Загружаем каталог…
НАВИГАТОР ПО ВОЗМОЖНОСТЯМ ИИ
Найдите свой ИИ-инструмент. Бесплатный доступ, пробные периоды и кредиты — в одном месте.
Readhub
国际能源署发表声明称其成员国同意加快落实今年 3 月宣布的石油储备释放计划,此前承诺尚未释放的储备全部投放后预计还可释放约 1 亿桶石油,针对当前柴油市场供应紧张的情况,成员国同意在条件允许时优先投放柴油。截至目前,国际能源署成员国已依照 3 月达成的集体行动计划释放约 3.25 亿桶石油,部分国家释放规模超此前承诺,目前仍持有约 11 亿桶公共应急石油储备,其中包括超 2 亿桶柴油,如有需要可进一步动用以稳定市场供应。国际能源署将继续与各成员国协调跟进 3 月集体行动落实情况,并在下周的理事会会议上再次研判当前能源市场形势。此前 32 个成员国已一致同意释放 4 亿桶战略石油储备,以应对相关局势导致的全球石油供应紧张局面。
Балл: 57.36Уверенность: 54%
ПодробнееReadhub
太平洋时间 10 月 7 日上午 10 点于美国旧金山举办的发布会上,英伟达首席执行官黄仁勋称英伟达当初正是因 Windows 而诞生,Windows 95 让 GPU 连接 PC 成为可能,DirectX 对 PC 图形技术早期发展至关重要,这基本是英伟达 CUDA 的起源故事。本次活动中,微软首席执行官萨蒂亚・纳德拉、黄仁勋与白宫前人工智能高级政策顾问斯里拉姆・克里希南展开对话。黄仁勋表示 Blender、Omniverse、CUDA 等都要和 AI 一同运行在同一台电脑上,强调 AI 计算不应仅存在于大型数据中心,也将逐步进入开发者和企业用户的桌面环境,随着模型规模扩大及隐私、低延迟、本地处理需求增加,个人设备需要具备更强的 AI 推理和开发能力。英伟达希望进一步加强与微软 Windows 生态的结合,将高性能 GPU、统一内存和 AI 软件栈带到 Windows 设备,让开发者可在熟悉的操作系统环境中构建和运行 AI 应用。
Балл: 57.35Уверенность: 54%
ПодробнееReadhub
江苏瘦西湖文化旅游股份有限公司已通过港交所主板上市聆讯,独家保荐人为光大证券国际。
Балл: 57.35Уверенность: 54%
Подробнее掘金
摘要 “量化选股每天需要获取多少股票行情数据?”这个问题表面上是在问数据量,实际上是在问选股系统应该怎样组织数据。 如果策略只研究几十只股票,全市场数据并没有必要;如果策略需要每天从整个市场筛选股票
Балл: 57.35Уверенность: 54%
Подробнее人人都是产品经理
OpenAI 负责 ChatGPT 和 Codex 的 Tibo 说,让人自己搭循环、画流程图,也许有人兴奋过,但他不认为这是未来。9 月 29 日 DevDay 上线的 Dots 才是他想要的样子:永远在线、有自己的云端电脑、能接入 4000 多个应用。 你有没有想过,你花了几个月打磨的那套 AI 工作流,下一代模型一出来,可能就用不上了?这不是危言耸听。OpenAI 负责 ChatGPT 和 Codex 的 Tibo Sottiaux 最近在 Lenny’s Podcast 上说,让用户自己搭循环、画流程图、反复调教工作流,也许有人为此兴奋过,但 Tibo 不认为这是未来的做法。Tibo 想要的是一个会学习的系统,你不用去想“我要把循环设计成这个样子,才能得到好结果”。 这场访谈是在 9 月 29 日 OpenAI DevDay 当天录的。那天 OpenAI 一口气发布了二十多项产品,最受关注的是 Dots,一种永远在线、有自己电脑的个人 agent(智能体)。Lenny 在发布几个小时后和 Tibo 坐下来,聊了 Dots 到底是什么,聊了互联网上的大多数操作将由 agent 完成意味着什么,聊了哪些技能在升值、哪些在贬值,也聊了 OpenAI 怎么看安全。我听完之后有不少自己的想法,Tibo 的有些话听上去像产品宣传,但仔细拆开,里面有几个对做产品、带团队的人都很实用的判断。这篇文章就是我把它们整理出来,和大家聊一聊。 团队越搭越大,模型一升级又缩回去 Tibo 讲了一个很有画面感的亲身观察。每当 Tibo 往前推进边界的时候,就会搭越来越大的 agent 团队,给每个 agent 分工,让它们互相配合。然后模型有了下一个突破,Tibo 会突然发现,一个更大的 agent 自己就能把整件事做完,所有东西都留在它的记忆里,于是又把团队缩小。就这样扩张,收缩,再扩张,像呼吸一样。 这就是 Tibo 对“循环”和“图”这股热潮的态度。Lenny 问到最近很流行的做法:为了让 agent 稳定出活,人要自己设计执行循环、画流程图,甚至对工作流做微调。Tibo 说,这个方向也许让人兴奋过,但真正会赢的,是 Dots 这种思路:一个极其聪明、全天候工作的 agent,理解你的目标和偏好,从你的反馈里学习。你不需要关心它内部怎么循环,只需要告诉它你想要什么。 速度也在改变这件事。DevDay 上 OpenAI 发布了一个 ultrafast(超快)档位,据 BGR 的报道,在 Codex 里最高快八倍,在 API 里最高快六倍,价格是标准 API 的六倍。Tibo 说,以前自己会并行跑很多个 agent,现在有了更快的 agent,反而重新回到了心流状态。等待变少了,人就不用再靠多线程来躲避空档,这是我的理解。 我觉得这一段背后有一个很实用的判断标准。我之前写过 Tibo 在另一场访谈里讲 harness(运行 agent 的框架)是模型的拐杖:模型不会主动跑测试,就在提示词里提醒它,模型学会了,这段提醒就可以删掉。这次讲的是同一件事的用户版本。你为模型搭的脚手架,有一部分是在弥补它今天的不足,下一代模型一来,这部分就该拆。真正值得长期投入的,是你对目标和好坏标准的描述,而不是把步骤拆得多细。工作流里该留下来的,是你想要什么,不是怎么一步步做。 Dots:把智能做成一个会学习、永远在线的同事 先把产品讲清楚。按 TechCrunch、Engadget 等媒体的报道,Dots 由 GPT-6 Astra 驱动,每个 dot 都有自己的云端电脑和浏览器,可以接入 4,000 多个应用,可以通过 ChatGPT、Slack 和 Microsoft Teams 联系,短信渠道要稍后才会加入。它在后台持续朝你设定的目标工作,你随时可以回来检查它做了什么。目前它随 Pro 和 Business Premium 订阅提供,不额外收费,部分地区暂时没有开放。 Tibo 的描述更接近一种理想。Tibo 说,不管是不是 Dots,核心都是摆脱对技术本身的依赖,拥有一种永久在线的主动智能,在任何客户端、任何屏幕上都能找到它。你走进会议室,它就出现在会议里替你记笔记;之后你在邮件里接着找它,需要时发条短信。需要它的时候它在,不需要的时候它让开。Tibo 还说,每天扛着笔记本电脑到处走,像背着一块砖,你被技术拴住了,而不是技术在替你工作。 它的使用方式也很特别。Dots 没有模型选择器,没有一堆配置,唯一要选的是你想通过哪些渠道和它说话。现在每个用户只有一个 primary dot(主 dot),它最懂你的偏好。很快会开放第二个、第三个,组成你的虚拟团队,每一个分配不同的角色。Tibo 自己已经有一个专门负责 X(原 Twitter)的 dot,原因很朴素:盯着一个平台,本身就是整整一个 dot 的工作量。 为什么是现在做出来?Tibo 的回答是,这是很多个月、很多条线汇合的结果。长时间持续运行的任务,他们研究了两年多;记忆系统,差不多是同样的时间,而且已经陆续放进了 ChatGPT,很多人都有一个被它记住细节、让人吓一跳的小故事。再加上 Codex 的 harness,以及能全天候运行的能力,才有了 Dots。Tibo 还笑着说,一年前 Codex Cloud 的那段小动画,大概启发了后来的同类产品(转录里写的是 Grok Bot,我不确定这个名字是否准确)。而最后一块拼图,是安全,这也是 Dots 首先搭载 Astra 的原因,因为那是他们最安全、对齐程度最高的模型。 架构上还有一个容易被忽略的细节:Dots 的 harness 不跑在你的机器上。它有自己的电脑,也可以连到你的笔记本,将来可以同时连十台设备,Tibo 把它比作章鱼,一个中心,很多触手。Tibo 说的 specialist dots(专用 dot),则运行在额外的护栏和监控之下,用的是独立的硬件,他们内部有些就跑在 Mac mini 上。 我觉得最值得琢磨的是“不被技术拴住”这句话。它说的不只是便利,而是产品形态的变化:你不再是打开一个应用,而是在和一个长期存在的东西合作。这也解释了为什么 Tibo 特别强调主 dot 要“最懂你的偏好”。当产品的核心是它对你的了解,记忆就不再是一个功能,而是壁垒,也是你离开它的成本。这是我的推断,访谈里没有这么说,但我觉得这是 Dots 这类产品真正的竞争点。 它在发布前五分钟救了场,只是没被允许动手 访谈里最有意思的一个小故事,发生在 DevDay 的现场演示之前。Tibo 说,ChatGPT 的线上服务出了故障,Tibo 的 dot 在演示开始前五分钟主动发来消息:生产环境挂了,要不要我来试着修?这让人很紧张。Tibo 的回答是:我觉得你还没到那一步,小 dot,不过谢谢你的尝试。随后 Tibo 联系了工程团队,问题很快修好了。 Tibo 对这件事的拆解很到位。这个 dot 的聪明之处,不是它发现了故障,而是它把几件看似无关的事连到了一起:今天是 DevDay,现场有一个演示,演示大概率会用到这个生产系统,这件事五分钟后就要发生,所以应该提醒 Tibo。它还提出要自己动手修。Lenny 追问,它有权限碰生产代码库吗?Tibo 说,它可以访问部分生产系统,但有护栏。专用 dot 就是这个意思:额外的护栏、额外的监控、独立的硬件。 我觉得这个故事里,AI 做对了两件事,也被拦住了一件事。做对的是理解关联,并且判断出“这个人大概想马上知道”;被拦住的,是在“动手修”这一步。这恰好是主动型 agent 最难的地方:主动的价值,在于知道你想被打扰的那一刻;而不越权,不能靠 AI 自觉,只能靠产品设计。有意思的是,Tibo 自己也说过,刚入职 OpenAI 的第三天就把线上服务搞挂过。人也会犯错,区别在于权限被设计成:犯了错也不致命。好助理的标准,不是什么都敢做,而是知道什么该告诉你,什么该等你点头。 互联网上的大多数操作,将由 agent 完成 被问到“大家还没有算进去的是什么”,Tibo 给了三条:互联网上的大多数操作将由 agent 完成;模型会以惊人的速度变得更便宜、更快;所有模态会无缝整合在一起。Tibo 说,看别人做的产品,常常觉得“你差一点就到了”,但如果你认真想象一下,一年后这一切会比今天好十倍,你就会用完全不同的方式去构建。 对做产品的人来说,第一个后果是流量。Tibo 举了 Notion 的例子:Notion 做好 MCP(让 AI 调用外部工具的协议)之后,所有 agent 一下子都能用它来干活,大量流量涌了进来。这给系统带来很大压力,你得想清楚这笔账怎么算。于是做产品的人面对一个真实的矛盾:要不要做面向 agent 的接口?可以拖一阵,但这是必然的,因为多数使用将来自 agent。Tibo 也补了一句,另一面同样重要:为人类做真正美好的新体验,目前反而投资不足。 在生态上,Tibo 认为被低估的是 OpenAI 开放的决心,称之为 sleeper hit(被低估的爆款)。“Sign in with ChatGPT”已经有 16 个合作伙伴,起因很随意:去年 Tibo 和 Pi、open code 的创作者聊天,大家握了握手,你可以用 ChatGPT 的登录和用量,只要别做什么不妥的事。后来这变成了正式支持的功能。BGR 的报道里列出的合作方包括 Notion、Vercel、Devin。同时 OpenAI 还在开放 ChatGPT 的插件扩展和插件发现,让任何人都可以借助接近 12 亿用户的分发渠道。Tibo 还提到,受欢迎的插件会参与收入分成,这一点主题演讲里没有讲。 那怎么被推荐?Tibo 的回答只有四个字:做好插件。系统看的是留存、使用质量,再据此在对话里推荐给用户,不好的插件会被停止推荐。Lenny 追问,这是不是不像 AEO(针对 AI 的搜索优化)那样靠写对关键词,Tibo 同意:关键在于用户会不会持续使用。我觉得这是整场对话里最值得产品团队记住的一点。当分发由 agent 决定,agent 又是看留存来选的,质量本身就成了分发。你没有办法靠包装、关键词或活动换来长期位置,因为 agent 是一种新的用户,它会用脚投票。 打字快不再值钱,值钱的是知道什么算好 谈到招聘,Tibo 直接说,下降的技能是打字快,已经没那么有用了。上升的是好的品味、对用户的思考,以及对目标受众的连接。Tibo 说,OpenAI 里有很多创始人,其中前 YC 创始人有一百二十多位(这是 Tibo 的说法,我没有核实),像是一个“超级创业公司”。那种想做重要的东西、同时知道什么是好的热情,比以往任何时候都重要。Tibo 还说,职责边界在模糊,过去只做设计或只做工程、总觉得有点别扭的人,现在是发光的时候。 Tibo 讲了一个具体的人。一位以应届生身份加入 OpenAI 的同事,现在负责整个算力集群和应用侧,这是很大的责任。Tibo 认为这位同事能脱颖而出的原因,不是某项硬技能,而是非常善良、善于协作,总是去解决真正重要的问题,并且不把自己放在第一位,同时是一块“海绵”,学得极快,还会用最新的技术来加速自己的学习。Tibo 也坦白,自己原本没有想到年轻一代会这么快成为拥抱变化、摸索如何驾驭的人,这改变了 OpenAI 的招聘策略。 还有一个小细节我挺喜欢。Tibo 现在基本不手写代码了,很多分析和功能都由 Codex 来写,只在周末偶尔手写一道算法题,当作“治愈”。有人问 Tibo,人脑还有什么价值,Tibo 说,OpenAI 的原则是把人放在中心,把技术做成人的意志和品味的延伸。也许以后不再有程序员,但会有比以往更多的建造者,而人类想看的,是别的人在建造什么,“我现在不是在和 Dot 说话,我在和你说话”。我觉得这和我之前写 Andrew Ambrosino 那篇的结论几乎是同一个意思:实现变便宜之后,稀缺的是判断什么是好的、该往哪走的能力。会不会写,已经不是区分度了。 把更多算力,花在盯着 agent 身上 当 Lenny 问到风险,Tibo 把“pacing the frontier(把握前沿的节奏)”解释成提前投入:在对齐、安全和护栏上,投入得比想象中应该做的更多。Tibo 提到一个具体的方向:越来越多算力花在 secondary monitoring(二级监控)上,也就是除了干活的主 agent,还有另一套算力在盯着它,看它是不是在采取风险过高的行动,是不是被 prompt injection(提示词注入)了,必要时直接打断。 Tibo 说,OpenAI 还没有发布 Astra 之后更强的下一档能力,只发布了智能接近 Astra、但效率高得多的版本,也就是 GPT-6.1 Sol,据 BGR 的报道,它的 token 价格只有 Astra 的 20%。从官方介绍看,Dots 里还有一些具体设计:密码类的敏感操作总要人来确认,用户可以自定义哪些动作允许、禁止或需要批准,监控系统可以暂停或停止它认为有安全问题的 agent。在 Tibo 看来,从激励上说,OpenAI 为 12 亿人做产品,其中有很多不懂技术的人,“我们不赌”。 我觉得这里有一个容易被忽略的变化:安全不再只发生在训练阶段,而是发生在运行阶段,而且是有成本的。一个 agent 在后台连续工作,意味着另一套系统也要在后台连续盯着它。这样的成本,用户看不见,却会成为产品形态的一部分。你看到的是一个干活的 dot,它背后其实是两套算力:一套在做事,一套在问“这样做行吗”。 模型选择器的博士学位,是产品欠用户的债 Lenny 最后问了一个问题:你现在对 ChatGPT 最不满的是什么?Tibo 的回答很坦白:模型还差一点点,应用还没法几乎完全消失。Tibo 自己看到模型选择器、推理强度、要不要开多 agent 或 ultra,都会感到疲惫,说“你需要一个模型选择器的博士学位”,并且想尽快把这些全部去掉。OpenAI 的计划是把 Codex 和 ChatGPT 里的 Work 合并,减少复杂度,最终把 Dots 的能力直接放进 ChatGPT,抬高所有用户的下限。 Tibo 对自己的看法也变了。原本以为模型要一两年才能达到今天 Astra 的能力,结果来得更快。没想到会这么依赖语音,现在很多事情都靠听写或直接给 agent 打电话,那种感觉比预想的好得多。我觉得这件事说明,复杂度是产品欠用户的债。每多一个选项,用户就多付一次学习成本,而这笔债,应该由产品来还,而不是让用户一个个去还。 我自己的一点思考 听完整场访谈,我觉得 Tibo 的方向非常一致:把复杂度从用户手里拿走。不用选模型,不用搭循环,不用调工作流,甚至不用打开某个具体的应用,你只需要说你要什么,一个会学习的 agent 去处理。我觉得这个方向是对的,因为用户并不想成为 agent 的运维人员。 但复杂度并没有消失,只是搬到了平台一侧。选哪个模型,谁来替你选?循环怎么搭,谁来保证?它能碰哪些系统,出了错谁负责?这些问题在“没有配置”的产品里更少被看见,却更重要。所以那些关于护栏、监控、确认机制的细节,反而比功能清单更能说明这个产品能不能让人放心。这也是我读这场访谈时最想强调的一点:配置越少,不等于判断越少,只是判断被放到了你看不见的地方。 当然,要读出这场对话的边界。Tibo 是发布这个产品的人,很多话是意图和预测,比如“多数操作将由 agent 完成”“一年后好十倍”,不是已经发生的事实。Tibo 自己也说,今天的体验还有些笨拙,会一直笨拙,直到不再笨拙;Dots 现在只是付费套餐的一部分,每人一个,多个 dot 是之后的计划。访谈里的许多细节,比如插件的收入分成、推荐的排序方式,都是口头说明,我没有看到更详细的规则。 如果你在做会被 agent 调用的产品,我会拿走 Notion 的那个教训:为 agent 规模的流量做好准备,并且提前想清楚这笔账怎么算。如果你是普通用户,我会看两件事:它让你省掉了哪些配置,它为此拿走了你哪些权限。用户省下的每一次选择,背后都有人替你做了决定。真正该问的,不是 Dots 有多聪明,而是谁在替我做决定,我能不能看得见,改得了。 本文由人人都是产品经理作者【深思圈】,微信公众号:【深思圈】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载 题图来自Unsplash,基于 CC0 协议
人人都是产品经理
Cline 的免费模型列表随新模型更新,官方只支持在客户端或 VSCode 插件里用,接不进 WorkBuddy 等 Agent。作者基于 cline-free 做出 ClineFreePool,剔掉耗光赠送额度的付费模型,把多账号池轮询写成可照做的步骤。 说到Cline这个编程Agent,可能接触Vibe Coding不是太多的小伙伴不大熟悉,它最早是以VSCode插件的形式推出,在开发者社区享有一定的知名度。 Cline老马没记错的话,之前是Deepseek V4.1 Flash上线后,就开始提供该模型的免费额度服务,只要你注册就可以使用,新用户好像还有另外0.5美元的额度。 但是它这个免费额度的模型,简称免费模型,并不是固定的,有点跟促销一样,定期会根据最新模型的上线,推出不同的免费模型。比如最近AI圈子又上了Space-Bunny太空兔模型,Meta的Muse Spark 1.3,小米的Mimo V2.6 Flash。 重点再强调一遍,Cline的免费模型列表,它不是固定的,经常会更新。所以有时候这个模型可以用,有时候这个模型下架了,都很正常。 一般来说,你要用Cline的免费模型,就是下载它的客户端,或者是在VSCode里面安装插件,注册账号后登录使用。但是没法直接接入其它的AI工具或者Agent,比如接入WorkBuddy,OpenClaw,Hermes,Cherry Studio等。如果要接入,就得做成本地的API,成为所谓的第三方API。 因此老马参考了之前市面上已经有的Cline开源项目,主要包括了cline-free,cline2api-workers和cline2api。发现各有千秋,同时也存在局限性。 于是以cline-free为准,做了一些改进优化。移除了会耗尽赠送0.5美元额度的付费模型,需要订阅才能使用的付费模型。免费模型也不是写死的,而是会根据Cline的免费模型列表实时更新。 其次是做了项目的部署体验优化,让小白用户也能随便用一个Agent工具,比如WorkBuddy,项目地址丢过去即可快速一键安装部署成功。剩下的就是在代码的工程质量与自检方面进行了完善,视觉模板优化调整。总的来说,原项目cline-free是能跑,而老马改进优化后的ClineFreePool项目,则是能够放心持续使用。 在这里大部分的功能界面还是保留cline-free的设计,在此也非常感谢原作者的开源分享,省去了老马从头开始重复造轮子的操作,减少了WorkBuddy开发时的积分消耗。 老马改进优化后的ClineFreePool项目,同样开源到了Github上,MIT协议的情况下也欢迎小伙伴们随便修改DIY,你看哪里不行不顺眼,哪里有bug,就让自己的Agent去修改或者优化。 安装部署项目 前情提要就介绍到这里了,下面进入实操,老规矩照例会用到WorkBuddy来帮我们安装部署ClineFreePool项目。打开WorkBuddy后,新建个任务,把下面的提示词直接发送过去,即可安装部署成功: 安装这个项目 github.com/majiabin2020/ClineFreePool 如果安装部署失败,那大概率是你的网络无法正常访问github,需要做一些优化。可以参考老马之前写的文章去操作:装上这个Skill,让你的WorkBuddy正常访问github 安装完毕后,会启动一个网页版的控制台,一般网址都是127.0.0.1:端口号。这个地址会自动在WorkBuddy会话窗口的右侧,使用内置浏览器打开,同时运行着一个后台服务,后台服务切记使用期间不要关闭。 另外这个网址你也可以用电脑的浏览器去打开访问,打开后在左侧的菜单切换到模型页面,模型列表右上角有一个刷新数据。建议每次使用的时候点击刷新一下,这样可以实时获取Cline的最新免费模型: 然后就是把你要使用的免费模型,点击添加按钮添加到已启用模型的列表里面。每个模型名称下面还有一个复制的按钮,等下我们要接入其它Agent或者AI聊天工具的时候,可以点这个复制按钮去复制模型的名称。 注册登录 Cline 账号 当然,现在还无法直接使用Cline的免费模型,我们还得注册登录Cline的账号。在左侧菜单切换到账号页面,点击登录新账号: 这时下面的登录Cline账号列表中会出现一个打开授权页面,你点击打开: 在弹出的新浏览器窗口页面中,就可以看到Cline账号的注册登录界面了。这里Google账号和Github账号很多小伙伴都没有,所以推荐使用Microsoft账号,你可以点使用Microsoft继续,或者点注册都行: 老马是使用Microsoft账号去注册登录的,因为Microsoft账号你如果是用Windows系统的话,基本上都会去注册。且国内注册无需神秘力量,相对还是比较简单的,唯一可能需要验证的是你的手机号码: 验证后就可以对Cline的账号设备代码进行确认了,确认就是激活设备,登录Cline账号的意思。不过这里有可能会因为激活设备超时,出现下面的报错: 没有关系,你就关掉这个浏览器窗口页面。重新回到我们的ClineFreePool控制台,看看是否提示登录未完成,授权超时: 如上图所示,就是老马在激活设备登录Cline账号的时候超时了。点击重新登录,再走一遍上面使用Microsoft继续的注册登录流程,最后再验证一下设备码,就能够成功登录Cline账号了: 成功登录Cline账号后,那个浏览器窗口页面就可以关闭了。继续回到ClineFreePool控制台,在账号列表里面就可以看到当前已经登录的Cline账号了: 多账号池轮询 这里是支持多个Cline账号登录的,实现多账号池的轮询。为什么要登录多个Cline账号,原因在于Cline虽然提供免费模型,但免费模型依旧可能存在429限流的情况,而官方并没有公开说明具体什么时候会限流。 为了保证我们顺畅地使用免费模型,就可以登录多个Cline账号,加入到多账号池中。当一个账号被限流了,系统会自动切换到下一个备用账号,如此循环,从而实现不会因为限流而卡住无法使用。 前面提到过,Cline账号的注册可以使用Microsoft微软的账号。而微软的账号注册是门槛很低的,所以你就可以拿家里亲戚朋友的邮箱或者手机号码去注册多个微软账号,再用微软账号注册登录成Cline账号。 这点大家搞清楚逻辑,去实际操作就很简单了。老马就不登录多个Cline账号了,而是采用一个账号给大家演示。登录完Cline账号,接下来就可以获取API的地址和Key,我们在控制台左侧菜单点击接入配置: 接入 WorkBuddy 实测 如上图可以看到,Base URL和API Key都是现成可以直接复制的。凡是给Agent和AI聊天工具接入过大模型的,再熟悉不过。老马直接点击复制按钮,然后打开WorkBuddy的设置,找到模型设置,选择自定义接入第三方模型: 把刚才复制的Base URL接口地址,以及API Key粘贴进去。模型名称上文中老马提到过了,你就回去控制台的模型页面,已启用的模型列表里面,选择一个免费模型复制一下模型名称填入进去就行了。 老马这里接入的是模型名称是小米的Mimo V2.6 Flash,最后点击一下测试连接,提示连接成功。这说明咱们的本地反代服务是正常的,Cline账号是登录成功的,同时获取免费模型服务也是成功的。 最后在WorkBuddy的自定义第三方模型接入页面点击保存,保存好刚才的模型配置接入信息即可。回到WorkBuddy新建个任务,左下角的模型选择刚才接入的Mimo V2.6 Flash。 老马就随便发送一句话,问它是什么模型,以及让它在本地桌面创建个Word文档写一首赞美老马的诗: 可以看到,都是成功的,这说明免费模型已经可以正常使用了。以上操作适合市面上主流的Agent或者AI聊天工具的接入,流程都是差不多的。有了Cline的免费模型,加上多个Cline账号轮询,你又免费实现了token自由。 而且Cline的免费模型,大部分都是最新上线的新模型,你还能抢先体验到新模型的能力。至于Cline什么时候会停止免费模型服务的福利,或者进行更严格的限流和额度限制,这就不好说了。 截止老马本文发布时,该项目和操作都是可行的。按道理讲Cline这样有投资有实力的国外公司,还具备一定的知名度和影响力,不至于会一下子就抠门拉闸的。 还是那句老话,该薅的时候抓紧薅,不要等错过了再后悔莫及。老马体验下来,免费模型的调用速度还行,日常作为平替和补充使用完全足够了,不要钱的也不能要求太高了。 作者:马佳彬 公众号:马佳彬 本文由 @马佳彬 原创发布于人人都是产品经理。未经作者许可,禁止转载 题图来自 Unsplash,基于CC0协议
人人都是产品经理
奥美创始人奥格威说:「不能提升销售,则无创意。」这篇文章整理他关于广告、营销与经营广告公司的 25 条心法,并配上哈萨威衬衫、梅赛德斯-奔驰、多芬香皂与奥美自己的经典案例,说明哪些判断今天依然奏效。 大卫・奥格威,奥美广告创始人,品牌形象理论奠基人,现代广告界无可争议的“广告教皇”。 我不认为广告是娱乐或艺术,我认为广告是传播信息的媒介。我不希望你告诉我,你觉得我写的某个广告“有创意”,我希望你发现它很有吸引力,然后去买它推销的东西。 我写《一个广告人的自白》时使用的广告技巧,今天依然奏效。消费者仍旧购买在广告中向他们承诺物有所值、带来美好、提供营养、摆脱烦恼、彰显身份的产品。 一、广告人必读的箴言,字字珠玑 我恨教条。 不能提升销售,则无创意。 让产品成为英雄。 没有无趣的产品,只有乏味的文案撰稿人。 员工工作没乐趣,就做不出好广告。 如果消费者确信你的产品好,而不确定你竞争对手的产品好不好,他就会买你的。 人们越相信你,就会向你买越多东西。 如果你提供的服务过于慷慨,客户当然会喜欢你,但你自己会破产。 不要和道德观与你不一致的客户打交道。 二、如何做出有销售力的广告:十步! 1、顾客不是白痴,她是你的妻子。 对产品的了解越多,你就越可能提出一个有销售力的大创意。 首先,你要研究广告所服务的产品。对产品的了解越多,你就越可能提出一个有销售力的大创意。 下一个功课是去找出竞争对手为同类产品做过什么样的广告,取得了哪些成功,这会让你认清自己的方向。 接下来要做的是消费者研究。你要弄清楚他们怎么看待此类产品,如何谈论相关话题,最看重产品的哪些属性。 还有,什么样的承诺最可能让他们掏钱购买你的品牌的产品。 2、定位:最重要的决定是如何定位你的产品。 定义是“这个产品是做什么用的,给谁用”。 4、品牌形象:每个广告都应该有助于品牌形象。 你必须决定赋予你的品牌什么样的“形象”。形象意味着个性,和人一样,产品也有个性。 在市场上,个性既能成就产品,也能毁掉它。 每个广告都应该有助于品牌形象, 同时广告必须年复一年地持续呈现相同的品牌形象。建立高品质的形象,对大多数产品都会奏效,它就像一张头等舱票。 靠打折促销建立不起无法摧毁的形象,而只有无法摧毁的形象才能使你的品牌成为人们生活的一部分。 5、什么是大创意?没有大创意,也永远不会赢得名声和财富。 吸引消费者的注意力、促使他们购买你的产品,都需要大创意。没有大创意,你的广告就会如同暗夜航船,无人知晓。 大创意来自潜意识。你的潜意识里要有足够的信息储备,否则你的创意就什么都不是。 可以通过自问以下5个问题来判断那是否是一个大创意: 看第一眼时,有没有倒吸一口气? 会不会希望想出这个创意的是自己? 它是独一无二的吗? 它符合广告表现策略吗? 它能不能用30年? 6、让产品成为英雄。 无论何时,只要有可能,就要让产品本身成为广告中的英雄。如果你觉得产品乏善可陈,我可以告诉你: 没有无趣的产品,只有乏味的文案撰稿人。 品牌猿注:新逻辑是“如何让用户成为英雄!” 7、“确实很好”。 谁能让消费者确信他的产品“确实很好”,销售量就会转向谁。 8、重复使用你的成功之作。 如果你足够幸运,写出了一个好广告,那么就重复使用它,直到它不再能销售产品。 9、简单:大部分广告都太复杂。什么都想照顾到,结果却一无所获。 大部分广告都太复杂。它们要实现太多目标,还得努力调和过多决策者、参与者完全相左的意见,什么都想照顾到,结果却一无所获。 10、求知:谁知道的多,谁就会成为高手。 “什么会成就一位伟大的外科医生?”他回答说:“外科医生的动手能力没什么差别,伟大的外科医生之所以声名卓著,是因为他比其他人懂的更多。” 广告业也是如此,谁知道的多,谁就会成为高手。 三、“我”(奥格威)对营销的点滴了解 1、为什么要持续做广告? 当火车在高速行驶时,你认为要拆掉火车引擎吗? 广告是产品的一部分,应该被视为制造成本而非销售成本。 因此,在经济不景气时,广告不应该被削减,就像你不会在不景气时减少产品中的必要成分一样。 从长远看来,只有通过广告致力于建设鲜明、清晰的品牌形象的制造商,才能获得最大的市场份额。 2、为什么有八成的新产品会失败? 有时是因为它们太新了,比如第一款冷食麦片就被消费者拒绝。 更常见的情况是,因为它们不够新,没有提供任何看得见的差异, 比如品质更高、口味更好、更物有所值、更方便,或者是能更好地解决问题。 如果一些新突破能同时与消费者熟悉的一种特性紧密相关, 能够把消费者以往的经验和新产品联系起来,对新产品成功上市会更有帮助。一次性尿布、清爽型啤酒、低卡路里可乐、纸质毛巾就是如此。 3 好名字价值百万 以男性或者女性的名字命名。 例如福特、金宝汤(CAMPBELL) 和凯歌香槟,这些品牌都深入人心,很难被模仿,而且会让人想到产品是由一个真实的人发明的。 没有实际意义的名称。 例如柯达、高洁丝和骆驼。赋予它们任何销售诉求都得花上好几年时间和数百万美元的广告费。 描述性名称。 例如三合一润滑油、酒桶管家。此类名称一开始就包含销售诉求,但它们太具体了,很难用于未来的产品线扩展。 4、促销除了能在销售曲线上制造出一个小转折,什么用都没有。 减价促销和其他图一时之快的法子 ,都很讨销售经理们的喜欢,但它们的 效果都非常短暂,而且会让人上瘾。 销售是产品价值和广告作用下的结果 ,促销除了能在销售曲线上制造出一个小转折,什么用都没有。 折价券能诱导人们尝试某个品牌,但他们很快又会若无其事地转回自己的惯用品牌。 5 定价是一种猜想 产品定价越高,消费者对之会愈加渴望。不过艾奥瓦大学雷兹教授试图将679种食品类产品的价格和品质关联起来, 最后却发现品质和价值之间的相关性几乎为零。 大部分市场营销者都害怕给自己的产品定一个高于竞品的价格。但已经有确定无疑的迹象表明, 现在人们更喜欢优质优价的产品。 6 请密切重度使用者 在喝啤酒的人中,32%的人喝掉了啤酒消费总量的80%。在通便剂使用者中,23%的人用掉了80%的通便剂。杜松子酒饮用者中,14%的人喝掉了80%的杜松子酒。 为任何产品做广告,你都需要密切关注这些重度使用者,他们的消费动机和偶然用户不同。 四、如何经营广告公司?(适用任何行业的创业者) 1、拥有人才。 俄罗斯套娃:“每个人都雇用不如自己的人,我们会成为一家侏儒公司;每个人都雇用比自己强的人,我们会成为一家巨人公司。” 2、保持好奇心。 “我总是努力雇用J. P.摩根所说的‘有头脑的绅士’。” 头脑,指的不是高智商,而是好奇心、常识、智慧、想象力和读写能力。 3、要寻找有一天能领导公司的年轻人。 有什么方法可以预测领导潜能吗?我所知的唯一方法,就是看他们大学时的记录。他们如果在18至22岁之间就是领导者,很大可能在中年时也成为真正的领导者。 4、永远不要雇用你的朋友。 永远不要雇用你客户的子女。永远不要雇用你自己的子女,或者你同事的子女。雇用已经在其他领域获得成功的人,要三思而后行。永远不要雇用你的客户。 5、办公室政治。 坚定不移地反对笔墨官司,让你的人面对面争论;在公司发起一个午餐俱乐部,这个法子能把敌人变成朋友。 6、领导者。 伟大的领导者几乎总是充分显露出自信。 他们从不狭隘,从不推卸责任。失败之后,他们会很快振作起来。 伟大的领导者总是热情地投入工作。 他们从不受制于讨好所有人这种有害的欲望,勇于做出不得人心的决策,包括有勇气开除不称职的人。格莱斯顿曾说,伟大的首相必须是个好屠夫。 人们在愉悦的氛围中,才能产出最好的工作成果, 变革和创新的发生都源于工作中的乐趣。 领导者从不对下属放权,对广告公司没有一点儿好处。 你建立的核心层人数越多,你的公司就会越强大。 7、4个建议 1)永远不要让两个人干一个人就能干好的活儿。 乔治·华盛顿说:“任何情况下,如果一个人就足够履行某个职责,派两个人去做,一定会做得更差,派三个或者更多人去做,就鲜少能完成。 2)永远不要传话叫人来你的办公室,那会吓着他们。 你要去他们的办公室找人,不要事先打招呼。一个从不在公司游荡的老板会变成一个别人看不见的隐士。 3)希望别人有所行动,你要口头沟通。 希望会议得到你想要的结果,你要自己去参会。记住这句法国谚语:“不在场的人总是错的。” 4)使用和你客户的产品有竞争关系的产品是错误做法。 服务于西尔斯·罗巴克百货时,我开始在西尔斯买所有衣服,这让我妻子很生气。不过第二年,一个服装制造商大会票选我为美国最佳着装男士。我不会考虑用除美国运通之外任何一家公司的旅行支票,不会喝麦斯威尔之外任何一个品牌的咖啡,不会用多芬之外任何一个品牌的香皂。现在,奥美服务的品牌已经超过了2000个,我个人的购物清单也变得越来越复杂。 五、经典案例 案例1、穿哈莎威衬衫的男人 大卫·奥格威从1951年起为哈萨威衬衫创作广告。在为哈萨威衬衫创作的一系列广告中,大卫·奥格威尝试了18种方法,通过“故事诉求”(Story Appeal)的方式表达产品的与众不同 。他给模特戴上眼罩,这个引人瞩目的人物代表了品牌的形象。这也为大卫·奥格威赢得了创建 “品牌形象第一人” 的称号。 案例2、梅赛德斯–奔驰230S 时速六十英里时,这辆全新劳斯莱斯车内最大的噪声来自电动机械钟;劳斯莱斯何以成为全球最好的汽车? 没有魔法,唯耐心关注细节而已。 选择梅赛德斯–奔驰230S,你会放弃很多,包括噪声、锈迹和老掉牙的工艺。 案例3、多芬香皂 多芬让香皂一下子过时了!——全新沐浴皂为你的肌肤带来乳霜般滋养。 案例4、奥美——最伟大的作品! 本文由人人都是产品经理作者【品牌猿】,微信公众号:【品牌猿创】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。 题图来自Unsplash,基于CC0协议
iThome 新聞
10月6日Google推出穩定版Chrome 155大改版,一口氣修補247個資安弱點,從危險程度而言,4個為重大等級、53個高風險等級,其餘為中低風險等級。
Балл: 57.08Уверенность: 54%
Подробнее人人都是产品经理
做自媒体的最怕的是什么?刚开始用AI提效辅助写文章了,然后发现AI文章很容易被检测出来,被平台限流了,任何平台都不鼓励AI内容的泛滥,可偏偏你的去AI味儿没有任何用处,还是被检测出来是AI文。今天这篇文章告诉你为什么会这样。 我看到一条爆炸的新闻,10 月 5 号OpenAI 宣布给欧盟的ChatGPT 和 Codex 加上一层隐形的文本水印,名字叫 textGrain。它藏的位置,和文风没有任何关系。如果你以为只是删掉那些”首先、其次、综上所述”,加些口语短句,调些句子长短就能去掉,那你错了, 水印跟文风无关,却是一套严谨的用词逻辑 。 textGrain 不是徽标水印,也不是藏在文件里的隐藏字符。 它的做法是微调模型选词的偏好。同一个意思,本来可以有 A 或 B几个词语可以用,水印开启之后,模型会按一个只有它自己知道的规律去挑。几百次这样的选择叠加起来,就形成了一段统计模式,这 样的逻辑AI自己懂,普通用户改几个词语去AI味没有任何用了。 关键是这个AI水印的信号长在词语里。如果你直接复制粘贴文本的话,隐形水印也直接被粘贴过去了,没办法去掉。所以”AI 味”和”AI 水印”是两层完全独立的东西。前者是文字的观感,后者是文字的概率分布。 你在观感上做的功夫,改不了分布上的痕迹。 我们再看下官方给的数据,OpenAI 在官方评估里给了几组数据。在目标误报率 1% 的前提下,400 个 token 的段落检出率约 95%,当只有200 个 token 的段落就掉到 80%。可见内容越短越难检测。还有更关键的一组:把一段 400 token 文字里 10% 的词换成同义词,检出率从约 92% 掉到 66%;当换成 25%时,检出率直接掉到了 17%。 现在知道关键的动作是什么了:换词。不是改文风,是换词。 这解释了 8 月那场 Anthropic 的风波。Anthropic 承认,轻度编辑去不掉水印,只有完整重写才可能移除。于是你拿 Claude 校对一份自己写的稿子,或者让它帮忙翻译一段文字,出来之后照样带着 AI 标记。几十个付费用户在 X 上宣布退订。有人在 Reddit 上说得很直白:指令是我给的,上下文是我提供的,反复微调也是我做的,Claude 只是干活的工具,凭什么它来宣示功劳。那阵子还冒出一个开源去水印项目,五天涨到 1.1 万 Star。Anthropic 的回应是,取消订阅读数没有统计意义上的显著增长。 需要说明的是Anthropic 的 Claude 水印是全球性的, 不是只在欧盟地区的。你用 Claude 润色过稿子,那稿子就带着标记,不管你在哪个城市。国内这边,《人工智能生成合成内容标识办法》和强制性国标 GB 45438—2025 从 2025 年 9 月 1 日就已经施行,元数据里的隐式标识是法定要求,办法里也明确鼓励数字水印这类隐式标识。美国加州 SB 1050 明年 1 月 1 日生效。 当然也不是”AI 写的都会被抓住”,而是”AI 检测”这个东西现在既抓不全,也判不准。目前不用把任何一个平台的检测结果当判决书。 但我们该关心的是读者的感受。 很多人过去做去 AI 味的目的是”骗过检测”或者”让人看不出来”,让内容更像真人写的,让读者有耐心读完。删掉那些垫词、绕弯句、空洞总结,受益的是坐在屏幕前的读者,不是算法。 当你读多了AI的内容你自己也知道AI味是一种难以忍受的感觉,因为那是AI的一套逻辑,大家都用这套逻辑就是灾难,相当于天天给你啃馒头不让你吃别的,你能坚持多久? 所以去AI味的本质还是让内容更好,让读者喜欢,因为现在的AI水平远远的达不到真人专业的水准。 人与AI的协同还会持续的发展与规范。 换词能洗掉水印,而换词恰恰是最笨的重写动作 ,那”润色”和”重写”的价值差距,就被 OpenAI 用数字摆到了台面上,在逼着你去重写,相当于他给了你素材与新的思路,你还是需要自己加工成成品。水印真正有用的地方,不是帮你识别 AI,而是逼你回答这篇内容,你到底亲自写了多少。 国内虽然没有明确的说明也加了类似的AI水印,但 OpenAI加水印的方式也让我们看明白了AI的规则以及我们如何产出真实自己内容的方法, 光靠一篇AI内容直接复制粘贴的方式是行不通了, 自媒体的价值更需要真人,如何让AI真正的成为辅助工具,或者训练出一个更贴近真人的AI工具是非常有必要的。 我也用AI工具,还给自己的 WorkBuddy 技能里放了一套去 AI 味检查清单,包括做了一个更贴合我自己的写作引擎 qianjin-writer,现在看来还得加一层:确认自己不是在同义词上打转。光是文字风格上的AI味是远远不够的,文风底下还有一层词的取舍,那层只能靠重写。 最后郑重提醒:不要依赖AI,用AI的目的是提升自己,而不是给AI打工。 本文由@前进ing 原创发布于人人都是产品经理。未经许可,禁止转载。 题图来自作者提供 该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。
Балл: 57.08Уверенность: 54%
Подробнее人人都是产品经理
空客 A380 曾因德西与英法工程师的 CAD 版本不同,机身段对接时线束对不上,交付推迟约两年。9 月 30 日,硬件研发 agent 平台 Flow Engineering 完成 5000 万美元 B 轮、估值 7.5 亿美元,本文拆解它把需求与测试放进一张系统图。 你有没有想过,造一架飞机最难的地方,可能根本不是设计,而是让成千上万个人手里的图保持一致?空客 A380 就遇到过这样的事。德国和西班牙的工程师用的是旧版 CAD(计算机辅助设计)软件 CATIA 4,法国和英国用的是 CATIA 5,两边的机身段在图卢兹对接时,线束对不上。据当时的报道,交付因此平均推迟了大约两年,额外成本估计在 60 亿到 70 亿美元。没有人画错某个零件,出问题的是两个团队手里的“真相”不一致。 9 月 30 日,旧金山的 Flow Engineering 宣布完成 5,000 万美元的 Series B(B 轮融资),估值 7.5 亿美元,由 Valor Equity Partners 的 Antonio Gracias 和 Atreides Management 的 Gavin Baker 联合领投。它做的是硬件研发的 agent(智能体)平台,客户包括 Rivian、Anduril、Joby Aviation。我把公司公告、创始人 Pari Singh 的文章,以及投资人 Roelof Botha 和 Singh 的对谈都读了一遍,想弄清楚三件事:硬件开发为什么比软件慢那么多,agent 能改变其中的哪一环,以及 Rivian 为什么能在七个月里从 40 个用户用到 1,500 个。我有不少自己的想法,整理出来和大家聊一聊。 硬件慢,慢在改一处牵动全局 Botha 在对谈里说了一句很朴素的话:软件里的 bug 可以很快打补丁,硬件里的错误往往要几个月才能拆回来。所以 Botha 认为,速度正在成为决定谁赢的关键,最好的团队会在不牺牲工程严谨的前提下,缩短决定与验证之间的学习周期。Botha 还给了一个判断:全球市值前 100 的上市公司里有 34 家科技公司,其中 22 家无疑是硬件公司。这组数字我没有核对,但方向很清楚,硬件正在回到舞台中央。 难点在于,硬件里每个决定都是连在一起的。Sequoia 在投资 Flow 的文章里举过一个例子:调整某个部件的热参数,会沿着整个系统传下去,牵动其他部件,需要跨团队不断手动协调。传统上用来追踪这些依赖关系的是需求管理工具,Sequoia 的评价很不客气,说这些工具是“上个时代的笨重遗物”,工程师不爱用,反而拖长了本来就很长的周期。Botha 还补了一个对比:一个大约 150 人的小公司之所以快,是因为信息流动顺畅,公司变大之后,机械、电子、软件、制造和合规各自成了孤岛,AI 真正的机会不在个人效率,而在组织对齐。 我觉得这段话抓住了硬件和软件的根本差别。软件的难点常在“写出来”,硬件的难点常在“协调好”。当实现越来越便宜,协调的成本反而更显眼了。A380 的教训也是这样,没有人偷懒,也没有人能力不够,是没有任何人能在早期看出,两边的模型已经悄悄对不上了。 一个造火箭发动机的人,为什么去做了需求管理 Flow 的创始人 Pari Singh 在伦敦长大,在 Imperial College London 读机械工程,大学期间做过混合式火箭发动机,毕业后先后在 BAE Systems 和 BP 工作。据 Contrary Research 的梳理,Singh 在这些大型工程项目里看到的,是依然靠几十年前的流程和表格来协调。于是 Singh 先开了一家做火箭发动机设计的咨询公司,为了验证另一种开发方式,自己写了内部软件,把需求、MATLAB 模型、CAD 设计和仿真连成闭环,改动能自动传导。Sequoia 的文章说,这个工具解决某个火箭设计问题只要两个小时,而竞争对手要十二周。Contrary 引用的说法是“12 周的活大约 2.5 小时完成”。这些都是 Flow 方面的说法,我没有看到独立验证。 之后的路径很清楚。2019 年,这家公司从咨询转向做软件,后来改名 Flow Engineering。2022 年 12 月,它完成了 850 万美元的种子轮,由 EQT Ventures 领投,当时的定位是“硬件工程的 GitHub”。2025 年 10 月,Series A 融了 2,300 万美元,由 Sequoia 领投,Stripe 的 Patrick Collison 和 John Collison 等人参与。那次接受 Fortune 采访时,Singh 说,设计硬件的工具、流程和工作方式,从太空竞赛以来基本没有变过。Botha 则说,硬件如今已经不再和软件分开,而是越来越由它们的交汇来定义。 我觉得这条路径里最值得记住的,是它的起点:不是先想了一个大市场,而是先在自己造火箭发动机的时候,被“改一个参数要等十二周”这件事折磨到,动手写了个工具。这种从自己最痛的地方长出来的产品,往往比从市场报告里推出来的更扎实,因为创始人至少知道,痛到底痛在哪一步。 Flow 的核心:把依赖关系写成一张图 Flow 的核心是一个叫 systems graph(系统图)的东西。按 Singh 的说法,它把需求、设计决策、接口、预算、测试和合规证据,放进同一个互相连接的模型里,依赖关系是显式的链接,不再藏在人脑子里。它不要求团队换掉现有工具,官网列出的集成包括 Dassault、Siemens NX、Autodesk Fusion 360 这些 CAD 工具,ANSYS、Abaqus、SolidWorks 这些仿真工具,LabVIEW、TestStand、dSPACE 这些测试工具,还有 GitHub、Slack 和 Outlook。工程师在自己熟悉的软件里干活,Flow 在后面把变化接起来。 在这张图上跑的是 agent。Flow 描述的有四类:做影响分析的,管质量、成本和功耗预算的,管安全与法规合规的,以及用户自己定义的。官方产品图里有一个演示,我觉得比任何概念解释都直观:工程师对 agent 说,峰值电机扭矩的需求改成了 420 牛米,请更新下游需求,并重新生成电机壳体,以适配新的热边界。agent 随即把峰值扭矩从 380 改到 420,生成了新的壳体 CAD 文件,写明定子孔径加大 2.4 毫米、冷却水道重新布线,并列出受影响的需求:轴功率要重算,相电流上限要提高,扭矩保持时长要按新的热模型重新评估。Flow 的说法是,这类传导以前要几周,现在几秒。 产品里还有一个我很喜欢的设计:分支和合并,类似软件的版本控制。工程师先在独立分支里提出变更,查看差异和影响分析,再合并进基线。对涉及国防的客户,Flow 还给出了合规配置,可部署在云端、GovCloud 或自托管环境,符合 ITAR 和 EAR 的要求,并称不会拿客户数据训练模型。这些是公司的自述,不是第三方审计结论。 我觉得这套设计的聪明之处,在于它没有去替代任何一个专业工具,而是做了它们中间那一层。CAD 知道几何,仿真知道物理,测试知道结果,但没有一个知道“它们之间的关系”。Flow 把这层关系变成了数据,agent 才有了可以读、可以改的对象。如果这一层是一堆表格和人脑里的默契,再聪明的 agent 也无从下手。 Rivian 的 1,500 个人,说明了什么,又没说明什么 这次公告里最具体的数字来自 Rivian:Flow 在这家电动车公司内部的用户,七个月里从 40 个涨到 1,500 个,工程师每周发出数百万次 API 调用。Rivian 的产品开发总监 Scott Mackenzie 说,他们评估了 30 种工具,没有一个能接近 Flow。Flow 还说,96% 的客户是主动上门的。公告列出的客户还有 Anduril、Joby Aviation、Stoke Space、Intuitive Machines、Pacific Fusion、通用汽车的 PPU、Rivian 和大众的合资公司 RV Tech、Astranis 和 Radiant Industries。 价格也值得一提。Flow 官网是按编辑席位收费:Basic 档每个编辑每月 150 美元,限 500 条需求;Pro 档每月 300 美元,限 5,000 条需求、五个项目;Enterprise 是定制价,包含 GovCloud 部署和自定义集成。这是很传统的 SaaS 席位模式。Contrary 的报告提到,公司打算随着 agent 干的活变多,转向按 token 用量计费,另外还有一组公司提供的数据:维护需求所花的时间减少了 79%,同样的工程时间里测试覆盖提高到三倍。 我觉得需要把这些数字分清楚。1,500 是用户席位,说明它被用起来了,而且是自下而上长出来的,这本身已经是很强的信号,因为工程师最容易抵触的就是被强推的工具。但席位数不等于迭代速度提高了多少。公告里“把硬件迭代从几个月缩短到几天”是目标,79% 和三倍也是公司自己的统计,没有独立验证。读这类融资稿,最值钱的往往不是最大的数字,而是最难造假的那一个:愿意自己用起来的人数。 投资人在押什么:为实体产品做“操作系统” 这轮融资的名单有些分量。Gracias 是 Tesla 的早期投资人,在 SpaceX 和 Neuralink 的董事会任职;Baker 是 Nvidia、Tesla、xAI 的早期投资人。Sequoia、Human Capital、Evantic、SV Angel、Odyssey 和 EQT 也跟投了,个人投资者里还有 Hugging Face 联合创始人 Thomas Wolf、Mercedes-Benz 的 CIO Jonas von Malottki,以及 F1 世界冠军 Nico Rosberg。两位领投人的话落在同一个方向:Gracias 说,来自有高标准的工程师的市场拉力很少见,这是他们支持 Flow 的原因;Baker 说,Flow 在为实体产品打造操作系统,用软件替代稀缺的工程能力。 钱的用途,公告写得很具体:打造面向硬件工程的 AI harness(让前沿模型能安全接触敏感工程数据的框架),扩充评审、分支和评测能力,扩大 AI 和系统工程团队,争取 FedRAMP(美国联邦政府云服务授权)等认证,并扩大销售团队。据 Contrary,到今年 6 月 Flow 只有约 25 名员工,计划年底前翻两番。这个品类并不新,老牌对手有 IBM DOORS、Siemens Polarion、Jama Connect,还有 Autodesk 和 Dassault 这样的大厂,新一些的有 Trace.Space 和被 Altium 收购的 Valispace。Flow 的差异,是面向新一代硬件公司,并把 agent 直接放进系统工程流程里。 我觉得这个对手名单说明一件事:需求管理早就存在,Flow 押的是另一件事,当 agent 成为工具的主要使用者,底层的数据模型就得从“文档”改成“图”,否则 agent 读不懂,也改不动。这和 Botha 的另一个判断也对得上:组织优势会复利,早用的团队会比晚用的多积累好几年的能力。这是投资人的叙事,不是已经发生的事实,但它解释了为什么他们愿意在一个看起来不性感的品类里下这么大的注。 工程师还剩什么:定义规格,设计约束 Singh 在 6 月发布 Flow v3 的文章里,把话说得很直接:硬件的复杂度已经超过了人类团队能持续审查的范围,“靠增加工程师来管理复杂性的时代已经结束”。Singh 描述的分工是:agent 负责更新需求、维护模型、改动之后重跑分析、追查改动弄坏了什么;工程师则从执行者变成整个项目的架构师,定义标准,编码意图,做权衡。最高杠杆的工作,Singh 叫它 harness engineering(搭建让 agent 能有效工作的标准、约束和系统)。Singh 还提出了一个说法,叫 context scaling laws(上下文规模定律):agent 能读到的互相连接的工程数据越多,表现就越好。这是 Flow 的论断,不是已经被验证的规律。 Botha 在对谈里把这件事讲得更透:随着 AI 实现能力变强,“定义系统需要什么”反而比“生成解法”更难。硬件团队一直把规格当作关键产物,产出的质量取决于规格的质量,而不是实现的速度。我觉得这句话值得抄下来。它和不少 AI 产品的故事,指向同一个地方:模型能做的事越多,说清楚“要什么”和“怎么算对”就越成为瓶颈。硬件把这一点推到了极端,因为一次错误的代价不是重新部署,而是重新开模,或者重新取证。 我自己的一点思考 回到开头的问题。我对 Flow 的理解是,它卖的不是更快的画图,而是把“一件事和另一件事是否一致”变成机器可以持续检查的东西。A380 的教训,在于没有人能在早期看出两边模型不一致。Flow 的做法,是把依赖关系放进一张图里,让 agent 在每次改动后重新检查。这样的产品,我觉得抓住了硬件开发真正的痛点,而不是追着“AI”这个词去包装一个旧工具。 但这家公司的说法有几个边界要看清。大部分数字,包括 79%、三倍测试覆盖和“从几个月到几天”,都来自公司自己,没有第三方核实。Rivian 的 1,500 是席位数,不是效果。Contrary 指出的风险也很实在:Flow 的可靠性取决于它和不断变化的 CAD、仿真工具之间的集成,接口一变,图就可能过期,用户对它作为“记录系统”的信心就会下降。大型航空、汽车和国防企业有深厚的流程和认证链,替换系统很慢,Siemens、Dassault、Autodesk 这些老牌厂商也在给自己的平台加 AI。还有一点:agent 能发现冲突、重算预算,但物理测试和认证,不能靠它省掉。 如果要从这个故事里拿一个对任何团队都有用的检验,我会问一个很简单的问题:改一个需求,要多久才知道它会牵动哪些东西?如果答案是“要开几个会”,那么瓶颈大概不在写得慢,而在对不齐。实现可以交给 agent,对齐却需要被设计出来。这个问题的答案,可能比任何一次融资的估值,更能说明一个团队的真实速度。 本文由人人都是产品经理作者【深思圈】,微信公众号:【深思圈】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载 题图来自Unsplash,基于 CC0 协议
iThome 新聞
GitHub Actions相隔約4天再度發生服務異常,GitHub於臺灣時間10月6日凌晨通報,代管的工作執行環境分派出現延遲,造成部分自動化工作流程啟動延遲,後續也出現工作執行失敗。GitHub Actions約2小時43分鐘後恢復正常,期間GitHub Pages及部分帳務、授權功能都受到影響。
Балл: 57.06Уверенность: 54%
ПодробнееiThome 新聞
資安業者Truffle Security近日公布GitHub公開程式碼憑證暴露的研究結果,研究團隊掃描The Stack v3收錄的約2.25億個GitHub公開儲存庫快照,並於2026年7月驗證其中找到的憑證,確認其中543,699組當時仍可使用,暴露時間中位數達784天,第90百分位更達6.3年。
Балл: 57.06Уверенность: 54%
ПодробнееБалл: 57.11Уверенность: 54%
Балл: 57.09Уверенность: 54%
Балл: 57.09Уверенность: 54%
Балл: 57.07Уверенность: 54%