铃阅时讯
❌

普通视图

用 7297 处理所有图片

2026年7月22日 23:42

原创 王建硕 2026-07-22 23:42 美国

傍晚,钻进一家新开的自行车店。 水泥地。几盆大绿植戳在石子堆里。一辆橙色的车斜靠在柱子边上。里面全是自行车,一辆比一辆漂亮。人往里一坐,就是舒服。 墙上挂满了配件。车铃、坐垫、车包、袜子,五颜六色一整面。玻璃柜里立着几辆…

这些照片仅仅是为了演示一下,编辑文章的时候,对着文章说一句:

    请用 7479 处理所有图片

    文章里所有的照片就统一变成波普漫画风格了。社区里已经贡献了几十个滤镜,题图、插画、风格转换,现成的,直接拿来用。

    比如这个 5916,就可以做出来这样的公仔:

    点击「阅读原文」可以试用

    阅读原文

    跳转微信打开

    非功能性需求 (NFR) 是 AI 生成代码缺失的“护栏”吗?

    2026年7月22日 19:00

    Thoughtworks 2026-07-22 19:00 北京

    非功能性需求——这个可以说是我们行业中一直以来最被低估的产物——能否成为 LLM 生成系统的重要护栏。

    在瑞士“未来软件开发务虚会”最近的一次开放空间交流中,一个问题引起了我的思考:非功能性需求(Non-functional requirement)——这个可以说是我们行业中一直以来最被低估的产物——能否成为大语言模型(LLM) 生成系统的重要护栏?也许它们可以,而且现在正是采取行动的最好时机。

    LLM 功能陷阱

    功能 ≠ 生产就绪

    给一组 LLM 智能体提供一系列功能提示词,它们就会交付成果。过程很神奇、高效,甚至很可能非常详尽,超出你的要求。代码生成了,部署了,运行了。起初一段时间内一切看起来都很完美;接着,非功能性层面的裂痕就开始出现了。

    我在各种规模的组织中都目睹过这种情况的发生:系统在功能上是完整的,但在运维上却极为脆弱。响应时间在负载下急剧下降。从未被指明因此也从未被执行过的安全态势。没有人在模型提示词中提及,因此也未被纳入考量的合规性要求。从第一个提示词起就已固化,且之后再也没有被重新审视过的可扩展性假设。关于成本和效率的担忧甚至连一秒钟都没有被考虑过。

    现在的问题并不是说 LLM 无法纳入非功能性需求,而是它们不会去提前推断出这些需求。它们为什么要这么做呢?其实我们在手工构建软件时,也很少会提前考虑这些。我们的偏见也是它们的偏见。大家在盲点上如出一辙。

    高管成为“驾驶员”

    有一种特殊的动态正在加速这个问题的产生。现在有相当一部分高管正在进行“氛围编程”。他们通过提示词构建出了可运行的原型,其中许多看起来令人印象深刻。基于此,再加上他们过去作为程序员时仅存的一点记忆,他们得出了一个结论:生成生产级别的系统简直太容易了。

    这种体验也并非完全具有误导性。功能确实出现得很快,而且数量很多。这是我们首先要求的东西;也是那些系统存在的理由。但没有出现的(除非你明确且额外指定)是所有填补在缝隙中的东西:可靠性、性能边界、安全模型、合规态势。在一个演示中令人印象深刻的原型,和一个在生产负载下能够支撑业务的系统,完全是两码事。将两者混为一谈的高管正在接受基于不完整图景的隐性架构决策,而他们手下的团队则被迫留下来收拾烂摊子、管理这个差距。

    为什么这种情况不断发生?

    不幸的是,我们正在经历的不仅仅是非功能性需求规范方面的差距;这个问题要根本得多。长期以来,我们中有太多人认为正确的非功能性特征会从优秀、整洁的代码中自然有机地产生。或者,如果没有产生,我们认为可以在最后开发末期再把它们“加进去”。我们总是用“它们属于测试阶段,而不是规范/设计阶段”的谎言来安慰自己。

    这些都不是真的;事实上,从来都不是真的。NFR 中的“R”代表的是“需求”。你必须一开始就考虑并指定它们,否则你最终也不会得到它们。

    需要澄清的是,有些非功能性需求是不可能提前指定的,例如可用性的服务级别目标。但我们可以在开始阶段做足够多的工作,以了解这些需求可能处于什么量级/范围之内,以及在多如牛毛的 NFR 类别中,哪些将成为我们系统的核心。

    LLM 辅助开发并没有改变这一逻辑,但它确实放大了忽视这一逻辑的后果。当开发人员没有考虑到性能限制时,你有望在代码审查中发现它。但当模型在生成的一万行代码中跳过这些限制时,你只能在生产环境中才发现它出了问题。

    “将非功能性需求(NFR)纳入编码系统所需的投资成本从未如此之低。而潜在的回报——能够刻意且主动满足其可靠性、安全性和性能义务的系统——也从未如此之高。”

    —— Andrew Harmel-Law,Thoughtworks 技术总监

    隐藏在眼前的机会

    综合来看,我认为我们正处于构建系统方式发展演变中一个激动人心的节点,因为在系统中实现和平衡 NFR 的成本已经大幅下降。如果你能用精确的、可测试的语言来描述系统的质量要求,LLM 就可以将它们直接编码到架构、测试和部署配置中。

    这是一个杠杆点。将 NFR 纳入编码系统所需的投资成本从未如此之低。潜在的回报也从未如此之大。

    这里有两种趋势在交汇。一方面,单元测试的相对重要性似乎在下降,因为 AI 生成使得它们生产成本极低且容易应付;另一方面,以测试工具为形式的更高层级测试正变得越来越有价值,因为它们验证的是业务行为和意图,而不是底层实现。将非功能性需求表达为可测试断言的可执行规范,完美契合这第二种领域。

    有了这些,现在的“行走骨架”就可以成群结队地出现了。你可以并行启动多个候选架构,让它们通过 NFR 测试工具的检验,并最终选择那些能够恰当平衡我们最重要非功能性需求的架构版本。这是一种以前根本无法达到的架构迭代速度,在这种迭代中,我们可以清晰地阐述那些真正重要的关键质量属性。

    将 NFR 的范围限定在架构上:一刀切行不通

    我们不需要满足于这种在整个系统上生硬地“一刀切”套用 NFR 的做法。在 NFR 工作中最昂贵的错误之一,就是在需求实际上只适用于部分系统时,却将其统一应用到整个系统中。LLM 可以帮助你避免这种情况,但是,前提依然是你提出了正确的问题。

    亚马逊并不希望他们所有的系统都符合 PCI 合规标准,他们只需要那些处理支付数据的子系统符合 PCI 标准即可。更重要的是,让那些系统从其他所有系统中清晰地分离出来(具有真实、明确且有防御能力的合规边界)会让他们获益良多。同样,一家保险经纪公司的 SaaS 平台也不需要在每个角落都去应对峰值负载进行设计。报价引擎需要在新产品发布时应对流量激增;但历史文档归档系统几乎肯定不需要。

    精确界定范围并不会削弱你的 NFR,反而会强化它们。一个你有能力进行实际测试和执行的、边界清晰的合规要求,远比一个在各处被悄悄侵蚀、形同虚设的“全面义务”更有价值。

    正确界定 NFR 范围本身就是一种架构行为。它迫使你清晰地思考系统的哪些部分承担着哪些质量义务,并据此划定边界(我认为这应该是领域边界)。LLM 在帮助凸显这些区别方面出奇地擅长。你可以要求它们识别“在提议的架构中,哪些组件承载了某个特定的 NFR”,你通常会得到一个非常有用的初稿。关键在于,这些边界随后必须在架构中被强制执行,而不仅仅是在文档中被口头声明。

    通过架构决策记录(ADR)使权衡可见化

    正如我已经建议的那样,每一个重要的 NFR 都涉及权衡。选择高可用性意味着在某些地方要接受“最终一致性”。针对低延迟进行优化通常意味着更高的基础设施成本。加强安全控制会给开发人员的工作流程增加摩擦。这些都不是设计的失败;它们恰恰是设计的本质。问题在于,当这些权衡保持隐性、未被记录时,对任何没有在做决定时在场的人来说,这都是个大问题。

    架构决策记录(ADR)是使这些权衡变得明确且可追溯的正确机制。一份引用了处于冲突/拉扯状态的特定 NFR 的 ADR(例如,记录下 99.95% 的可用性需求与严格的数据一致性需求之间的冲突),能够清楚记录系统为什么会设计成现在的样子。未来的架构师、审计员以及帮助扩展该系统的 AI 模型,都会从这种明确的上下文中受益。

    这是 LLM 能产生直接价值的领域。给定一组 NFR 和一个建议的架构方法,它们可以起草 ADR,阐明权衡,并标记出存在冲突的需求。最终的判断权仍然属于人类,但是编写文档的负担被大大减轻了(而嫌麻烦通常是 ADR 没有被写下来的核心原因)。

    NFR 是连接战略和系统的结缔组织

    每一个架构权衡的背后都应该是技术战略。而在技术战略背后,则应该是产品或商业战略。在实际工作实践中,这些关系往往是靠默认和假设的,而不是明确表达出来的。NFR 是这个逻辑链条必须变得具体的少数几个地方之一。

    试想一下,将“快速市场扩张”作为优先事项的商业战略意味着什么。这个决定会直接带来 NFR 方面的影响:对最终一致性的更高容忍度、更激进的可扩展性要求、极低的初始安全投资(计划在以后再进行强化)。或者是一个围绕“严格监管市场”建立的战略:合规性和可审计性变成了承重的 NFR,并直接塑造了下游的每一个架构选择。

    就像 NFR 本身一样,这些关系并不总是互补的。技术战略和商业战略之间可能存在真正的紧张关系。例如,一个追求快速推向市场的产品团队,和一个坚持采取减缓发布周期的安全控制措施的安全部门,他们之间的冲突绝不仅仅是没有沟通好的问题。它们可能代表了没有在正确管理层级上得到解决的真实战略冲突。NFR 会使这些冲突浮出水面。当你可以通过可测试规范中的“架构影响”,看到哪些商业目标在相互拉扯时,你就有了可以带回到管理层圆桌上的东西,去解决一开始造成这种紧张关系的根本战略问题。

    在 AI 辅助开发的世界里,这或许是认真对待 NFR 的最深层价值所在。你不仅能获得更好的系统(尽管你确实会得到),更能得到一幅关于组织战略如何在你们构建的产品中真正体现出来的,更清晰、更诚实的图景。

    将 NFR 作为强制性约束的六种方法

    综上所述,为了将 NFR 融入到传递给 LLM 的规范中,你现在可以采取哪些具体步骤呢?

    1识别关键用户角色及其对质量的期望

    不同的用户对 NFR 的体验是不同的。交易台操作员和内容编辑人员对延迟的容忍度截然不同。从项目第一天起就在你的规范中明确这一点。

    2明确梳理权衡滑块

    可用性 vs 一致性。性能 vs 成本。安全性严格程度 vs 开发者速度。只要你主动提出要求,LLM 可以系统地引导你了解这些权衡。请将这一步构建到你的前期架构流程中,而不是事后的回顾会议中。

    3将监管和法律框架转化为可测试的规范

    GDPR、SOC 2、PCI-DSS 不是抽象的义务,它们是可以表达为可执行测试的精确要求。让 AI 模型来做翻译工作;要求它们将其重新阐述为可测试的规范。然后让你的安全/法律专家来验证结果。

    4从经过验证的典范中逆向工程推导隐性 NFR

    行业基准服务(比如主流云服务提供商现有的 SLA)编码了数十年来得之不易的质量思想。用 LLM 提取这种思想,再次将其明确为可测试的规范,并以此来设定你自己的团队基准。

    5直接根据 NFR 生成测试夹具和测试工具

    如果一个需求被指定得足够精确且可测试,它就可以被用来生成测试数据和流水线配置。实现规范和验证之间的闭环。不要把它留作一个纯手动的步骤。

    6生成符合真实形态的测试数据集

    这里的真实包括静态数据、请求的形态和组合。针对空数据库,用单一有效负载反复攻击单个端点的性能测试并不能说明什么。另一方面,反映真实世界流量分布、并针对目标真实静态数据库的测试,能为你系统是否能够抗压提供更多信心。NFR 为你提供了推导出这种真实性的规范依据,而一旦这些需求清晰了,LLM 就可以完成大部分的数据生成工作。

    架构师和 CTO 们现在需要做什么

    那么,作为一名资深技术人员,你现在可以开始做些什么呢?

    首先,无论你的资历如何,请停止将 NFR 视为 QA 部门的专利或上线后的优化工作。请将它们指定为任何 AI 辅助开发计划的“准入标准”。如果一个团队在开始写提示词让 AI 写代码之前,无法清楚阐述他们正在构建的事物的可靠性、性能、安全性和合规性概况,那么他们就还没有准备好开始写提示词。

    如果你是一位一直自己亲自尝试 AI 编程的高管,体验过看着一个能运行的原型在几分钟内被生成的快感,那么你这种倾向于快速行动的本能是一项极佳的资产。但是,一个令人信服的演示 DEMO 和一个坚固的生产系统之间的巨大鸿沟,恰恰就是 NFR 的栖身之所。能够正确处理这一问题的组织,将是那些能把这种开发速度应用在已被妥善定义好 NFR 规范的系统上的组织,而不仅仅是应用在那些表面光鲜的演示上。你也最有机会了解你的系统需要体现的关键非功能性目标。弄清楚这些,并帮助你的团队将它们转化为可以验证代码质量的规范。未来的你一定会感谢现在的自己。

    工具已经准备就绪。做好这件事的成本比以往任何时候都要低。现在唯一的问题在于,你的组织究竟是把非功能性需求当成严肃的架构产物来认真对待,还是继续抱有幻想,指望它们会像变魔术一样自动出现在 AI 生成的代码中?

    它们不会自动出现的;过去从来没有过。

    作者:Andrew Harmel-Law

    跳转微信打开

    【第3732期】不必转投 jj,git history 让历史重写变得安全又优雅

    2026年7月22日 09:00

    Lalit Maganti 2026-07-22 09:00 日本

    git history 命令值得更多关注

    前言

    git 2.54/2.55 新增了 git history 命令,提供 fixup、reword、split 三个子命令,可原子性地修改历史提交并自动变基相关分支,无需切换工具就能获得 jj 的部分核心体验。

    今日前端早读课文章由 @Lalit Maganti 分享,@飘飘编译。

    如果用于解决实际工作中的 并行开发多特性分支且需频繁修正历史提交 问题,最值得借鉴的一点是:善用 git history fixup 跨分支自动重写提交,避免人工逐个分支进行手动的 rebase。

    译文从这开始~~

    在 git 中同时处理大量并行改动是件痛苦的事。你不得不在各个分支和提交之间来回腾挪,还要运行那些令人胆战心惊的 rebase -i命令 —— 稍有差池,整个工作树就可能陷入半崩溃的状态。

    jj 是 git 的一个替代方案,近来讨论度颇高,常被推崇为解决上述问题的良方。我完全认同 jj 试图解决的那些痛点,但它的解决方式始终没有真正打动我。过去一年半里,我每隔三个月就会花几天时间试用它,真心想把它融入自己的工作流,但最终总是放弃,回到 git 的怀抱。

    这就轮到 git history 登场了。这是一个实验性命令,分两个版本发布:2.54(四月,包含 reword 和 split 子命令)和 2.55(六月,包含 fixup 子命令)。每次发布当天都会引发一阵热议,但据我所知,此后社区就鲜有讨论了。这实在可惜,因为在我看来,它已经能提供人们推崇 jj 时所列举的诸多优势,而且无需彻底改变你的工作流。更妙的是,它是 git 核心发行版的一部分,无需额外安装任何东西就能尝试。

    它包含三个子命令:fixup、reword 和 split。

    fixup

    git history fixup修复了那个存在问题的旧提交,并自动将所有分支重新基于该提交进行分支重构,以使其保持一致。

    你像往常一样用 git add暂存修复内容,然后运行 git history fixup <commit>将暂存的改动合入目标提交。这相当于 git commit --fixup加上自动压缩变基,但额外的精妙之处在于,它还会更新所有包含该提交的其他分支。

    这一点比 git rebase --update-refs走得更远 —— 后者只移动你当前正在变基的范围内的引用。而 git history会找到并重写所有从该提交派生出的本地分支(同时也提供了仅限当前分支的选项)。另一方面,它在存在合并提交的情况下无法工作,对于某些 git 使用场景来说,这会是一个硬伤。

    下面是实际操作示意:

    执行前,已暂存了对 B 的修复:

    提交 A、B(有 bug)、C 位于 feat-1 分支,D 位于 feat-2 分支,呈线性排列,暂存的修复位于顶端 D 之上。

    执行 git history fixup B之后:

    fixup 后:A 不变;B(已修复)、C 和 D 以新哈希重写,feat-1 和 feat-2 分支指针随之移动。

    B*已经包含了修复的补丁。重写提交会产生新的哈希值,因此 C 和 D 会自动在其上重建为 C*和 D*,feat-1 和 feat-2 的分支指针也随之跟进。

    所有三个子命令最重要的共同特性是原子性:它绝不会让你的工作树处于半崩溃的状态。它通过拒绝任何可能产生冲突的操作来实现这一点。

    需要明确的是,这在功能上严格弱于 jj。jj将冲突视为一等公民,因此可以在变基过程中保留冲突状态,让你事后再行处理。git history 目前还做不到这一点,但文档中留下了开放的可能:

    "这一限制是刻意为之的设计,因为历史重写操作并不打算具有状态性。一旦 Git 学会处理一等冲突(如果有那天的话),这一限制便可以解除。"

    所以基本上,这个限制未来可能会改变 —— 很期待看到那一天的到来!

    reword

    git history reword用于更新旧提交的提交信息,并自动变基其上的所有内容。当你在迭代过程中设计发生变化,需要回头修改提交信息时,这个命令非常实用。

    git history reword <commit>会打开编辑器,显示该提交的现有信息。你编辑保存后,整个提交栈会在其上重建,分支指针也随之跟进。它和 fixup 的工作方式如出一辙,只不过改的是提交信息而非文件内容。

    由于只修改信息,reword(以及后面的 split)完全不会触碰你的暂存区或工作树;它纯粹在提交图上操作。因此,这两个命令都允许你重写一个未检出分支上的提交,而不会打扰你手头正在进行的工作。

    执行前:

    提交 A、B(信息为 "fix bug")和 C 位于 feat-1 分支。

    执行 git history reword B之后:

    reword 后:A 不变;B 以新信息 "fix null deref in parser" 重写,C 在其上重建。

    只有 B 的信息发生了变化,但这仍然会产生一个新哈希,因此 C 会在其上重建为 C*,feat-1 也随之跟进。

    split

    git history split将一个提交拆分为两个,通过交互式选择来决定每个提交包含哪些内容。它相当于 git add -p,但无需配合 git rebase做各种体操动作。我发现它是三个子命令中最专用的一个,但在需要时堪称无价之宝。

    具体来说,git history split <commit>会逐块展示该提交的 diff,让你逐一选择。你保留的代码块构成第一个提交,其余的归入第二个。

    执行前,B 中混杂了两个不相关的改动:

    提交 B 包含两个不相关的改动,位于 feat-1 分支上 A 和 C 之间。

    执行 git history split B之后:

    split 后:A 不变;B 被拆分为 B1 和 B2,C 在它们之上重建为 C*。

    B 变成了 B1 和 B2,C 在这对提交之上重建为 C*。

    结语

    从 jj 的使用人数来看,我认为确实存在某种关键的思维转变是我尚未完成的。而且需要说明的是,git history 并没有完全弥合两者的差距:jj 仍然提供了带有便捷撤销功能的操作日志、将工作副本建模为提交、以及在变基过程中保留冲突的能力,这些都不是 git history 试图做的事情。

    但就目前而言,git history 在吸纳那些吸引人们转向 jj 的诸多特性方面迈出了一大步,而且它已经内置在我每天使用的工具中。从文档的写法来看,我有理由期待后续版本会带来更多改进!

    关于本文
    译者:@飘飘
    作者:@Lalit Maganti
    原文:https://lalitm.com/post/git-history/

    这期前端早读课
    对你有帮助,帮” 
    赞 “一下,
    期待下一期,帮”
     在看” 一下。

    阅读原文

    跳转微信打开

    【开源】既简单又强大的版本控制系统:jj

    2026年7月22日 09:00

    原创 情封 2026-07-22 09:00 日本

    一个既简单又强大的版本控制系统,兼具独立设计的先进特性,且原生兼容 Git 存储后端。

    📌 项目:jj-vcs/jj (Jujutsu)

    Jujutsu (jj) 是一个原生兼容 Git 的新一代版本控制系统,通过自动保存修改、将冲突保存为 Commit 以及全量撤销操作,彻底消除了 Git 暂存区(Index)与复杂的冲突重试负担。

    项目地址:https://github.com/jj-vcs/jj

    🧩 核心作用

    Jujutsu(命令行工具为 jj)是一个既简单又强大的版本控制系统,兼具独立设计的先进特性,且原生兼容 Git 存储后端。

    ❗ 解决的核心问题

    传统的 Git 在日常开发中存在工作区暂存区(Index)概念繁琐、分支切换与变基(Rebase)容易中断、冲突处理复杂且难以恢复等痛点。Jujutsu 通过以下机制解决这些问题:

    • 工作区即 Commit:取消暂存区和 stash 概念,对文件的修改会自动增量提交并修正,无需频繁手动 commit 或 stash。

    • 冲突作为一等公民:允许将冲突直接记录在 Commit 中,即使有冲突也可以继续合并或变基,后续统一解决。

    • 全量操作日志与撤销:记录所有仓库操作(包括 pull/push/rebase 等),支持一键撤销(Undo),大幅降低误操作风险。

    • 自动变基(Auto-rebase):当修改历史 Commit 时,其所有后代提交会自动完成 rebase 和冲突传播。

    👥 适用人群

    • 觉得 Git 命令行体验复杂、暂存区和历史重写(Rebase)门槛高的开发者。

    • 需要频繁重构历史、进行 “基于 Patch” 开发工作流的高级开发者。

    • 希望在保持现有 Git 远程仓库(如 GitHub/GitLab)协作的前提下,提升本地版本控制效率的工程团队。

    🔍 关键特性

    • Git 高度兼容:使用 Git 仓库作为物理存储层,可无缝对接现有 Git 远程服务及相关工具。

    • 匿名分支与简洁 UX:不必为每一个微小的修改专门创建分支名称。

    • 强大的撤销机制:提供完备的操作日志(Operation log),随时恢复到过去的仓库状态。

    • 并发与分布式安全:针对 Dropbox 或 S3 等同步环境进行了容错设计,不会因并发读写导致仓库损坏。

    🚀 快速了解建议

    1. 访问 Jujutsu Homepage 阅读 README 中的项目介绍与设计理念。

    2. 按照官方文档中的 Getting Started 指引完成安装并尝试 Tutorial,体验 jj的工作流。

    3. 如果已有 Git 使用经验,可优先阅读 Git comparison 了解 jj与 git命令的对应关系。

    阅读原文

    跳转微信打开

    30 分钟搞定个人情报站:Viking AI 搜索让前沿资讯实时推到面前

    2026年7月21日 17:30

    原创 Viking 2026-07-21 17:30 北京

    小 V 是那种"永远在追新"的开发者。

    每天早上到公司,泡好咖啡打开电脑的第一件事,就是依次点开一长串书签栏:GitHub Trending 看看今天又冒出来什么新星项目,arXiv 刷一下最新的 AI 论文摘要,几个常看的技术博客要走一遍,各大厂的产品更新公告不能漏,还有几个微信群和社区论坛里也总藏着一手讨论。

    起初他觉得这是自己的信息优势——比别人更早知道新工具、新论文、新方向。那种"我又发现了一个宝藏项目"的兴奋感,但慢慢的,事情开始变味了。

    浏览器的标签页越开越多,经常一抬头就是十几个窗口挤在上面,想找昨天看到的那篇文章,翻半天收藏夹也想不起来存在了哪个文件夹里。更糟的是,真正有价值的线索开始被淹没:上午看到的一个有意思的开源项目,下午就被新的论文和产品动态冲得没影了;上周标记"周末仔细读"的深度文章,到了周末连标题都记不清。他像个在信息海洋里徒手捞鱼的渔夫,网撒得越来越大,真正捞上来的有用东西却越来越少。

    他想要的其实不是另一个更整齐的收藏夹,也不是把所有资讯简单堆到一个页面里。他真正想要的,是一个属于自己的"前沿技术雷达"——新内容进来时,能按他关注的方向自动分拣、主动推荐;想深挖某个方向时,可以直接搜;看到一条线索想继续追问时,还能顺着往下聊。

    如果从零开始搭这么一套系统,想想就头大。数据源要一个个接,爬虫要自己写,清洗规则要慢慢调,索引要建,推荐算法要配,问答能力还得接上大模型。最麻烦的是,这东西不能是一锤子买卖——今天导入的数据是新鲜的,过三天不更新,雷达就变成了旧闻仓库。

    他不是没尝试过自己解决。试过用 RSS 阅读器把所有源聚在一起,结果只是把"开十几个标签页"变成了"在一个超长信息流里往下刷",信息噪音一点没少;也试过周末花半天时间写爬虫、搭 ES、做简单的关键词匹配,折腾完才发现,光是维护各个网站的爬虫规则就够喝一壶,更别说推荐和问答了,最后还是得回到手动刷的老路上。

    直到他偶然发现了一套组合:Viking AI 搜索及其搭配专门为 Agent 打造的智能体工具 SearchCLI。

    Viking AI Search 本身是一个开箱即用的智能搜索服务,你把数据接进来,就能直接获得完整的搜索、推荐、问答一体化体验——不用自己从零搭一套搜推系统,也不用分别对接多个服务,这三种能力是天然打通的。而 SearchCLI 就是专门给 Agent 和开发者准备的工具。它把从环境配置、数据接入到任务监控的整套流程都封装好了,小 V 完全不需要在这些底层环节分心——SearchCLI 会引导 Agent 精准爬取他关心的内容、完成数据清洗和结构化,再通过自带的 Connector 增量同步能力自动完成后续工作。从首批数据入库到后续新内容的持续更新,整个过程都是自动流转的:新内容一到位,就会顺滑地进入 Viking AI Search 完成索引,全程无感,不需要任何手动操作。

    小 V 本来以为要折腾一整天,没想到跟着 Agent 的引导走,整个流程三步就走完了。

    第一步:装好工具

    没有复杂的前置配置,也不用先研究半天产品文档。小 V 做的第一件事,就是把安装指令直接发给 Agent,让它自己把 SearchCLI 装好、配好。

    复制这句话给 Agent:

    “帮我按照这个安装文档,在我的真实终端里安装 SearchCLI,并在安装完成后执行 vs --help 确认>可用:https://github.com/volcengine/SearchCLI/blob/main/docs/install-guide.md”

    工具装好后,只需要去火山引擎官网获取一组 AK/SK,作为接入 Viking AI Search 的鉴权凭据就可以了。

    如何获取 AK/SK:

    点击 火山 AI 搜索首月体验版(https://console.volcengine.com),注册火山账号,获取 AK/SK 即可体验产品功能,首月仅需 9.9 元 🥰

    等安装和鉴权都跑完,小V又让 Agent 确认了一遍 SearchCLI 的可用状态,确保后续数据接入的路是通的。

    复制这句话给 Agent:

    “已经安装 SearchCLI,如何使用?”

    这一步花了不到十分钟。小 V 没敲几行命令,甚至没怎么看文档,基础环境就全部就绪了。

    第二步:接入数据

    环境准备好之后,就到了最核心的一步:把他关心的内容接进来。

    他还是没填任何配置表单,只是像提需求一样,把自己想追踪的内容和更新频率告诉了 Agent:哪些来源、要什么主题、多久更新一次。剩下的事都不用他管—— SearchCLI 会引导 Agent 完成数据爬取、清洗和结构化,再通过 Connector 自动把数据同步进 Viking AI 搜索,爬虫调度和增量同步都会在后台自动跑起来。

    复制这句话给 Agent:

    请帮我启动一个定时爬虫任务,配置规则如下:从当前时间开始,每三天执行一次爬取任务,具体爬取内容包括:

    1. 获取最近3天内微信公众号平台中浏览量较高的关于AI应用产品的推文

    2. 获取最近3天内各大互联网厂商发布的AI模型和AI产品相关的最新产品报告文档

    3. 在arxiv平台获取最新发布的关于 SparseAttention 主题的前20篇论文

    完成爬取后,将所有获取到的内容正确导入到 Viking AI 搜索系统中

    看着数据一条条流入系统,小 V 意识到,以前最让他头疼的数据接入问题,居然就这么无声无息地解决了。他不用为每个数据源写单独的接入脚本,也不用第一次导入完就担心下次更新怎么办——从首批数据入库到后续定时抓取的新内容,整个流转都是自动的。

    他也完全不需要自己写监控、查日志,想确认链路状态的时候,只要问一句 Agent,就能看到爬虫是不是在正常跑、数据有没有持续同步进来,整个过程透明可控。

    复制这句话给 Agent:

    “帮我查看当前爬虫任务、Connector 数据接收任务,以及 Viking AI Search 导入任务的状态。”

    爬虫调度器在后台稳稳跑着,Connector 的同步游标在慢慢往前走,每一批新爬回来的内容都会被自动送进 Viking AI Search 建好索引。他不用再操心"今天有没有新内容进来"这件事了。

    第三步:体验产品

    等第一批数据索引完成,小 V 很快就使用 Agent 搭出了属于自己的前沿技术雷达页面。

    Viking AI Search 已经把最核心的三种能力都准备好了——个性化推荐、全文语义搜索、多轮智能问答,这三种能力是天然打通的。Agent 只需要基于这三个接口做一层简单的前端封装,就能快速搭出一个能用的业务入口:每天打开能看到按关注方向推荐的新内容,想找特定主题可以直接搜,有疑问还能基于入库内容直接提问。

    问答能力尤其让人惊喜。看到推荐里感兴趣的内容,不用自己点进去逐篇读,直接提问就能获得基于全量入库内容的整理回答,系统还会标注参考了哪些来源,既能快速拿到结论,也能点进原文深挖细节,还支持多轮连续追问。

    想定向找某个方向的内容时,搜索体验也很顺滑。不管是搜技术关键词、论文标题还是产品名称,都能基于语义理解找到相关内容,而不只是简单的字符串匹配,找资料的效率比翻十几个标签页高太多。

    坐在电脑前看着自己的技术雷达真的跑起来——新的论文已经入库,推荐列表里出现了他关心的方向,随便问一个问题都能得到有条理的回答——小 V 还有点没反应过来。

    从他在对话框里敲下"我想做一个自己的前沿技术雷达"开始,到装完工具、配好数据源、第一批内容自动同步完成、搜推问三个能力全部能用,满打满算才过了三十分钟。

    放在以前,光是搭数据接入、写爬虫、调索引这几件事,可能就要花掉他一整个周末,更别说后续还要维护爬虫、更新数据、接问答能力。而现在,他甚至没怎么敲命令,也没去研究复杂的搜索技术文档,只是把自己想要什么说清楚,整条链路就跑通了。

    省流总结

    回头看整个过程,小 V 其实没有做什么复杂的开发工作。他既没有从零搭一整套搜推系统,也没有花几周时间写爬虫、调索引、对接模型。

    他做的所有事情,就是把自己的需求讲清楚:我想要一个每天自动更新的前沿技术雷达,持续追踪这几个方向的新内容。剩下的事情,Agent 负责把需求落地成实际的爬取和清洗任务,SearchCLI 引导 Agent 走通全流程并通过 Connector 自动完成数据同步,Viking AI Search 在背后承接搜索、推荐、问答的全部核心能力。

    这条路最大的价值,不是"什么都不用做",而是把原来分散在各个环节、卡了开发者很久的脏活累活,都整理成了一条顺滑的路径。尤其是数据接入这个最大的门槛被彻底打平之后,你不用再在基础设施上耗几周时间,从想法到一个真正能用、会自己更新的产品入口,只要三十分钟。

    立即体验:让关心的内容自动来到你面前

    如果你也在做技术资讯聚合、企业知识库、内容推荐、智能客服或开发者工具,想把持续变化的数据变成可搜索、可推荐、可问答的真实体验,不如现在就从 Viking AI Search 和 SearchCLI 开始试一试。

    别让每天出现的新线索,停在散落各处的信息源里。

    把你真正关心的内容持续接入 Viking AI Search,让新的发现每天主动来到你面前。

    跳转微信打开

    “资深专业机构投资者”首个上市样本的背后:高瓴与泰诺麦博的五年同行

    2026年7月21日 10:57

    高瓴时间 2026-07-21 10:57 北京

    五年同行,陪伴创新药从临床走向市场

    今日,珠海泰诺麦博制药股份有限公司正式登陆上海证券交易所科创板,股票代码688806。

    这次上市有一重特别的意义:泰诺麦博是A股科创板“资深专业机构投资者”制度落地后的首个案例,随着公司登陆科创板,这项新制度也迎来首个上市样本。

    从2021年在核心产品临床一期阶段投资,到2026年公司上市,高瓴陪伴泰诺麦博走过五年。早在2021年,高瓴就参与了泰诺麦博A轮融资,投资金额1亿元。彼时,泰诺麦博还没有获批上市的产品,也没有药品销售收入,核心产品斯泰度塔单抗尚处于临床一期。

    创新药的价值,往往需要经过长期研发和临床验证才能被真正看见。一款药物从早期研发走向临床,再到获批上市和商业化,需要跨越漫长的验证周期。真正重要的,是团队能否持续解决研发、临床、生产和产业化中的一道道难题,也考验投资人能否在结果尚未确定时保持耐心。

    泰诺麦博成立于2015年,长期专注于全人源单克隆抗体药物的研发、生产和商业化,聚焦抗感染疾病及血液制品替代疗法。公司创始人廖化新博士从事病毒学、免疫学、病毒疫苗及宿主体液免疫反应研究四十余年。从临床一期到产品获批,从研发投入到商业化起步,泰诺麦博走过的,也是一家创新药企业把科研成果逐步转化为临床产品的过程。

    2025年7月,泰诺麦博成为科创板第五套上市标准重启后首家获得受理的企业。根据上交所相关规则,公司认定高瓴为资深专业机构投资者,这也是该制度实施后的首个案例。

    “资深专业机构投资者”的认定制度,不仅考察机构过往的科技投资经验,也关注其进入企业的阶段、持续持股时间和合规独立性。

    高瓴对泰诺麦博的投资始于A轮和核心产品临床一期阶段。早期判断的背后,也离不开长期积累的专业经验:高瓴近五年已有赛分科技、山外山、微导纳米、药康生物、普源精电、翱捷科技、纳微科技、北芯生命、长进光子等十多家被投科技企业登陆科创板。

    从临床早期进入,到跨越五年周期持续持有,再到一系列可验证的科技投资记录,高瓴与泰诺麦博的同行,也让“资深”和“专业”有了更具体的落点。

    Hillhouse

    高瓴项目负责人表示:

    创新药投资的价值,往往需要经过较长时间才能被验证。2021年投资泰诺麦博时,全球首款新一代破伤风针——全人源抗破伤风单抗——斯泰度塔单抗还处在临床一期,RSV全人源单抗芮特韦拜单抗处于临床前阶段。我们看重的是公司团队在全人源抗体领域多年的技术积累,以及围绕未满足临床需求持续推进产品转化的能力。过去五年,高瓴陪伴公司走过临床开发、产能建设、产品获批和商业化起步等关键阶段。创新药研发是一项需要长期坚持的事业,我们也期待更多真正解决临床问题的创新成果,能够最终惠及患者。

    祝贺泰诺麦博登陆科创板!

    跳转微信打开

    人生周报v082:化繁为简

    2026年7月20日 21:40

    原创 李继刚 2026-07-20 21:40 北京

    「欲言不敢语」

    《剑来》里,陈平安遇到眼前一亮的句子,会一笔一画刻在竹简上,时不时拿出来晒晒太阳,翻拣重读。

    以陈平安为师,我想记录一下每周在这世上遇到的好句子。

    每周读到的好句子,收下来晾一晾 —— 是以有「读」。

    心里总有话忍不住想对这个世界讲,—— 是以有「说」。


    读

    The older I get, the more I realize that intelligence is mostly the ability to notice what everyone else has accepted.

    X @MoZarrinsadaf

    Your work should feel like art, and your workplace like a playground.

    If not, make it so.

    X @MoZarrinsadaf

    AI 时代最大的技术债,不是烂代码,而是那些本不该被实现的念头

    生成成本一旦归零,建造冲动就会冒充创造力

    X @bitfish

    ideal prompting technique is:

    • thin prompts

    • thick artifacts + context

    • thin skills

    X @trq212

    The “original” is a myth. Everything is a remix.

    X @MoZarrinsadaf

    对他者的贬低和轻佻并不会带来自我的崇高。

    即刻 @哈雷 Halley

    咨询交付的是“框架”和“视角”,教练交付的是“过程”和“习惯”。

    即刻 @菁财资本-葛贤通 Ksir

    :什么是“尽人事而听天命”?

    :做大概率正确的事,然后尊重它的随机性。

    即刻 @ChatV

    人只能互相筛选,偶尔被影响,不会被改变

    包括分享最终都是“有缘者得”

    即刻 @瓦恁

    人生最顶级的心态,不是拼命也不是坚持,而是两个字:允许。

    即刻 @一个少女嘟嘟

    真正的 bitter lesson 是,所有的主观判断都会被无情的客观现实碾压。

    所以人生就是一个不断客观的过程。

    即刻 @海松

    说

    一个人遭遇了自己的有限,知道自己无法完全理解另一个人,也无法被另一个人完全理解,却仍然选择向他人靠近。

    他不再藏身于正确、客观或含混的表达之后,而是承认自己的欲求,坦陈自己的选择,也不把选择的责任推给任何人。于是,那个不可替换的「我」,便站在他所说的每一个字背后,为自己的言说作证。

    真正的相遇,不是两个人终于消除了彼此之间的距离,而是两个无法相互替代、也无法彻底抵达对方的人,各自承担着自己,却仍愿意向彼此走去。

    不是每个私人感受都天然普遍,只有当细节承载了别人也可能遭遇的结构性处境,私人入口才通向公共水域。

    凡以「不要」说出的愿望,仍属于它所否定的世界。

    凡以「我要」说出的愿望,才划出它所创造的世界。

    书

    本周推荐书籍《简约至上:交互设计四策略》。

    这是一本老书,现在阅读,里面针对产品设计时,如何化繁为简的四大策略仍然没有过时:

    1. 删除: 先追问某功能是否真正服务核心体验,并用更好的默认值消除不必要选择。

    2. 打包:不能删的内容进入组织:按用户目标、频率和理解顺序排列,而不是照内部部门或技术模块摆放。

    3. 隐藏:低频但必要的功能可以隐藏,使它在需要时可找到,却不干扰主流程。

    4. 转移:仍然复杂的部分再转移给系统、另一设备、后续步骤、专家角色或用户熟悉的类比。

    跳转微信打开

    从“能说话”到“会表达”:Qwen-Audio-3.0-TTS 发布

    2026年7月20日 16:54

    原创 通义实验室 2026-07-20 16:54 浙江

    让语音合成从"能说话"进化到"会表达"

    Qwen-Audio-3.0-TTS 实时语音合成模型发布。本次发布包含两个版本:

    • Flash:面向实时交互,首包延迟在 300ms 左右。

    • Plus:面向高质量生成,在自然度和音色还原度上表现更佳。

    本次更新,我们把精力放在了开发者在生产环境中真正会遇到的四个问题上:更广的语言覆盖、更自然的指令控制、更精细的标签控制,以及在参考音频不清晰时的鲁棒性。

    目前,在全球第三方权威榜单 Artificial Analysis 中,Qwen-Audio-3.0-TTS-Plus 斩获冠军!

    以下是具体的更新内容与数据表现。

    能力总览

    在展开细节之前,先快速看一下 Qwen-Audio-3.0-TTS 的核心能力矩阵:

    核心亮点一:多语种与方言全面升级

    无论是出海业务还是下沉市场,Qwen-Audio-3.0-TTS都能提供完美融入当地语境的听觉体验。

    多语种精准合成,指标全面领先

    Qwen-Audio-3.0-TTS 面向全球多语种场景进行了专项优化,覆盖中文、英文、日语、韩语、德语等16 种语言。

    🟣 WER/CER(越低越好)

    Qwen-Audio-3.0-TTS 系列展现了最强的整体多语言可懂度,在 16 种语言中有 10 种取得了最佳的 WER/CER 表现。Flash 版本的平均 WER/CER 最低,仅为 3.87;Plus 版本也极具竞争力,得分为 3.96。两者在平均表现上均优于其他系统。

    评测基于CV3-Eval的multilingual benchmark

    🟣 说话人相似度(越高越好)

    Qwen-Audio-3.0-TTS 在说话人相似度上展现出了显著且稳定的优势。其中 Plus 版本在所有 16 种语言中均排名第一,平均 SS(Speaker Similarity)达到了 82.75;Flash 版本紧随其后,得分为 80.44。这表明它们在多种语言环境下,都具备极强且鲁棒的音色还原能力。

    评测基于CV3-Eval的multilingual benchmark

    中文方言正宗度显著提升

    通过更高质量的方言数据、更丰富的种类覆盖,以及专门的方言强化训练阶段,Qwen-Audio-3.0-TTS 模型有效缓解了通用语音强化学习中容易出现的“方言特色弱化”问题。

    目前模型支持20 种高质量方言(覆盖广东、重庆、东北、甘肃、贵州、浙江、河北、河南、湖北、湖南、江西、宁波、宁夏、青岛、陕西、山西、山东、上海、四川、云南),使合成语音在韵律、声调和口语化表达上更接近母语者,还原各地语言的真实韵味。

    核心亮点二:Free-style 自由指令,用自然语言“导演”声音

    不同场景对语音风格的需求差异很大——客服需要温和耐心,直播需要热情感染,有声书需要角色代入。

    Qwen-Audio-3.0-TTS 支持Free-style 自然语言指令控制。无需掌握专业声学或标注知识,即可通过自然语言灵活定义情绪、角色、场景、语速等维度,让合成结果与预期高度一致。

    核心亮点三:细粒度标签控制,精确到呼吸和情绪

    除了自由文本指令,模型还支持在文本中直接嵌入结构化标签(如 [gasp]、[giggles]、[angry]),直接对语气、情绪和 breath 类细节进行精准调控。

    这种方式特别适合需要精确控制非语言细节的叙事、游戏、影视配音等场景,标签与语音自然融合,可灵活组合构建复杂情感表达。

    核心亮点四:复杂声学鲁棒性,无惧嘈杂环境的音色复刻

    真实业务中,参考音频往往来自复杂环境。Qwen-Audio-3.0-TTS 对此做了专项优化,通过针对性的真实声学仿真训练,将语音增强能力原生注入复刻流程。

    模型能够在嘈杂环境中自动“过滤干扰、保留音色”,复杂场景下的复刻清晰度和感知质量显著提升。即使参考条件不佳,合成语音依然保持高质量。

    • 高混响场景:有效抑制混响干扰,合成更干净清晰。

    • 高噪声场景:抗噪能力更强,语音质量显著优于前代。

    Also in this release:精品音色库

    Qwen-Audio-3.0-TTS 配套的精品音色库,将模型在多语种、多方言、指令控制和细粒度表达上的能力沉淀为开箱即用的音色资源。音色库覆盖指令风格音色、20 种方言音色、细粒度控制音色以及 14+ 款小语种音色,帮助业务方快速上线不同场景的声音方案。

    面向严肃创作场景,我们将音频输出品质从 24kHz 跃升至 48K。同时,单次语音合成支持长达 3 分钟,轻松满足长文本播报需求。

    (注:部分方言、小语种精品音色及 48K 高清音频输出功能目前在阿里云百炼平台正陆续上线中,其中 48K 功能预计于 7月24日 正式开放,具体请以控制台实际展示为准。)

    核心亮点

    • 可直接用自然语言描述角色、情绪、场景和语气,合成结果会随指令变化。

    • 支持上下文驱动的语气选择,同一句文本在不同场景下可以读出不同情绪。

    • 支持耳语、笑场、情绪转折等细粒度表达,声音更接近真实说话。

    • 长文本中能保持节奏、清晰度和音色一致性。

    • 角色化表达覆盖电台主持、心理咨询、科幻 AI 等场景。

    Qwen-Audio-3.0-TTS 现已全面开放。

    从“能说话”到“会表达”,技术的边界正在被不断拓宽。我们诚邀广大开发者接入体验,共同探索语音合成的更多可能性。如果您在应用落地中有任何反馈或建议,欢迎通过技术交流群与我们探讨。

    推荐内容

    跳转微信打开

    风起山野,梦向远方 | 2026Qunar产研应届生素质拓展圆满结束!

    2026年7月20日 16:39

    Qunar技术沙龙 2026-07-20 16:39 北京

    风起山野,梦向远方 | 2026Qunar产研应届生素质拓展圆满结束!

    与驼友相伴

    与盛夏相拥

    2026Qunar产研户外素质拓展

    为帮助职场萌新快速融入、平稳过渡,人才发展中心为产运&技术应届生们安排了一场元气满满的素质拓展活动,接下来一起奔赴这场“向往的生活”之旅吧!

    01.欢乐出发,趣味破冰!

    7月17日集结号正式吹响,2026届产研应届生乘坐大巴从公司出发。一小时的车程满载期待与欢声笑语,转眼间大家便抵达营地,此次“向往的生活”之旅正式开启!

    趣味分组

    捏捏肩,拍拍背,同事姓名要记对。分组抱团快反应,组员同行才会赢。

    经典拼图的趣味游戏帮助大家迅速熟络起来,同时确认分组。找对组员,后面的竞赛才能事半功倍!

    默契互动

    热身之后,竞赛才刚刚开始。新组建的村庄选出村长后,需要一起完成掰棒谷、五谷丰登、草帽翻盘三项任务。各村庄凝心聚力、配合默契,全员斗志昂扬,全力以赴向着胜利冲刺!

    鱼与鸡鹅不可兼得!村民们分工合作,在草地抓鸡采蛋,在栅栏内套大鹅,或在池塘中浑水摸鱼,感受智力和体力的双重考验。

    竞赛优胜小队能收获专属金币,将成为后续食材竞拍的关键筹码。满怀期待的新小驼们全员奋力冲刺,丝毫不敢松懈!

    02.上得职场,下得厨房!

    刺激竞拍

    终于迎来本次活动的重头戏,也是新小驼们最期待的环节——食材竞拍!

    用竞赛换来的金币竞拍食物,紧张又刺激,为了抢到心仪的食物,叫价声此起彼伏。这场拍卖可不只是金币的豪赌,更是一场决策和统筹的智慧比拼。

    ✦✦

    厨王争霸

    心仪的食材到手,大家都投入到紧张刺激的晚餐筹备中,但这不是简单的烹饪,而是获得“厨王”称号的机会。每一个团队都全力以赴,分工明确,势必要拿到“厨王”称号!

    评比全程公平公正,评委逐道细品各组拿手好菜,审慎选择心目中的“厨王”,最终究竟花落谁家呢?

    答案揭晓!黄队凭借一道色泽浓郁、香辣诱人的特色小炒拔得头筹,全队收获专属彩票奖品,实至名归拿下厨王称号!

    03.载歌载舞,青春永驻!

    温馨聚餐

    夕阳西下,忙碌了一天的小驼们也迎来了放松时间。大家坐在一起,品尝自己制作的美味佳肴,分享一整天的快乐,在欢声笑语间,大家的距离更近了。

    左右滑动查看更多

    篝火晚会

    活动接近尾声,但大家的热情不减,恰如熊熊燃烧的篝火越燃越旺。大家手拉手,跟随教练的口号跳着青春洋溢的舞步。最后,在大家的注视下,绚烂的烟火直上云霄,为本次活动画上圆满的句号。

    结语

    途有友而不觉远,一场难忘的素拓活动,将每一位Qunar新成员凝聚在一起,相信在今后的工作中他们也能协同合作、互帮互助,以更加昂扬的姿态并肩前行,共同逐梦向往的生活!

    -END-

    跳转微信打开

    从“会说”走向“会创作”|Seed Audio 1.0 音频创作模型发布

    2026年7月20日 11:57

    原创 字节跳动Seed 2026-07-20 11:57 北京

    统一框架下联合建模人声、音效和环境声等音频要素

    对音频创作者而言,生成单一音频要素并不困难,真正困难的是让台词、音效等各类声音在同一场景中自然配合,服务于叙事和情绪表达。长期以来,这类创作往往依赖多个模型分别生成,再通过人工拼接、对齐和混音完成,不仅流程冗长,也难以兼顾整体完成度与控制精度。

    今天,我们很高兴向你介绍音频创作模型 Seed Audio 1.0。

    它面向完整声音场景,在统一框架下联合建模人声、音效和环境声等多种音频要素,端到端完成影视级音频创作。声音不再只是画面的补充,而是可以直接参与叙事,在听者脑海中直接形成画面感,做到“听见”即“看见”。

    其核心能力主要体现在以下方面:

    • 多要素统一编排,支持精细的时间控制:一条 prompt 即可统一编排带有特定情绪的对白、关键音效和环境声,并可按时间线精准控制声音进场。

    • 音色风格可控,长时稳定:支持文本与参考音频输入,在长音频和多次延长场景下保持角色一致性,同一音色也能自然呈现不同语气和情绪。

    • 多语种自然生成:支持 20+ 语种的音频生成,同一角色声音可依据不同语种的特点,呈现更自然的发音、节奏与表达方式。

    目前,Seed Audio 1.0 已在火山方舟体验中心上线,欢迎大家体验,用声音表达创意。

    项目主页:

    https://seed.bytedance.com/seedaudio1_0

    体验入口:

    火山方舟体验中心 - 登录 - 选择语音模型 - 语音合成 - Doubao-音频生成-1.0

    从拼接生成

    到完整声音场景生成

    过去,完整音频内容的生产通常依赖多环节拼接。要打破这种级联方式,实现完整声音场景的生成,模型至少需要跨越三个门槛:

    1. 兼顾多类声音的细节保留。不同类型音频对表征的要求并不相同:语音看重清晰度和韵律,环境声则要求空间氛围持续稳定。模型需具备足够强的声学细节建模能力。

    2. 理解并生成完整声音场景。一段完整音频里,各音频要素间存在时间关系、情绪关系和声学互动,彼此关联、相互影响,模型要理解的是整个声音场景。

    3. 遵循多种指令控制。模型不仅要有生成质量,还要能够服从文本、参考音频、时间轴和角色设定等多种条件,使声音在合适的时间、以合适的方式出现。

    Seed Audio 1.0 的核心思路,是将不同的音频要素放在统一框架下理解与生成,学习更复杂的联合分布。为此,我们训练了一个通用声学编码器,将各类音频要素视为同一声音场景中的组成部分,映射到统一的声学表征中,而非将多类音频作为独立任务编码。

    基于这种统一建模方式,模型能够更自然地组织角色语气、背景氛围和声音节奏,让输出更接近一段完整作品,而不是一组拼接起来的素材。这也是我们更愿意将 Seed Audio 1.0 称为“音频创作模型”的原因。

    Seed Audio 1.0 可生成兼具角色互动、情绪推进和氛围营造的复杂音频作品,支持专题叙事、剧情对话、主播互动等典型场景。

    在真实创作环境中,声音出现的时机同样关键。它会直接影响节奏推进、情绪表达,以及一段内容能否真正成立。

    Seed Audio 1.0 能先将创作意图拆解成结构化时间线,明确角色、台词、情绪和音效的进入时机,从而控制不同声音何时出现、如何衔接,以及怎样更自然地服务剧情。

    基于此,Seed Audio 1.0 支持精准时间控制生成,创作者可以在 prompt 中指定角色台词的时间安排,当前时间控制支持 100ms 间隔精度。对于视频配音、视频翻配、广告片等场景,这项能力尤其关键。

    音色立得住

    接得上、演得开

    Seed Audio 1.0 支持零样本音频生成。创作者既可以直接用文字描述目标声音,也可以结合参考音频进一步控制生成结果,而无需为每一种声音单独训练模型。

    对真实创作来说,这意味着在前期尚未明确最终声音方案时,创作者可以先快速试出方向,再围绕更合适的音色与表达继续细化,从而减少反复试音和后期返工的成本。

    与此同时,在长音频创作场景中,有声书、播客、长剧集和多人对话都要求角色声音前后一致,一旦出现明显音色变化,听众很快就会出戏。传统制作中,这通常需要配音演员长时间连续录制,或者依赖后期反复比对和修正。

    针对这一问题,Seed Audio 1.0 支持基于参考音频进行延展生成,当前单次可生成约 2 分钟音频,并可在此基础上继续延长,同时保持角色音色与表达方式一致。

    不过,稳定并不意味着表达单一。Seed Audio 1.0 在保持角色辨识度的同时,也支持同一音色自然呈现不同情绪、场景和表达方式。它支持“单音色、多角色”能力,同一音色可以通过差异化演绎塑造不同人物,从而拓展配音、叙事类内容和创意音频的创作空间。

    多语种生成

    声音表达更地道

    多语种创作,不只是内容翻译,而是让声音的节奏、重音、停顿与情绪都更符合目标语言的表达方式。

    Seed Audio 1.0 支持同一音色在多种语言中的自然迁移,并已覆盖 20+ 语种,包括中文、英文、日语、韩语、西班牙语、印尼语、德语、法语、泰语、越南语等。

    对于出海内容、游戏本地化、品牌广告、多语种播客和短视频创作来说,这意味着一个创意不必在每个语言市场重新制作,而可以基于同一角色或音色设定,高效地扩展出多语言版本。

    评测结果

    为了更全面地验证 Seed Audio 1.0 在真实创作任务中的表现,我们从文本生成音色、多场景创作和多语种生成三个维度进行了评估。

    在文本生成音色能力上,Seed Audio 1.0 在 AB 主观评测中表现出显著优势,可用率和优良率也明显提升。

    Seed Audio 1.0 在文本到音色任务上与其他模型的主观评测结果

    在多场景音频生成能力上,我们进一步评测了影视、电视节目、短剧、动漫、播客对话、直播带货、网络创作、话剧和语音合成等场景。结果显示,多数场景中的音频可用率已达到 90% 以上。

    Seed Audio 1.0 按场景拆分的条件音频到音频生成评测

    针对多语言音频生成能力,我们从指令遵循和音频自然度两个维度进行了人工评测。结果显示,在音频自然度上,大部分语言的 MOS 超过 4 分,音质已达到优秀水准;在复杂音频生成的指令遵循上,除越南语外,其余语言的 MOS 均高于 3.5 分,表明 Seed Audio 1.0 已具备较强的多语言指令遵循能力。

    Seed Audio 1.0 在 “文本生成音频”任务上的效果

    写在最后

    从“会说”到“会创作”,Seed Audio 1.0 迈出了重要一步。

    以 Seed Audio 1.0 为起点,我们希望进一步拓展模型在真实创作流程中的能力边界,通过模型框架创新支持视频参考等更多模态输入,并满足长音频、分轨等更复杂的音频生成需求。同时,我们也将探索把 Seed Audio 与可控翻译结合起来,提升模型在多语种场景下对内容表达和时长约束的控制能力。

    未来,我们希望音频生成朝着更自然、更可控、更贴近创作流程的方向继续演进,让创作者轻松将脑海中的声音变成可听见的作品。

    阅读原文

    跳转微信打开

    【第3731期】每次都可以放心遵循的视觉设计法则

    2026年7月20日 09:00

    Anthony Hobday 2026-07-20 09:00 日本

    一套源于优秀设计实践、能闭眼套用且保证视觉及格线以上的28条硬性视觉法则。

    前言

    好的设计不靠灵感,而靠法则。从色彩明度、元素间距到字体搭配与投影处理,这些经过反复验证的准则涵盖了视觉设计中最核心的决策。你不必每次都恪守它们 —— 如果有充分的理由,尽管打破。但遵循它们,永远不会出错。

    今日前端早读课文章由 @Anthony Hobday 分享,@飘飘编译。

    用于解决实际工作中的【UI 系统规范化与设计走查】问题,最值得借鉴的一点是:测量必须符合数学尺度比例(基于 8px 步长等),并对阴影和间距制定绝对物理公式(如模糊值 = 两倍距离),从而将感性的视觉直觉转化为可复制、易走查的理性工程标准。

    译文从这开始~~

    你不必每次都恪守这些法则。如果你有充分的理由打破其中任何一条,尽管去做。但每次遵循它们,永远不会出错。

    1、用近黑和近白代替纯黑与纯白

    纯黑与其他颜色搭配时,往往会产生令人不适的强烈对比;纯白则过于刺眼。请使用接近黑色和接近白色的色值来替代。本文后续提到的 "黑" 与 "白",均默认你已遵循了这一条。

    2、为中性色注入一丝彩色

    中性色通常指黑、白、灰。如果你的界面中使用了某种彩色,不妨在中性色中融入少许该色调,这会让整体配色显得更加和谐统一。若使用 HSB 色彩模式,饱和度控制在 5% 以内即可。

    3、对重要元素使用高对比度

    所谓重要元素,是指按钮、正文内容,或任何需要用户注意到的部分。较高的对比度能让元素更抓人眼球 —— 这正是重要元素所需要的。而那些不需要用户特别留意的元素(如结构性元素、投影),则可以将对比度降到最低。

    4、设计中的一切都应有据可循

    你应当对设计中的每一个细节都做到心中有数 —— 留白、对齐、大小、间距、颜色、阴影,无一例外。如果有人随手指向你设计中的任意一处,你都应该能说出它为何是这个样子。做不到这一点,你的设计就不会有浑然一体的感觉。

    如果你是设计新手,可以把这条法则当作自我检视的提示 —— 去发现那些你尚未深思熟虑的地方。

    5、视觉对齐往往优于数学对齐

    设计软件可以帮你实现数学意义上的精确对齐,但有些形状并不适合这种对齐方式。例如,某些不规则图形的视觉重心与几何中心并不重合。很多时候,你需要凭肉眼去调整,直到看起来 "对了" 为止。

    凭眼睛对齐需要一定的练习,但只要你经常这样做,很快就能掌握这种感觉。

    6、字号越大,字距与行高越小;字号越小,则反之

    这条法则适用于所有文本。字号越大,字母之间和行与行之间所需的间距就越小;反之亦然。如果忽视这一点,大号文字会显得松散零落,小号文字则会拥挤不堪。

    7、容器边框应同时与容器和背景形成对比

    举个例子:假设你有一张带有 1px 边框的卡片,卡片背景较深,而它所在的页面背景更深。此时,这条 1px 边框的亮度应当比两者都高,而不是取二者之间的某个中间值 —— 否则容器的边缘看起来不够清晰利落。浅色背景同理:1px 边框应当比两个背景色都更深。

    下方示例中,左侧为错误做法,右侧为正确做法。

    8、每个元素都应与其他元素对齐

    对齐帮助我们感知事物之间的关联。如果某个元素与其他任何元素都没有对齐关系,它就会显得格格不入,仿佛不属于这个设计。理想情况下,每个元素都应依据某种逻辑与其他元素对齐。

    9、调色板中的各颜色应具有明显不同的明度

    当颜色之间存在明度差异时,它们不仅在色相上,更在明暗层次上彼此区分。这会带来更优秀的配色方案,因为各颜色之间不会相互争抢视觉注意力。

    10、为中性色注入彩色时,应统一使用暖色或冷色,切勿混用

    如果你同时用暖色和冷色去调和中性色,整体色彩将缺乏统一感。

    下方示例中,左侧的背景使用了暖色调而前景使用了冷色调;右侧则统一使用了暖色调的背景与前景。

    11、尺寸数值之间应存在数学关联

    元素之间的间距以及元素本身的大小,都应遵循某种比例尺度。这将使设计呈现出和谐统一的观感。在下方示例中,所有元素均采用 8 的倍数。基于比例尺度建立的水平和垂直网格,能帮助你确保图片等元素的尺寸恰到好处。

    12、元素应按视觉重量排列

    如果你有一组元素排成一行或一列,其中一些视觉分量比其他的更重(比如两个按钮和三个链接),你应当将它们排列成三角形的递减态势 —— 视觉最重的元素排在最前,最轻的排在最后,依次递减。有一点需要注意:视觉最重的元素应当位于外侧边缘。例如,如果你的元素紧靠设计的右边缘,那么最重的元素就应当贴着右边缘放置。按重量或大小有序排列的元素,看起来会更加舒适。

    13、使用水平网格时,请采用 12 列

    如果你打算将设计划分为纵向列,请使用 12 列网格。12 列网格可以灵活拆分为 1 列、2 列、3 列和 4 列,给你提供了极大的布局弹性。

    14、间距应存在于高对比度的节点之间

    当你在设计中度量元素之间的距离时 —— 比如你希望落地页内容块之间保持 100px 的垂直间距 —— 间距应当从一个高对比度的节点量到下一个。因为我们的眼睛是通过对比度来识别元素边界的,所以我们会本能地期望间距存在于对比度变化的节点之间。

    举个例子:白色背景上的黑色段落文字,对比度节点就是上一段的末尾和下一段的开头。但如果你在某段白色文字的背后加了一块黑色背景,那么间距就应当从上一段的末尾量到黑色背景的起始处,再从黑色背景的起始处量到段落文字的开头。

    15、离用户越近的元素应越亮

    屏幕上的元素越靠近用户,就应该越明亮。这条法则在浅色模式和深色模式下都适用,因为它符合现实世界中光线的运作方式。

    下方示例中,左侧为错误做法,右侧为正确做法。

    16、投影的模糊值应为偏移值的两倍

    例如:如果你创建的阴影在 Y 轴方向偏移 4 像素,那么模糊值就应设为 8 像素。随着元素 "靠近" 观者,适当降低阴影的不透明度也是个好做法。这样看起来自然,因为元素越接近光源,其阴影就会越模糊、越淡。

    17、简繁相宜:简置于繁上,或繁置于简上

    复杂的背景(例如多彩的渐变填充)搭配简洁的前景(例如纯文字)效果最佳;反之,复杂的前景元素放在简洁的背景上也同样出色。简对简可以,但容易显得平淡。复杂对复杂则应尽量避免 —— 这很难驾驭,而且会让画面杂乱不堪。

    18、容器颜色的明度应控制在合理范围内

    背景与容器之间的明度差异,在深色界面中应控制在 12% 以内,在浅色界面中应控制在 7% 以内。这里的百分比指的是 HSB 色彩模式中的明度值。

    这一结论基于我对约 100 个设计精良的网站所做的研究,逐一比对了容器与背景的明度关系。

    19、外边距应大于或等于内边距

    在容器中,内边距是容器内各元素之间的间距,外边距是元素与容器边缘之间的间距。外边距应当大于或等于内边距。关联性越强的元素应该靠得越近 —— 容器内的元素彼此之间的关联,显然强于它们与容器本身的关联。

    20、正文字号不应小于 16px

    16px 是大多数浏览器的默认字号。低于此值的文字会变得难以阅读,因此正文最好避免使用更小的字号。超出 16px 越多,可读性就越好。

    如果你自己编写代码,可以使用你偏好的任何像素等效单位。

    21、每行字数控制在 70 个字符左右

    60 个字符或 80 个字符都无伤大雅,但如果偏离太远,就可能出现微妙的可读性问题。

    22、按钮的水平内边距应为垂直内边距的两倍

    标准按钮的形态是宽大于高。如果你希望用户一眼就能辨认出某个元素是按钮,最好遵循这一惯例。在下方示例中,标签上下的内边距为 30px,左右的内边距为 60px。

    23、字体最多使用两种

    第二种字体是强化设计理念的好机会,也能为设计增添一些变化。但很少有必要使用两种以上 —— 过多的字体反而会让设计显得视觉混乱。

    24、圆角嵌套要正确

    有时你会遇到两层或多层圆角嵌套的情况。如果想让它们看起来和谐,内层圆角半径应等于外层圆角半径减去两者之间的间距。在下方示例中,外层圆角半径为 30px,间距为 20px,因此内层圆角半径为 10px。

    25、不要将两条硬分割线紧邻放置

    背景色的过渡、容器的边缘、分隔线都会形成硬性的视觉分割。你不应让两条或更多硬分割线彼此相邻。在下方示例中,红色标注的部分即为问题所在。多重硬分割会造成视觉杂乱,夺人眼球。在示例中,我去掉了背景色过渡,使硬分割仅来自容器边缘。

    26、深色界面中不要使用阴影

    在深色界面中很难让阴影发挥作用。要么背景色需要足够亮才能显出阴影,要么阴影本身需要足够生硬才能凸显 —— 而这比阴影应有的存在感强了太多。况且在暗处还能看见阴影,本身也不太合乎逻辑。

    27、不要混用不同的纵深表现手法

    在整个界面中应始终使用同一种纵深表现手法。如果你的主导航栏用了柔和的投影,那么其他地方也应使用柔和投影,不要突然换成硬边 / 抽象投影,或干脆不加投影。这些手法中的任何一种都可以,但混用会显得不一致、不专业。

    28、降低图标与文字搭配时的对比度

    图标在视觉上往往比与之搭配的文字更重。当图标与文字配对时,应适当降低图标与背景的对比度。在下方示例中,我通过调整透明度来实现这一点,但你也可以直接将图标颜色调浅或调深。

    关于本文
    译者:@飘飘
    作者:@Anthony Hobday
    原文:https://anthonyhobday.com/sideprojects/saferules/

    这期前端早读课
    对你有帮助,帮” 
    赞 “一下,
    期待下一期,帮”
     在看” 一下。

    阅读原文

    跳转微信打开

    AI 发展了 4 年,把应用发展没了?| 42章经

    2026年7月19日 22:32

    原创 曲凯 2026-07-19 22:32 北京

    谁不爱打逆风局?

    23 年的时候,大家不知道 AI 行不行,我们还在探讨的是 AI 到底是一波多大的机会,该对标什么,以及相信 AI 的也没有办法看清模型和应用之间的关系如何,像 Character.ai 的模型和应用一体的模式一度成为了最优解,最后的结果是市场在摸索中浅尝辄止地投资模型和应用在内的 AI,谁拿到的钱都不算多。

    24 年上半年的时候,整体 AI 都很凉,市场连模型带应用一起质疑,记得 24 年 4 月份 GPT4o 发布的时候,市场反响平平,今天回头看我们才知道 4o 对开启推理和 Agent 的跨时代的意义。直到 24 年下半年,整个市场开始回温,尤其在应用市场表现最明显,也许可以称之为一种价值回归,从那个时候开始,市场开启了为期两年的大厂高 P 的创业时代,夸张点说,字节里每个产品线中最有能力的口碑最好的人是谁,可能一些投资人都要比张一鸣本人还更了解。

    25 年开端,大家开始讨论模型算法是阶梯上升的,预训练不再 scaling 了,算法撞壁了,本来市场可能会发生一次剧烈的回调,但 deepseek 和 manus 横空出世,生生为模型和应用续上了一条命,这一年里,字节的高 P 几乎是出来就能靠团队和故事连融三轮。

    到了今年,26 年,智谱、minimax 接连上市,很多业内的人觉得这是一个见顶的信号,觉得智谱会重蹈上一波 AI 四小龙的覆辙,甚至有人觉得其市值跌到发行价的几分之一才算合理,同时 Openclaw 爆火,也有很多人觉得应用又会迎来一波类似 manus 的大浪潮,在今年上半年,全国可能有上千个公司和团队同时在做 openclaw 相关的创业项目。

    但到了今天,结果是,模型的势能达到几年来最强,而应用市场的冷度跌回谷底,甚至是比谷底还低。随之而来的变化是,有的机构跟我说谁还看应用啊,有的机构说应用赛道已经死了,而有的机构投了十多个世界模型的项目。

    “不看应用了”,“应用赛道死了”,这个说法是我从业十多年从未听过,也从未想过有一天会听到的话,但它就真切的发生在了今天的市场上。当技术脱离应用、甚至把应用打死了,这个技术到底算是个什么技术。

    回头看,不得不承认,市场在奖励早年选中了模型的人,虽然我也仍然觉得模型最终会被 commodify,但短期内模型的价值显而易见,如果这是一场竞赛,那模型已经把应用打的只剩了最后一格血,是的,我并不觉得应用死了,但似乎是真的已经濒死。

    我最近见了很多有点颓废的应用创始人,他们在转型,在想该怎么办,在庆幸账上还有钱,在尝试各种解法,却唯独没有想要再出来融资的,因为所有人都在跟他们讲,我们不投应用了。

    这里面有客观事实的原因,比如模型吃掉一切的显著证据,比如投资人的非理性、盲从和 FOMO,但我也经常和创始人讲,这次真的不能只怪投资人。

    相似的市场、相似的技术,美国的模型能力还显著更强,但我们看到了很多美国市场中 ARR 上亿美金的应用公司,而国内可能甚至找不出几家 ARR 上千万美金的公司,这里的原因是什么呢?

    过去几年,我们跟所有的创始人说,你要做海外市场,创始人在融资的时候也对所有投资人说,我要做海外市场,这套话术似乎变成了一种融资时候彼此的默契,但真的做起来,有多少人是在表演型创业?有多少人在内网发英文的宣传视频,最终用户变成了翻墙的中国人?

    因为 Token 成本的问题,因为付费意愿和能力等的问题,做海外市场这个大家默契下的说法自然是有其正确性在的,但最终因为创始人的选择、能力和既有惯性等原因,真正做到这点的十不足一,而我们看到的真的坚决出海的公司往往真的有让人惊讶的成绩,比如上过我们播客的 Dify、WorkMagic、Ace Studio 等公司都默默做到了千万刀的 ARR,这里面还包括出国后整个面貌焕然一新的 Meshy 等等。

    海外的空气真的更香吗,我相信并不是的,但海外的付费意愿和能力是真的强,这是我们必须要承认的客观现实。

    所以,我是真的希望应用公司能更加争气,交付更多的结果出来,不管 Manus 和 Liblib 这类的公司承受了多少争议和骂名,我也始终觉得他们是应用中的一些硕果仅存的代表公司,也真心希望他们能发展的更好,甚至在未来能反向夺回模型现在所侵占的市场和声量。

    再讲回模型市场这几年的发展,我觉得最有趣最值得研究的几家公司并不是 Anthropic 或 OpenAI 或 Deepseek,其实是智谱和 google,智谱从似乎落后到第一,google 则是从落后到全民看好再到今天被大家放弃,这都是在一两年内发生的事情。这些似乎都是在模型市场中反复发生的可验证的事情,到今天为止我仍然不觉得模型的战场已经结束了,明天的智谱会不会是今天的 google?Anthropic 能半年超过 OpenAI,是不是也能半年又落后?

    我们只能说今天应该已经没人像 23 或 24 年那样质疑 AI 这波机会的体量,但我们也仍然处于 AI 剧烈而动荡得快节奏变化的中早期阶段。

    智谱的唐杰老师前些天的公开信中提到“DeepSeek R1 的出现,标志着 Chat 范式的探索已经基本结束,而智谱是在后 DeepSeek 时代的模型训练范式中押中了 Coding 和 Reasoning”。

    我觉得智谱今天的成功回头看,除了战略的胜利、人才密度的胜利等等之外,同时也有一定的运气因素,但凡他们的多模态或 C 端应用能做的好些,是否会、是否能这么专注的赌中 Coding 的机会呢?

    但不论如何,chat 时代胜利的是 OpenAI、是 Deepseek、是字节豆包,Coding 时代暂时胜利的是 Anthropic、是智谱(OpenAI、Kimi 等其他公司在快马加鞭地追赶),但下一个时代也已经明显到来,唐杰在同一封公开信中说,未来要压住的是长程任务、是自治智能体等,而海外的 Claude Tag 和 GPT Work 也竞争的飞起。

    我们对模型的进展和竞争局势的理解总是有很强的滞后性,腾讯的混元和 workbuddy 能在这里弯道超车字节吗?智谱还能持续领先吗?Deepseek 又会充当什么角色?一切都仍然言之过早。

    那在这个市场情况下,应用创业者们该如何自处?

    要回答这个问题,我们先引申出另外一个老生常谈的话题,那就是投资到底是投人还是投事儿,比如市场中经常讲 IDG 就是典型的投人风格,红杉则是投事儿投赛道的风格。

    在我看来,事儿变得快的时候就只能投人,事儿已经稳定了那就可以投事儿,所以越早期的市场往往人的权重越高,越后期的市场甚至职业经理人反而能呈现更好的结果。(说句题外话,如果如此,那红杉为什么投资做得好?我的答案是因为有钱,因为可以全行业全阶段覆盖。早期批量撒,后期精准补枪,就能解决一切的问题。)

    所以今天的应用创始人,第一,我反而觉得是处于历史上最好的时候,因为竞争没了,泡沫没了,可以真的回归用户、回归产品、回归初心,这就像 23 年和 24 年初市场给我们的感觉一样,逆风局打的才有意思,噪音多了泡沫多了,难免劣币驱逐良币。(我们经常开玩笑讲,如果把 23 年上过 42章经 播客的创始人都投一遍,最终的回报表现可能优于大多数基金,这也侧面印证了市场最终也是会奖励在低谷期或者说非共识阶段敢于出来的创业者的)

    像大厂高 P 这个标签中就很容易混入一些其实在当下不那么适合创业的人,大厂高 P 创业本质上是一种信息套利,但信息套利也分两种,一种是对锤子的,即对模型的了解,另一种是对钉子的,即对用户需求的理解,但 ai 时代信息套利的空间被大大压缩了,而且锤子已经明显溢出了,钉子却不足,未来我们希望能看到更多从钉子出发的产品和项目。

    第二,大家要默认我们就是要随波逐流,随模型的波,逐资本的流,要默认我们今天做的事情中只有一部分是值得坚持的,更多还是要锻炼团队、锻炼组织,要不断地转型和寻找新机会,要不断地尝试如何用更新更好更智能的方式来服务同一批用户和解决同一类问题。

    第三,不要为了融资讲故事,一切还是要回归到用户和问题上。我们可以褒义上的随波逐流,但不能被市场逼迫到把自己从良币变成劣币。

    Ambi 的创始人莫子皓,在做一个通过软硬结合的方式改变人类现有和 AI 交互方式的产品,让智能真正平权,这两年我跟他聊 AI、聊硬件学会了一件事,就是把很多事情反过来想。

    大家做许多产品让人去问大模型,并且让大模型去给答案,

    我们选择让大模型主动问人并且主动给出答案。

    大家做许多产品让大模型和人对齐,一步一步引导大模型产出好结果,

    我们选择让人和大模型对齐,让大模型引导人一步一步问出好的问题。

    所有人都在服务使用工具创造价值的人,程序员 / 设计师 / 文档使用者,

    我们选择服务用对话来创造价值的人,销售 / 顾问 / 非文档使用者。

    前阵子他融资的时候,我下意识的给他建议说可以讲讲模型的故事,他问了我一个问题说,我随时可以招到很好的算法的人,我们自己团队其实也有训模型的能力和经验,但为什么现在这个节点要做模型?是啊,他们工程上做的非常好,产品体验也很好,未来的某个节点也会做自己的端侧模型,但今天为什么要讲模型?就因为要融资吗?我最终还是说不出口。所以反过来想,就因为资本热点是模型,讲模型做模型就是对的吗?

    一切最终还是回到那句话,所有公司终会回归到用户价值的实现上。

    Manus 曾经经历过 5000 万美金估值聊遍市场没有人投资的时刻,经历过达到 1000 万美金 ARR 还被拖延和压价最终不到一亿美金估值的时刻,风水轮流转,足够强的团队总能在夹缝中寻找到机遇,最终打一个漂亮的翻身仗。

    就像 Codex 桌面应用负责人在最近一期播客中所说的:“今天的所有产品和创始人,都是模型的期权”。今天的积累会在未来的某个时刻兑现,随着模型更成熟,期权会逐渐变成有价值的资产,而重点是在这个过程中,期权不要清零。

    最后,再说下我对于今天整体 AI 是市场的判断。

    我们看到二级市场 AI 硬件供应链中惊人的涨幅,我们看到智谱的万亿市值,我们看到具身、世界模型等领域仿佛回到了 2021 年的 SAAS 市场,我们也看到字节等公司中炒股实现财富自由退休的案例,这些是否是市场走到一个阶段性尾声的标志呢?

    我不知道当资本从语言模型、图片模型、声音模型、视频模型投到世界模型之后,还能有什么故事可讲,也不知道具身和世界模型能什么时候会真的落地,但我相信一些世界运转最底层的规律和常识,比如合久必分、分久必合,市场不会有一家公司长期独大,一家模型公司不可能长期在万亿、十万亿甚至百万亿的路径上走下去,并吃掉一切,我也相信当大多数人都隐隐觉得这个市场好像有些不对劲的时候,那就真的是有些不对劲。

    历史上,我们其实经历过 IBM 用 MIPS 的模式收 CPU 算力钱的时代,经历过运营服务商通过短信和流量赚的盆满钵满的时代,而我们正在经历英伟达产业链和模型公司通过 token 赚钱的时代。运营商在短信和流量上赚了接近十年的钱,AI 从 GPT 3.5 算起到今天已经接近 4 年的时间,且其演进的速度明显快于历史上任何一个周期,那未来市场会如何发展,token 免费、智能平权的时代是否很快就会到来?到那天是不是又会有很多人讲模型赛道没了,我们现在只看应用?

    正如经济学家卡萝塔在她的《技术革命与金融资本》这本书中所说,历史上几波大的科技革命都经历过导入期(其中包括爆发期和狂热期)、转折点(即泡沫破裂,典型就如 2000 年的互联网泡沫)、最后再到展开期(即技术真的落地,真的走入经济、社会的各个角落)。

    那如果 GPT 3.5 代表了爆发期的开始,今天我们是否已经站在了狂热期?转折点距离我们到底还会远吗?

    思考事物本质

    42章经

    跳转微信打开

    ❌