佛罗里达州坦帕总医院（Tampa General Hospital）正在通过与数据分析公司 Palantir 合作，引入实时数据平台来提前识别败血症这一致命疾病，显著降低相关死亡率。 该院的内部分析显示，自 2022 年 8 月上线相关系统以来，估算已经帮助挽救约 886 名患者的生命，败血症早期死亡病例减少了 68%，患者在院时间也缩短了约三成。 坦帕总医院与 Palantir 合作，将后者的 Foundry 平台与既有临床信息系统整合，打通电子病历、实验室化验结果、临床医生书写的病程记录以及床旁监护设备采集的生命体征等多源数据。 过去分散在不同系统中的信息被持续汇聚，在统一的实时看板中呈现，系统可同时追踪约 1000 名住院患者的关键指标变化。 在此基础上，软件会自动搜索那些在日常查房中可能被忽视的细微模式，例如心率小幅升高、体温略有波动等败血症早期信号。 一旦算法判断存在败血症风险，系统便会立即向院内的快速反应团队发送警报，促使临床团队尽快干预，在病情全面恶化之前采取措施。 在坦帕总医院，被系统标记为疑似败血症的患者通常能在一小时内得到抗生素治疗。 对一线医生和护士而言，这种变化并不仅仅体现在统计数据上，更直接体现在患者出院情况中。 坦帕总医院医疗信息副总裁 Jaimie Weber 表示，新系统的效果在数据和实际出院病人身上都非常明显，她强调，“这些是原本可能无法回家的母亲、兄弟和姐妹，如今能因为这个项目和这些工具而存活。” Weber 认为，对于败血症来说，“时间就是生命”，及时诊断并快速给予合适抗生素和相关治疗，是挽救患者的关键。 院方的量化评估印证了这一判断：利用 Palantir 平台构建的“败血症中心”（Sepsis Hub）后，败血症相关的早期死亡下降约 68%，而败血症患者在医院的平均住院时长缩短了约 30%。 目前，这一败血症监测工具只是坦帕总医院在 Palantir 软件上构建的 60 余种应用之一。 医院与 Palantir 的合作始于 2021 年，随着数字化数据量不断增长，院方希望借助该平台将数据转化为可快速执行的临床决策支持信息。 坦帕总医院首席数据与分析官 Etter Hoang 介绍，他们将 Palantir 的工具堆栈“叠加”在电子病历系统和医疗设备输出的数据之上。 他表示，这类工具不只服务于败血症预警，还帮助医院在患者优先级管理、降低临床实践差异、提高跨科室沟通效率以及提升患者床位分配与入院流程等方面实现优化。 通过更快地为患者安排合适的床位和服务，医院整体运营效率和患者就医体验都有所改善。 类似的技术实践并不限于美国。 在英国，Palantir 的软件已嵌入国家医疗服务体系（NHS）的联邦数据平台，主要用于打通患者记录、管理候诊名单，目前超过半数 NHS 信托机构使用该平台。 官方表示，这套系统帮助额外完成了约 11 万台手术，同时缩短了癌症诊断的等待时间。 不过，在英国，相关平台目前主要用于资源管理与流程优化，尚未大规模用于实时临床决策支持，例如败血症早期识别等场景。 一些医疗观察人士认为，官僚程序和行政流程拖慢了此类技术在关键诊疗环节的部署，影响了其对患者诊治效率的潜在贡献。 与此同时，Palantir 在 NHS 中的角色仍处于审议之中，现有合同包含一项将于 2027 年被重新评估的中止条款，外界也在观望这一合作关系的后续走向。 查看评论
此前专注于 NPM 生态系统供应链攻击的黑客组织 TeamPCP 开源发布蠕虫病毒 Mini Shai-Hulud (迷你沙虫)，这类蠕虫病毒具有自我复制的特性，当成功窃取开发环境中的敏感凭据后，会直接调用凭据连接远程资源并继续进行感染和传播，最初迷你沙虫主要针对的是 NPM 生态系统。 现在变种版蠕虫 Miasma 也开源发布： Miasma 是基于迷你沙虫的变种版蠕虫，该蠕虫同样用来发起供应链攻击，主要针对的是 NPM 生态系统和 GitHub，其核心行为包括安装后自动扫描本地和云环境并窃取各类敏感凭证，例如 AWS、GCP、Azure、GitHub Token、SSH 密钥、NPM 令牌、PyPI 令牌等。 当成功窃取凭证后 Miasma 就会顺着这些凭证继续向后感染并传播，例如窃取开发者的 NPM 凭证后会利用凭证发布携带蠕虫本体的软件包，当下游软件安装这些带毒软件包后会继续激活蠕虫然后继续窃取凭证并传播，这种蠕虫的可怕之处就是自我复制能力非常强，所以感染链路很难被彻底斩断。 在 GitHub 上名为杨安永的开发者在其个人账户下开源发布 Miasma 蠕虫病毒并称这是效仿 TeamPCP 的开源精神，仓库代码以 MIT 协议授权让其他黑客也可以下载代码后直接使用，不过很快这个仓库就被删除并且整个开发者账户都被封禁，这显然是 GitHub 执行的操作。 当然有较大概率是这名开发者账号被盗用然后用来开源发布蠕虫，毕竟这名开发者还是比较活跃的，而且在自己的主页上挂着已经备案的个人网站，这种就属于贴脸开大，毕竟要是真开源发布蠕虫那也应该注册小号而不是使用自己的真实账号去发布。 查看评论
如题，腾讯的这个什么训练营有用吗？会有招聘环节吗？过程如何？我不太懂，求佬解答。 1 个帖子 - 1 位参与者 阅读完整话题
用法： 打开 Tampermonkey 新建脚本。 粘贴这个文件内容保存。 访问： https://chatgpt.com/codex/team/checkout?checkout_from=codex_app 页面右下角会出现按钮： 执行 checkout/update quantity=13 等页面出现有效 checkout_session_id 后点按钮。 注意：如果右下角显示： 当前 checkout_session_id: (未检测到，等页面跳转后再点) 说明当前 URL 还是 /checkout?..，还没拿到真正的 checkout session id，不能点。 // ==UserScript== // @name CTF Codex Checkout Update Helper // @namespace ctf-sandbox // @version 0.1.0 // @description Run the Codex checkout/update request from the logged-in browser page context. // @match https://chatgpt.com/codex/team/checkout * // @match https://chatgpt.com/codex/team/checkout/ * // @run-at document-idle // @grant none // ==/UserScript== (() => { ‘use strict’; const CONFIG = { processor_entity: ‘openai_llc’, credit_purchase_quantity: 13, language: ‘zh-CN’, updateUrl: ‘ https://chatgpt.com/backend-api/payments/checkout/update ’, }; function log(…args) { console.log(‘[CTF checkout helper]’, …args); } function getCheckoutSessionId() { const url = new URL(window.location.href); const fromQuery = url.searchParams.get(‘checkout_session_id’) || url.searchParams.get(‘checkoutSessionId’); const parts = url.pathname.split(‘/’).filter(Boolean); const fromPath = parts[parts.length - 1] || ‘’; const id = fromQuery || fromPath; // The entry URL ends in /checkout. That is not a real checkout_session_id. if (!id || id === 'checkout' || id === 'team' || id === 'codex') return ''; return id; } async function getAccessToken() { const sessionRes = await fetch(‘/api/auth/session’, { credentials: ‘include’ }); if (!sessionRes.ok) { const text = await sessionRes.text().catch(() => ‘’); throw new Error( 获取 session 失败 (HTTP ${sessionRes.status}): ${text.slice(0, 120)} ); } const sessionData = await sessionRes.json(); const accessToken = sessionData?.accessToken; if (!accessToken) throw new Error(‘未找到 accessToken，请确认已登录’); return accessToken; } async function runUpdate() { const checkoutSessionId = getCheckoutSessionId(); if (!checkoutSessionId) { throw new Error( 当前 URL 还没有有效 checkout_session_id: ${window.location.href} ); } const accessToken = await getAccessToken(); const body = { checkout_session_id: checkoutSessionId, processor_entity: CONFIG.processor_entity, credit_purchase_quantity: CONFIG.credit_purchase_quantity, }; log('request body:', body); const res = await fetch(CONFIG.updateUrl, { method: 'POST', credentials: 'include', referrer: window.location.href, headers: { 'Content-Type': 'application/json', Authorization: `Bearer ${accessToken}`, 'oai-device-id': localStorage.getItem('oai-device-id') || '', 'oai-language': CONFIG.language, }, body: JSON.stringify(body), }); const text = await res.clone().text().catch(() => ''); let data = null; try { data = text ? JSON.parse(text) : null; } catch (_) {} if (!res.ok) { throw new Error(`请求失败 (HTTP ${res.status}): ${text.slice(0, 200)}`); } return data ?? text; } function installButton() { if (document.getElementById(‘ctf-checkout-helper-btn’)) return; const box = document.createElement('div'); box.id = 'ctf-checkout-helper-box'; box.style.cssText = [ 'position:fixed', 'z-index:2147483647', 'right:16px', 'bottom:16px', 'padding:12px', 'background:#111827', 'color:#fff', 'border:1px solid #374151', 'border-radius:10px', 'font:13px -apple-system,BlinkMacSystemFont,Segoe UI,sans-serif', 'box-shadow:0 8px 24px rgba(0,0,0,.3)', 'max-width:360px', ].join(';'); const btn = document.createElement('button'); btn.id = 'ctf-checkout-helper-btn'; btn.textContent = `执行 checkout/update quantity=${CONFIG.credit_purchase_quantity}`; btn.style.cssText = 'cursor:pointer;padding:8px 10px;border-radius:8px;border:0;background:#10a37f;color:white;font-weight:600'; const status = document.createElement('div'); status.id = 'ctf-checkout-helper-status'; status.style.cssText = 'margin-top:8px;white-space:pre-wrap;word-break:break-word;color:#d1d5db'; status.textContent = `当前 checkout_session_id: ${getCheckoutSessionId() || '(未检测到，等页面跳转后再点)'}`; btn.addEventListener('click', async () => { btn.disabled = true; status.textContent = '执行中...'; try { const data = await runUpdate(); log('成功:', data); status.textContent = `成功:\n${JSON.stringify(data, null, 2).slice(0, 1000)}`; setTimeout(() => window.location.reload(), 800); } catch (err) { console.error('[CTF checkout helper] 失败:', err); status.textContent = `失败: ${err?.message || err}`; } finally { btn.disabled = false; } }); box.appendChild(btn); box.appendChild(status); document.documentElement.appendChild(box); setInterval(() => { status.textContent = status.textContent.startsWith('当前 checkout_session_id:') ? `当前 checkout_session_id: ${getCheckoutSessionId() || '(未检测到，等页面跳转后再点)'}` : status.textContent; }, 1000); } installButton(); log(‘loaded on’, window.location.href); })(); 1 个帖子 - 1 位参与者 阅读完整话题
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
大家好，最近我做了一个小工具 DiagramPreview： https://diagrampreview.com 起因是我最近写 README 、技术方案和接口文档时，经常让大模型生成 Mermaid 、PlantUML 、架构图、OpenAPI 流程、SQL ER 图之类的文本。 AI 生成初稿确实很快，但有个步骤一直很烦：它通常只给代码，不帮你确认能不能渲染。很多时候复制到文档里才发现 Mermaid 报错，或者 PlantUML 图看起来不对，还要再找工具预览、修语法、导出图片。 所以我把这个中间步骤做成了一个在线工具站： - Mermaid / PlantUML / Graphviz / D2 / Markdown 预览 - AI Diagram Generator 、Text to Mermaid 、Mermaid AI Fixer - OpenAPI to Sequence Diagram 、SQL to ER Diagram - JSON / YAML / JSON Schema / XML / CSV 结构可视化 - Docker Compose 、Kubernetes Manifest 、package.json 依赖图 - SVG / PNG / PDF 导出 - 不需要登录，浏览器里直接用 普通预览类工具主要在浏览器里处理。AI 生成类工具会调用后端接口，所以不要把私有代码、密钥、内部架构细节直接丢进去。 我的主要使用场景是： 1. 让 AI 先生成图表代码。 2. 粘贴到 DiagramPreview 里看是否能渲染。 3. 如果语法坏了，修一下或让 AI 修复。 4. 导出 SVG/PNG 放到 README 、PRD 、技术方案或周报里。 目前还比较早期，想听听 V2EX 上大家的建议： - 你们写技术文档时最常用 Mermaid 、PlantUML 还是 draw.io ？ - 还有哪些格式值得补，比如 DBML 、Terraform 、Protobuf 、Grafana Dashboard 、Prometheus Alert 、Swagger 更深度可视化？ - 工具站这种形态，你会希望更偏“编辑器”，还是更偏“格式转换集合”？ 欢迎拍砖，我会继续迭代。
IT之家 6 月 6 日消息，据外媒 Bingo Finance 今天报道，美国企业正在经历一场 AI 热潮后的阵痛。随着各大公司在 AI 领域的累计投入突破 1 万亿美元（现汇率约合 6.79 万亿元人民币），模型推理成本不断飙升，而预期的降本增效却迟迟未能兑现。导致越来越多公司开始寻求低成本替代方案。 美国企业支出管理平台 Ramp 最新调查报告显示，中国 AI 公司 DeepSeek 首次登上该平台软件趋势榜榜首，成为增长最快的软件供应商。这一变化反映出美国企业客户对不断攀升的 AI 模型成本感到不满。 近期披露的案例显示，某企业仅在一个月内就为 Claude 支付 5 亿美元（IT之家注：现汇率约合 33.96 亿元人民币）费用， 网约车巨头 Uber 更是在今年四个月内耗尽了全年的 Token 预算 。甚至亚马逊、微软等科技巨头，都在暂停或缩减内部 AI 工具订阅费用。 就在美国企业为 AI 账单头疼之际，DeepSeek 近期宣布将 API 价格永久下调 75%，而 MiniMax 更是将模型使用成本压至行业新低。性价比正迅速成为中国大模型进军全球 B2B 市场的主要武器。 Ramp 首席经济学家 Ara Kharazian 表示：“这可能是迄今为止最明确的信号，表明美国企业正在主动寻找 OpenAI、Anthropic 的低成本替代方案”。 他从平台交易数据分析称，一部分企业已开始直接使用价格更便宜的中国大模型。这些企业并非自行部署 DeepSeek 开源模型，而是直接向 DeepSeek 付费并使用其托管服务。 回顾 2025 年初，DeepSeek 的 R1 模型曾引发全球关注。其移动 App 不仅登顶中国区 App Store 免费榜榜首，还曾超越 ChatGPT 成为美国区下载量第一的应用。 不过，与主要反映个人用户热度的 App Store 排名不同， Ramp 数据更真实地反映了企业市场情况 。该企业统计数据显示，DeepSeek 于 2025 年在美国企业的采用率一度达到 0.3%，随后回落至 0.1%，并维持到 2026 年 4 月。 Ramp 认为，DeepSeek 再次获得企业客户关注的最直接原因之一， 就是美国 AI 生态系统内部不断加剧的成本压力 。该企业表示：“美国公司在 AI 支出方面正变得越来越谨慎，他们会更多尝试开源模型，或者转向比 OpenAI、Anthropic 更便宜的产品”。
企业支出管理平台Ramp于6月3日发布的6月软件供应商榜单显示， DeepSeek位居榜首 ，成为当月 美国企业首次付费采购增长最猛 的基础大模型厂商。Ramp首席经济学家阿拉·哈拉扎良（Ara Kharazian）指出，企业这次并非只是自行部署DeepSeek的开源模型，而是 直接向DeepSeek付费、传输和接收数据 。一年多前美国企业对DeepSeek的热度是浅尝辄止的尝鲜，这次变成了真实的付费使用。 ▲Ramp 2026年6月热门软件供应商榜单（图源：Ramp） Ramp是一家总部位于纽约的金融科技公司，依托企业信用卡与账单支付平台，每月处理数十亿美元的企业支出，同时按月统计客户首次采购合作的新增服务商并进行排名，借此直观展现新兴市场动向、高速成长企业等行业信息。 这份榜单的统计口径来自Ramp今年推出的供应商数据库Ramp Rate，依托平台上5万多家企业的真实交易，跟踪各品类的市场份额、企业采用率与增长趋势。 更值得关注的是这股回流背后的大趋势。在AI开支不断膨胀、企业普遍收紧预算的背景下，越来越多美国公司正从OpenAI和Anthropic分流， 转向开源模型和更便宜的模型 ，而中国厂商DeepSeek的登顶，只是这条成本线上最 扎眼的一个信号 。 一、DeepSeek美国企业采用率回升，使用方式出现新变化 DeepSeek并非首次出现在Ramp的榜单上。哈拉扎良写道， 去年1月DeepSeek曾经历一轮不大不小的热度 ，在Ramp AI指数中的企业采用率一度升至0.3%，但随后 迅速回落 ，仅剩约0.1%的美国企业仍在使用。 如今美国企业再度选用DeepSeek，而且据Ramp的支出数据，美国企业是在向DeepSeek直接付费。 这一结果出乎哈拉扎良的预料。让他意外的，不只是DeepSeek重新出现，而是它出现的方式。 哈拉扎良说，这一次美国企业正在直接通过DeepSeek传输和接收数据，也就是说，它们是在直接使用DeepSeek提供的商业服务，而非仅仅运行其开源模型。 不过哈拉扎良也提醒，不宜高估这一趋势的持续性，对企业来说，直接接入DeepSeek存在实实在在的 竞争与安全顾虑 ， 这股回流随时可能逆转 。 作为对照，在今年4月，Anthropic和OpenAI以34.4%和32.3%的采用率稳居指数前两位，DeepSeek 远未对二者构成实质冲击 。也就是说，它这次登上的是 “相对自身规模增速最快”的突破性榜单 ，而非绝对采用量榜首，Ramp也并未公布其6月的具体市场份额。 ▲美国企业AI付费采购渗透率趋势图（图源：Ramp） 二、AI支出失控，企业转向更便宜的模型调用方案 回流中国模型只是更大转向的一部分。哈拉扎良说，企业正越来越多地使用开源模型，在一定程度上从OpenAI和Anthropic分流，转而借助第三方平台完成模型部署与调用，他点名了AI推理平台Fireworks AI、fal AI和DeepInfra。 在他看来，这背后是 企业管理不断膨胀的AI开支的现实需求 。他由此向美国模型厂商喊话，认为对方应当通过更便宜的模型或智能路由（smart routing）来回应这种压力，帮助客户管住失控的AI支出。 与此同时，AI并未横扫所有软件品类。尽管外界一直在讨论Claude会不会取代设计工具，但设计软件Figma和Paper本月双双进入榜单，说明专业设计软件的需求依然稳固。 结语：成本影响企业AI采购选择 哈拉扎良此前就已预判，企业会更多尝试开源模型以及来自OpenAI、Anthropic和Google的更便宜（性能稍弱）的模型，只是他没料到美国企业会真的用上中国对手DeepSeek。 对OpenAI和Anthropic等美国模型厂商而言，价格与成本已经成为企业选择的关键变量，在性能与开支之间给出更优解，才能留住正在精打细算的企业客户。 查看评论
美国企业支出管理平台 Ramp 发布的 2026 年 6 月报告显示，中国 AI 公司 DeepSeek 登上了热门软件榜首。尽管美国官方先前高度防范中国大模型，但真实的商业交易数据却揭示了相反的现状。Ramp 分析了平台上 5 万多家企业的信用卡消费记录，发现许多美国公司并未在本地部署开源模型，而是直接掏钱购买 DeepSeek 官方的托管 API 服务。这意味着，大量美国企业的数据正直接发送并存储在位于中国的服务器上。 真实的资金流向与一年多前美国社会对 DeepSeek R1 刚发布时的警惕态度形成了强烈反差。当时出于对泄密和安全的担忧，美国大公司和政府机构普遍限制使用中国模型。然而，面对美国本土的 OpenAI 或 Anthropic 等大模型高昂的账单，许多中小企业最终选择向成本低头，直接购买托管在中国的官方服务来降低开支。 除了直接使用 DeepSeek，美国企业在 AI 支出上也开始算细账，逐渐从 OpenAI 和 Anthropic 转向开源生态。Fireworks AI、fal AI 以及 DeepInfra 等提供开源模型 API 调用的推理平台纷纷上榜。许多公司开始采用智能分流策略，只在最复杂的任务中调用昂贵的 OpenAI 或 Anthropic 旗舰模型，而将大部分日常常规任务交给更便宜的开源模型处理。 市场曾担忧 AI 智能体会取代传统软件设计工具，但实际数据显示设计类软件依然表现坚挺。在本月榜单中，设计工具 Figma 登上了最快增长榜，协作设计工具 Paper 也入围热度榜，表明传统设计软件在企业端依旧坚固。 ramp.com Top SaaS Vendors on Ramp (June 2026) Ramp economist Ara Kharazian analyzes June Ramp data showing DeepSeek’s breakout growth, rising spend on open-source model access platforms. 11 个帖子 - 10 位参与者 阅读完整话题
IT之家 6 月 2 日消息，据外媒 The Verge 今日报道，曾推出致敬复古 Super 8mm 胶片摄影机 CS-8 的初创公司 Camp Snap 又发布了一款数码相机新品 Camp Snap 2，其延续前代产品的初代无屏数码卡片机路线，同时带来更薄机身、更快响应、开箱可用的滤镜，以及更适合儿童使用的新功能。 Camp Snap 2 今日起在 Camp Snap 官网发售，售价 69.95 美元（IT之家注：现汇率约合 474.3 元人民币），提供潜行黑、栗棕、极地白、森林绿和阳光黄配色，同时新增多款“果冻”风透明外壳，增强复古气息。 Camp Snap 2 的传感器像素为 800 万，也只能拍摄 JPEG 图片。Camp Snap 的思路很明确：这不是一台为后期处理准备的相机，而是主打简单拍摄和快速分享。 新机默认提供复古、黑白等 6 种滤镜，并配有独立按键，调用起来更直接。镜头还 新增 30.5mm 螺纹 ，用户可以外接实体滤镜，让照片效果进一步变化。 Camp Snap 2 机身比 Camp Snap V1 薄 15%，并加入省电休眠模式，按下快门即可唤醒。针对儿童用户，新机新增 Camp Lock 功能，家长可以禁用内置滤镜；存储卡仓门也改为螺丝固定，减少孩子误开或随手拆开的可能。 相关阅读： 《 致敬柯达 Super 8：初创公司推出 Camp Snap CS-8 复古风格手持“电影机” 》