0.5s; /* 过渡动画 */
  text-transform: uppercase; /* 文字大写 */
}
/* 初始状态下“ON”文字隐藏 */
label text:nth-child(2){
  color: #f00; /* 红色文字 */
  transform: skew(30deg) scale(0); /* 缩放隐藏 */
  filter: drop-shadow(0 0 10px #f00) drop-shadow(0 0 30px #f00); /* 红色发光 */
}
/* 复选框选中时,显示“ON”文字 */
label input:checked ~ text:nth-child(2){
  transform: skew(30deg) scale(1); /* 缩放显示 */
}

/* 初始状态下显示“Off”文字 */
label text:nth-child(3){
  color: #0f0; /* 绿色文字 */
  transform: skew(30deg) scale(1); /* 缩放显示 */
  filter: drop-shadow(0 0 10px #0f0) drop-shadow(0 0 30px #0f0); /* 绿色发光 */
}
/* 复选框选中时,隐藏“Off”文字 */
label input:checked ~ text:nth-child(3){
  transform: skew(30deg) scale(0); /* 缩放隐藏 */
}
写着写着就到了结尾,祝您今晚有个好梦(代码少报错一点)。

本文由mdnice多平台发布

最近从 iPhone 换了安卓手机

原来 iPhone 基础版电池太小了,每次出去只回个微信,不到一天就没电

趁着国补入手了一个 安卓小屏手机,但还是没电量安全感😂


想找一款 超薄便携的移动电源,主要用于 应急补电,不需要很大电量,3000 mAh 左右就够了

越薄越好,重量轻,放口袋不明显那种。

在认知负荷极度饱和的数字化协作中,企业的效率瓶颈已从“数据获取”转向“关键信息的快速扫描与全局掌控”。平铺式信息展开工具不仅是静态的展示看板,更是通过横向铺展的视觉逻辑,将隐没在深层目录中的碎片化数据转化为可视化、可并行处理的平铺式智力资产的解析引擎。

一、 为什么现代决策必须重视“平铺式”展开?

传统层级化管理工具往往导致“信息遮蔽”:关键细节被掩盖在多级文件夹下,导致决策者难以在同一视域内完成信息的横向对比。平铺式信息展开工具的核心价值在于:

  • 消除视觉阻隔:通过将多源信息平铺于单一交互平面,确保每一个数据节点都能被即时观测,而非隐藏在点击之后。
  • 支撑高频扫描穿透:支持在展开过程中实现视角的平滑移动,从全局概览快速锁定至特定平面的执行细节。
  • 实现全景认知对齐:通过水平延展的逻辑结构,各模块的关联信息自动形成并列视图,确保团队对系统状态拥有无死角的同步感知。
  • 线性流向模块化展示:将复杂的业务长链条平铺为连续的视觉模块,实现跨阶段、跨单元的直观逻辑复核。

二、 平铺式展开的技术路径:全景视觉架构

构建平铺式信息展开体系需要遵循“空间释放”与“并列关联”的逻辑:

  1. 全景展示层(Panoramic Display):定义信息展开的水平边界,展示所有核心模块的并列排布关系。
  2. 平铺逻辑层(Flat Logic):将纵向深度转化为横向广度,记录各平铺单元间的流转路径与协作触点。
  3. 原子信息层(Atomic Info):位于平铺平面的最表层,聚焦于高价值数据的直接呈现,具备明确的视觉优先级标注。

三、 核心技术实现与算法示例

平铺式信息展开工具的底层逻辑涉及响应式布局计算、视口范围内渲染优化及平滑平移控制。

1. 基于视口检测的平铺单元延迟加载(JavaScript)

在海量信息平铺时,为保障性能,仅对视口内的单元进行渲染。以下为实现平铺节点动态加载的逻辑:

JavaScript

/**
* 检测平铺单元是否进入水平视口并触发加载
* @param {Element} unitNode 平铺单元节点
* @param {number} buffer 预加载缓冲区像素
*/
function handleFlatDisplay(unitNode, buffer \= 200) {

const rect \= unitNode.getBoundingClientRect();  
const isVisible \= rect.left \< (window.innerWidth \+ buffer) && rect.right \> \-buffer;

if (isVisible && \!unitNode.dataset.loaded) {  
    // 触发原子信息的平铺展开  
    loadAtomicData(unitNode);  
    unitNode.dataset.loaded \= "true";  
    console.log(\`\[Display Action\] 平铺单元 ${unitNode.id} 已进入视口并展开\`);  
}  

}

2. Python:信息铺展密度的动态优化引擎

利用平铺模型,自动检测视觉空间内的信息堆叠度,防止由于平铺过密导致的认知过载:

Python

class FlatDensityEngine:

def \_\_init\_\_(self):  
    \# 预设平铺标准:视域类型 \-\> 推荐展开间距与信息密度  
    self.density\_benchmarks \= {  
        "Executive\_Dashboard": {"min\_margin": 20, "max\_elements": 12},  
        "Task\_Flow": {"min\_margin": 10, "max\_elements": 25}  
    }

def verify\_flat\_efficiency(self, current\_layout, view\_type):  
    """对比实际铺展密度与标准,识别视觉疲劳风险"""  
    std \= self.density\_benchmarks.get(view\_type)  
    if not std:  
        return "未定义的平铺标准"

    element\_count \= len(current\_layout\['elements'\])  
    if element\_count \> std\['max\_elements'\]:  
        print(f"\[Visual Alert\] 信息铺展密度过高({element\_count}个节点),建议启用横向分页")  
        self.\_trigger\_layout\_optimization(current\_layout)

def \_trigger\_layout\_optimization(self, layout):  
    print(f" \-\> 已启动针对该平铺平面的空间重组建议")

3. SQL:跨平面信息关联度与扫描效率分析

通过数据查询,识别平铺平面中关联最紧密、扫描频率最高的“视觉热区”资产:

SQL

SELECT

view\_id,   
node\_name,   
horizontal\_position,   
AVG(scan\_duration) as scan\_efficiency  

FROM flat\_assets\_logs
WHERE layout\_type \= 'Tiled'
GROUP BY node\_name, view\_id
HAVING scan\_efficiency \< 2.5 -- 识别出用户能快速捕捉信息的平铺布局
ORDER BY scan\_efficiency ASC;


四、 工具分类与选型思路

实施平铺式信息展开时,工具的选择应基于对“横向延展力”的需求:

  • 全景白板类(如 FigJam/Miro):核心优势在于无限水平空间的自由铺展,支持将碎片信息通过物理平铺转化为直观的逻辑长卷。
  • 多列看板类(如 Trello/板栗看板):通过并列的列表实现信息的水平平铺,适合处理具有明确状态流转的并列事项。
  • 无限网格类(如 Airtable/Notion Gallery):利用网格视图实现元数据的平铺展示,适合对大量结构化对象进行视觉索引。

五、 实施中的风险控制与管理优化

  • 防止“空间迷失导致的扫描盲区”:应在工具中通过微缩全局地图(Minimap)或水平进度指示器,确保成员在横向漫游时仍具备全局观。
  • 动态收纳冗余平面:平铺不代表无限堆砌,应针对低频信息设置“折叠/展开”机制,保持核心平面的信息信噪比。
  • 定期进行视觉“清障”:随着任务推进,应移出已失效的平铺单元,确保视觉重心始终落在高优先级的执行流上。

六、 结语

平铺式展开是穿透复杂信息层级的有力手段。 它不仅解决了“关键信息被掩埋”的问题,更通过开阔的水平视觉架构,将企业的每一次数据沉淀转化为可以一览无余、极速扫描的执行场景。当组织的信息能够以平铺形式实现全景对齐时,团队才能在复杂的决策环境中实现“快速洞察”与“精准响应”的统一。

在人工智能技术持续演进的背景下,2026 年正在成为一个被频繁提及的时间节点。一个逐渐形成的行业共识是:基础模型的能力差距正在收敛,而应用层的使用方式开始决定真实的生产力差异

当通用模型的推理、生成与理解能力趋于标准化,竞争焦点正在从“模型本身有多强”,转向“如何被系统性地使用”。


一、使用认知的变化:从对话工具到系统组件

在早期应用阶段,AI 更多以“对话助手”的形式出现,使用方式高度依赖提示词技巧与单轮交互效果。但在实际工程与业务场景中,这种模式很快暴露出稳定性与扩展性的瓶颈。

当前更成熟的实践,正在将模型视为系统中的一个逻辑单元,而非完整解决方案。

这体现在两个方向上:

  • 输入与输出的结构化
    使用者开始为模型设计明确的输入规范、输出格式与约束条件,使其行为可预期、可校验,而非依赖语言修辞触发“灵感式回答”。
  • 任务的模块化拆解
    复杂问题被拆分为多个子任务,并在不同上下文中并行处理,形成协作式的执行路径。在这一过程中,智能体来了,更多被视为一种工程组织方式,而非单一产品形态。

二、核心能力的转移:构建可持续的认知回路

随着通用知识的获取成本不断下降,真正具有区分度的能力,开始集中在如何将模型与特定业务长期绑定

  1. 检索增强生成的精细化使用
    行业内逐渐认识到,RAG 的价值并不止于“接一个向量库”。更关键的是通过多级检索、语义过滤与权限控制,确保模型在不同任务中调用到“恰好足够且足够准确”的私有信息。
  2. 状态保持与长期记忆机制
    为弥补模型天然的短期记忆特性,外挂式记忆层被用于记录任务状态、业务进展与偏好变化,使 AI 能够跨时间段持续参与同一工作流。
  3. 工具调用的执行闭环
    当模型能够通过函数调用与外部系统交互,其角色便从“建议者”转向“执行参与者”。这类实践正在推动 AI 走出对话界面,进入真实业务链路。

三、评估标准的变化:从表现到确定性

在专业场景中,评价 AI 使用效果的标准也在发生位移。

  • 执行确定性优先于表达多样性
    在金融、法律、医疗等领域,稳定、一致、可复现的输出,比富有创意的回答更具价值。
  • 低人工干预率成为关键指标
    系统在多大程度上能够自行规划、校验与修正,正在取代“交互次数”成为衡量成熟度的重要参考。

四、结语:使用方式正在成为新的护城河

综合来看,当模型能力逐渐同质化,使用范式本身正在演化为一种基础设施能力

对比正在形成的两种路径:

  • 以对话为中心、以提示技巧为核心的使用方式
  • 以结构化编排、长期记忆与工具闭环为核心的系统化使用方式

后者正在更多实际业务中展现出可持续的效率优势。

2026 年所呈现的现实是:技术突破提供可能性,而真正释放生产力的,是那些能够将 AI 推理能力嵌入业务逻辑与流程设计中的实践者。
在这样的背景下,AI 更像是工作流中的协同决策单元,而不再只是回答问题的工具。

近期朋友让我在热榜站里加一加招标的信息,我没接触过这些,完全不懂,和他聊的也云里雾里的

想咨询下大家,招标信息这个东西,有没有哪里能获取到所有的招标信息,或者哪些地方的加起来就是全部招标信息

完全不懂这块

每年,攻击者的登录技巧都在不断升级,能够更隐蔽地绕过本应阻止他们的防护环境。无论是窃取密码、重放令牌、劫持会话,还是OAuth授权诈骗,他们的攻击手段持续迭代,足以突破曾经被认为安全的身份验证方式。

这正是MFA令牌发挥作用的地方。MFA令牌能提供单纯密码无法实现的功能:真实的持有证明。然而,并非所有令牌的工作原理都相同,也并非每一种配置都能抵御现代攻击。

MFA令牌的实际工作原理

MFA令牌是第二种身份校验手段。密码验证你“所知”的信息,而令牌验证你“所持”的物品。

有时,这种令牌是一个可插入的小型密钥;有时,它是手机上生成六位验证码的应用程序。两种方式功能相同,只是实现形式不同。

以下是简单的流程拆解:

服务器与用户共享一个密钥(敏感凭证),该密钥安全存储在设备或令牌中。
令牌生成一个短期有效的验证码——通常有效期为30秒或60秒。
用户在系统提示时输入该验证码。
服务器将用户输入的验证码与自身计算得出的结果进行比对。
若两者匹配,登录流程继续。
即使黑客窃取了密码,也无法继续登录,因为他们没有生成登录授权验证码所需的令牌。现代MFA解决方案已将这种令牌流程直接整合到登录过程中,无论你使用的是生物识别、密码密钥还是传统的基于时间的一次性密码(TOTP)。
image.png

软令牌 vs 硬令牌

软令牌
软令牌应用程序依赖存储在用户设备中的共享密钥工作,会生成每30秒或60秒刷新一次的短期有效验证码。用户输入验证码后,服务器进行验证,验证通过即可完成登录。

这种方式操作简单,但安全增益显著。即使密码泄露,攻击者没有令牌也无法推进攻击。而且由于无需通过短信传输信息,SIM卡劫持或一次性密码(OTP)拦截的风险大幅降低。

软令牌示例:Google Authenticator(谷歌验证器)、ADSelfService Plus移动应用、Microsoft Authenticator(微软验证器)。

软令牌适用于远程员工、普通员工群体以及采用自带设备(BYOD)政策的企业。

硬令牌
某些环境需要更强有力的用户身份担保,这正是硬件令牌的优势所在。它们具备抗钓鱼能力,可完全离线工作,且作为独立物品由用户随身携带。

硬令牌示例:YubiKey(硬件安全密钥)、OTP密钥卡、智能卡。

硬令牌适用于生产车间、医院、关键岗位、高安全级别环境,或任何禁止使用手机的场所。

大多数组织依赖支持硬令牌和软令牌两种方式的企业身份验证工具,并根据岗位的风险等级灵活选用。这种方式可很好地覆盖一线员工、高管、承包商、远程用户等各类人群。

MFA令牌 vs OAuth令牌

MFA令牌是身份验证因素,包括基于时间的一次性密码(TOTP)、硬件密钥、推送审批和软令牌应用程序等,用于在登录过程中验证用户身份。

OAuth令牌是授权令牌,包括访问令牌、刷新令牌和身份令牌等,在身份验证通过后颁发,用于确定用户可访问的资源范围。

人们之所以容易混淆这两种令牌,是因为现代身份系统将这两个流程串联在一起。当MFA确认用户身份合法后,系统会颁发OAuth令牌,用于会话访问应用程序和API。

令牌窃取:威胁背后的深层威胁

攻击者不仅窃取密码,还会窃取令牌和会话。推送疲劳攻击、OAuth令牌滥用、Cookie窃取和重放攻击等,都能绕过传统的MFA配置。

这也是ADSelfService Plus等现代系统转向抗钓鱼、无密码MFA的原因。

构建合理的MFA令牌策略

如今已不存在单一的“最佳”MFA方式。不同的用户、设备和风险等级需要不同的解决方案。最安全的配置是融合多种令牌类型,在保障身份验证安全的同时,不影响用户的登录效率。

现代MFA令牌策略通常包括以下内容:

用于无密码登录的密码密钥(Passkeys)
彻底消除了最薄弱的环节——密码。无需担心密码被窃取、重复使用或钓鱼攻击,只需依靠安全的设备绑定身份验证即可完成登录。

作为日常备份的基于时间的一次性密码(TOTP)
验证器应用程序生成的基于时间的验证码即使在离线状态下也能使用,可可靠覆盖大多数员工的使用场景。

用于高可信度岗位的硬件令牌
安全密钥和OTP设备增加了物理防护层,几乎无法被篡改。非常适合管理员、高管以及受监管环境中的岗位使用。

仅作为应急选项的短信或语音验证
这类方式并非最安全,但能帮助没有智能手机的用户,或在其他所有验证方式失效时为用户提供登录途径。

适应实际风险的自适应MFA
现代MFA需要具备自适应能力。如果用户从可信设备、已知网络登录,系统会提供流畅的登录体验;如果系统检测到新设备、高风险位置、不可能的异地登录(短时间内跨远距离登录)或多次登录失败等异常情况,会自动强制启用更严格的验证因素。这一机制填补了静态MFA与实际威胁行为之间的差距。

用于敏感账户的抗钓鱼MFA
密码密钥、FIDO2密钥和基于WebAuthn的验证方式,可有效抵御重放攻击、MFA轰炸(频繁发送验证推送)和虚假登录页面攻击。所有特权账户或高影响岗位都应默认使用这类验证方式。

持续审计与风险评分
强大的MFA不仅在于强制启用验证因素,还在于持续监控登录模式、标记异常设备、检测令牌滥用和权限蔓延等风险点。

ADSelfService Plus如何强化你的MFA令牌策略

ADSelfService Plus不仅提供多样化的验证器选项,还围绕这些选项构建了完整的身份防护层——通过自适应MFA应对风险,适配不同团队的工作模式,确保访问权限实时更新。

无密码身份验证是这一策略的核心。用户无需密码,只需通过生物识别、FIDO2密码密钥、推送审批或TOTP即可登录,这意味着攻击者无法再依靠窃取或重复使用的凭证实施攻击。

基于条件的MFA增添了另一层智能防护。系统会根据多种访问条件对每次登录进行检查。若发现异常情况,会自动提升身份验证级别;若一切正常,用户可无缝完成登录,无需额外操作。

FIDO2密码密钥、微软验证器和硬件密钥等抗钓鱼验证因素,能保护高风险岗位免受令牌重放、虚假登录页面和中间人攻击的威胁。这些验证器还支持离线工作,对于一线团队、远程站点以及网络连接不稳定的用户而言至关重要。

针对日常使用场景,ADSelfService Plus通过软令牌提供灵活的验证方式。用户可通过ADSelfService Plus移动应用或第三方验证器生成TOTP,无论在线还是离线状态都能可靠使用,为用户提供简单、可预期的身份验证体验。

ADSelfService Plus的可视化功能,MFA报表会详细展示哪些用户注册了哪些验证器、登录失败发生在哪些场景、哪些账户出现异常模式。这种清晰的可视化能力让管理员能在薄弱环节演变为安全事件之前及时发现并处理。

图片

完善的MFA令牌策略通过密码密钥、TOTP、硬令牌和基于风险的检查,为用户身份提供可靠证明。当这些防护层协同工作,并能在发现异常时自适应调整,就能构建一个既能隐蔽拦截身份伪造攻击,又能保障合法用户流畅登录的系统。即使密码泄露或会话被劫持,强大的MFA令牌也能确保访问权限始终掌握在合法用户手中。借助ADSelfService Plus,构建更强大、以令牌为核心的MFA策略吧。

推广挺烦人,所以的找点乐趣,20 枚马年纪念币,今天很难抢到,溢价 70%了~~

抽奖时间: 一周后


奖品由老倔驴开户赞助,老倔驴开户选择多还靠谱,聚合几十家券商优惠,连接上百家营业部,已帮助 2000 人+,无一差评。

开户点这里: https://jue.lv/kh/V2/202601c (15+券商可选,开户有礼!)

友情提示:不因奖品而涉足股市,得不偿失!