/tag/Enterprise

Free 免费版和 Go 版可能会看到广告 Plus、Pro、Enterprise、Business、Education 用户不会看到广告。 6 个帖子 - 6 位参与者 阅读完整话题

github.com GitHub - DEEIX-AI/DEEIX-Chat: An enterprise AI workspace for model routing,... An enterprise AI workspace for model routing, multimodal chat, files, tools, billing, identity, and operations. DEEIX Chat 是一款全新的高性能、高颜值、低占用的 AI 对话平台，可自托管部署，最低仅需 64MB 内存！ 配置的位置在 管理员页面-模型-编辑模型 ，支持可视化和高级 JSON，下面会直接给到我的高级 JSON，粘贴进去后，可以进入可视化配置二次编辑 Claude 系列 增加输出长度、思考、缓存和工具调用的配置；用户界面预览如下 配置JSON内容 （点击了解更多详细信息） OpenAI 系列 增加思考、输出详细程度、数据存储、工具调用的配置；用户界面预览如下 配置JSON内容 （点击了解更多详细信息） Gemini 系列 增加思考、工具调用的配置；用户界面预览如下 配置JSON内容 （点击了解更多详细信息） Grok 系列 增加工具调用的配置；用户界面预览如下 配置JSON内容 （点击了解更多详细信息） 2 个帖子 - 2 位参与者 阅读完整话题

最近公司准备上 Qoder 企业版（ Enterprise ），有个问题没找到明确说明。 想请教一下用过 Qoder Enterprise 的朋友： 管理员能看到哪些内容？ 能否查看员工与 AI 的聊天记录（ Prompt 和回复）？ 能否查看 AI 生成的代码内容？ Usage Analytics 里具体能看到什么粒度？ 企业知识库（ Knowledge Engine ）是否会收录员工的对话内容？

最近公司准备上 Qoder 企业版（ Enterprise ），有个问题没找到明确说明。 想请教一下用过 Qoder Enterprise 的朋友： 管理员能看到哪些内容？ 能否查看员工与 AI 的聊天记录（ Prompt 和回复）？ 能否查看 AI 生成的代码内容？ Usage Analytics 里具体能看到什么粒度？ 企业知识库（ Knowledge Engine ）是否会收录员工的对话内容？

最近公司准备上 Qoder 企业版（ Enterprise ），有个问题没找到明确说明。 想请教一下用过 Qoder Enterprise 的朋友： 管理员能看到哪些内容？ 能否查看员工与 AI 的聊天记录（ Prompt 和回复）？ 能否查看 AI 生成的代码内容？ Usage Analytics 里具体能看到什么粒度？ 企业知识库（ Knowledge Engine ）是否会收录员工的对话内容？

最近公司准备上 Qoder 企业版（ Enterprise ），有个问题没找到明确说明。 想请教一下用过 Qoder Enterprise 的朋友： 管理员能看到哪些内容？ 能否查看员工与 AI 的聊天记录（ Prompt 和回复）？ 能否查看 AI 生成的代码内容？ Usage Analytics 里具体能看到什么粒度？ 企业知识库（ Knowledge Engine ）是否会收录员工的对话内容？

偶然间刷openai官网看见一个链接 https://openai.com/form/codex-enterprise-promo/ 是关于如何获取免费的企业版codex，自己借助ai进行了一次申请 然后没想到奥特曼这么大方，直接就给我批准了1000刀的额度，全程白嫖 需要注意的有几个点： 1.尽量用一个好一点的域名邮箱 2. 这个部分尽可能多的去说你们的项目有多重要，将来可能会与openai产生更深的合作，需要更多的apikey。然后让ai帮你润色润色文字 6 个帖子 - 4 位参与者 阅读完整话题

Windows 11 IoT Enterprise LTSC 2024，我想下载这个镜像重装电脑，官方下载，下载出来Evaluation 评估版，archive感觉又不可信 10 个帖子 - 8 位参与者 阅读完整话题

红帽今日正式发布 Red Hat Enterprise Linux（RHEL）10.2 与 RHEL 9.8 两个版本，为企业级 Linux 平台带来新一轮功能更新与 AI 能力增强。本次更新的最大亮点，是面向命令行场景推出的“前沿 AI 助手”，旨在加速问题排查、提升开发效率，并帮助新管理员更快上手系统环境。 在这次版本中，RHEL 新增了 goose 命令，为高阶用户提供可选的命令行 AI 助手功能，并支持 Model Context Protocol（MCP）集成，以便与不同 AI 模型及上下文管理机制协同工作。同时，命令行输出在可视化上也进行了改进，通过增强颜色输出等方式，让终端信息展示更清晰、更易于阅读。 红帽在介绍这一 AI 集成功能时强调，其业务价值在于实现更快速的问题解决路径，并缩短新管理员熟悉、掌握 RHEL 环境的时间，从而转化为更高的开发人员生产力和更快的项目推进节奏。 除 AI 助手外，RHEL 10.2 与 RHEL 9.8 还更新了多项关键开发组件版本，为企业和开发者提供更新的软件栈选择。本次提供的新版本包括 Go 1.26、LLVM 21、Rust 1.92、Python 3.14、PHP 8.4 等工具链与语言环境，以满足在现代应用开发、性能优化和安全性方面的需求。 对于希望进一步了解 Red Hat Enterprise Linux 10.2 详细变更与技术背景的用户，可以访问红帽官方网站的相关博客条目获取本次更新的完整说明与解读： https://www.redhat.com/en/blog/rhel-102-and-98-intelligent-evolution-enterprise-linux 查看评论

来源： https://developers.openai.com/codex/enterprise/access-tokens 访问令牌 Codex 访问令牌允许受信任的自动化以 ChatGPT 工作区身份运行本地 Codex。当脚本、计划任务或 CI 运行器需要可重复、非交互式的 Codex 访问时，请使用它们。 Codex 访问令牌目前支持 ChatGPT Business 和 Enterprise 工作区。 访问令牌在 ChatGPT 管理控制台的 访问令牌 页面创建。它们绑定到创建令牌的 ChatGPT 用户和工作区，Codex 会将它们用作程序化本地工作流的代理身份。 如果 Platform API 密钥适用于你的自动化，请继续使用 API 密钥认证。当工作流明确需要 ChatGPT 工作区访问权限、ChatGPT 托管的 Codex 权益或企业工作区控制时，请使用 Codex 访问令牌。 访问令牌的工作方式 当 Codex 需要在无需用户完成浏览器登录的情况下运行时，请使用访问令牌。该令牌代表创建它的 ChatGPT 工作区用户，因此运行可以使用该用户的 Codex 访问权限，并出现在工作区治理数据中。 Codex 会在运行开始时检查令牌，并将该运行关联到该工作区身份。请像对待其他自动化密钥一样对待该令牌：将其存储在密钥管理器中，避免写入日志，并定期轮换。 访问令牌适用于： 从受信任自动化运行的 codex exec 作业。 需要可重复、非交互式 Codex 运行的本地脚本。 企业工作流，其中用量应关联到 ChatGPT 工作区用户，而不是 API 组织密钥。 需要避免的主要风险： 密钥泄露： 任何持有该令牌的人都可以以令牌创建者身份启动 Codex 运行。请将令牌存储在密钥管理器中，避免写入日志，并定期轮换。 不受信任的运行器： 公共 CI、来自 fork 的拉取请求或共享机器可能会将令牌暴露给工作区外的人员。仅在受信任的运行器上使用访问令牌。 共享身份： 一个人的令牌被多个不相关团队重复使用，会使所有权和审计轨迹更难解释。请为特定工作流负责人创建令牌。 过期失管的凭据： 长期有效令牌可能在工作流变更后仍保持活跃。优先使用有限期限，并撤销不再使用的令牌。 凭据类型错误： 访问令牌用于 Codex 本地工作流。对于一般 OpenAI API 调用，请使用 Platform API 密钥。 启用访问令牌创建 使用工作区设置中的 Codex Local 控制项，为允许的成员开启访问令牌创建功能。 前往 工作区设置 > 设置和权限 。 在 Codex Local 部分，确保 允许成员使用 Codex Local 已开启。 如果所有被允许的成员都应能够创建访问令牌，请开启 允许成员使用 Codex 访问令牌 。 如果你使用自定义角色进行更精细的发布，请仅将访问令牌权限分配给需要创建令牌的群组。 请将访问令牌创建权限限制在了解令牌将存储在哪里、哪些自动化会使用它以及如何轮换它的人员或服务负责人范围内。 创建访问令牌 使用访问令牌页面为令牌命名并选择过期时间。 前往 访问令牌 。 选择 创建 。 输入一个描述性名称，例如 release-ci 或 nightly-docs-check 。 选择过期时间。优先选择有限期限，例如 7、30、60 或 90 天。如果选择 永不过期 ，请按固定计划轮换令牌。 选择 创建 。 立即复制生成的访问令牌。关闭弹窗后无法再次查看它。 将令牌存储到密钥管理器或 CI 密钥存储中。 最短的自定义过期时间为一天。已撤销和已过期的令牌不能用于启动新的 Codex 运行。 在 Codex CLI 中使用访问令牌 对于临时自动化，请将令牌存储在 CODEX_ACCESS_TOKEN 中，并正常运行 Codex： export CODEX_ACCESS_TOKEN="<access-token>" codex exec --json "review this repository and summarize the top risks" 对于持久的本地登录，请将令牌通过管道传给 codex login --with-access-token ： printf '%s' "$CODEX_ACCESS_TOKEN" | codex login --with-access-token codex exec "summarize the last release diff" codex login --with-access-token 会在 Codex 认证存储中保存代理身份凭据。如果你不希望在机器上持久化凭据，请改用 CODEX_ACCESS_TOKEN 环境变量。 轮换或撤销令牌 像轮换其他自动化密钥一样轮换访问令牌： 创建替换令牌。 更新运行器、调度器或密钥管理器中的密钥。 使用新令牌运行一次冒烟测试。 从 访问令牌 页面撤销旧令牌。 在访问令牌页面中，工作区所有者和管理员可以撤销任何工作区令牌。拥有访问令牌权限的成员只能撤销自己创建的令牌。 权限模型 访问令牌权限独立于通用 Codex 本地权限。成员可以拥有 Codex 应用、CLI 或 IDE 扩展的访问权限，但不一定被允许创建访问令牌。 能力 工作区所有者和管理员 拥有访问令牌权限的成员 没有访问令牌权限的成员 打开 访问令牌 是 是 否 创建访问令牌 是，针对自己的 ChatGPT 工作区身份 是，针对自己的 ChatGPT 工作区身份 否 列出访问令牌 工作区列表，包括每个令牌的创建者 仅限自己创建的令牌 否 从访问令牌页面撤销访问令牌 工作区中的任何令牌 仅限自己创建的令牌 无页面访问权限 授予或移除访问令牌权限 是 否 否 管理其他 Codex 企业设置 是，取决于管理员角色和 Codex 管理员权限 否，除非另行授予 否 简而言之：工作区所有者和管理员在工作区层面管理访问权限。成员需要访问令牌权限才能创建和管理自己的令牌，但该权限不会授予管理员权限，也不会授予对其他成员令牌的访问权限。 故障排除 访问令牌页面返回 404 或 forbidden 请让工作区所有者或管理员确认 Codex 访问令牌已启用，并且你的角色包含访问令牌权限。 codex login --with-access-token 失败 确认你复制的是生成的访问令牌，而不是浏览器会话令牌或 Platform API 密钥。还要确认该令牌未过期且未被撤销。 相关文档 认证 非交互模式 管理员设置 治理 1 个帖子 - 1 位参与者 阅读完整话题

https://openai.com/form/codex-enterprise-promo/ 7 个帖子 - 7 位参与者 阅读完整话题

claude desktop 不能用自定义的大模型了，有什么解决的办法吗？ message: Invalid custom3p enterprise config: inferenceModels: configured model “mimo-v2.5-pro” is not an Anthropic model. Gateway deployments require an Anthropic model from the provider catalog — expected a gateway model route referencing an Anthropic model (e.g. claude-sonnet-4-5, anthropic/claude-*). Name routes to match the underlying model. failingField: inferenceModels checkedAt: 2026-05-07T02:34:07.288Z 5 个帖子 - 4 位参与者 阅读完整话题

1 个帖子 - 1 位参与者 阅读完整话题

Copilot Enterprise licenses web 页面 Claude 和 Codex 2 个 agent api 报错 API Error: 400 {"error":{"message":"The requested model is not supported.","code":"model_not_supported","param":"model","type":"invalid_request_error"}} web 页面 选择 Copilot agent 然后再选择 Claude 和 Codex 对应的模型是 OK 的 vscode GitHub Copilot 如果选择 Claude agent ，Claude Opus 4.7 模型 api 无反馈，4.6 正常

AI search is reshaping how buyers discover brands. When enterprise decision-makers ask ChatGPT, Claude, or Perplexity for recommendations, your brand needs to be part of the answer. This article breaks down the core challenges of enterprise AI search visibility and shows how Dageno AI helps teams close the gaps. The Visibility Problem Enterprises Face in AI Search Traditional SEO focuses on ranking in Google. But AI search operates differently. Large language models synthesize information from multiple sources and deliver direct answers—often without linking back to your website. AI visibility is fundamentally a competition for inclusion : your brand must meet the specific confidence thresholds each LLM requires to be included in the final synthesized answer. For enterprise brands, this creates a new visibility challenge: Zero visibility in AI responses despite strong traditional search rankings Fragmented brand presence across 7+ major LLMs (ChatGPT, Claude, Perplexity, Gemini, Grok, Copilot) No actionable data on how AI models perceive and cite your brand Manual effort required to track and fix AI visibility gaps Enterprise teams can't afford to guess. They need systematic visibility across all AI platforms where their prospects are searching. What Enterprise AI Search Visibility Really Requires Based on how AI models work, enterprise visibility depends on three pillars: 1. Structured, Machine-Readable Brand Data AI models trust data that is consistent, authoritative, and well-structured. This means: Clear entity definitions and brand descriptions Consistent information across all digital touchpoints Structured data that AI crawlers can easily parse 2. Cross-Platform Monitoring Your brand's presence varies across different LLMs. Each model has its own data sources, citation patterns, and confidence thresholds. Enterprise visibility requires tracking performance across all relevant platforms simultaneously. 3. Actionable Optimization Workflows Visibility data is only valuable when it drives action. Enterprise teams need automated workflows that: Identify specific content gaps Suggest concrete fixes Track the impact of changes over time How Dageno AI Addresses Enterprise AI Visibility Dageno AI is built as an "AI visibility operating system" for enterprise teams. Here's how it maps to the three pillars: Multi-Model Tracking Dageno AI monitors brand citations across 7+ major LLMs simultaneously. You get visibility scores, sentiment analysis, and share-of-answer metrics in one unified dashboard. Instead of checking each platform manually, you see your complete AI presence in real time. Brand Entity Feed The Brand Entity Feed provides AI models with structured, authoritative data about your brand. This reduces hallucinations and ensures accurate representation when models generate responses about your company. Actionable Agent Workflows Dageno AI doesn't just report problems—it triggers automated agents that suggest specific content changes, social actions, or tactical fixes. The Strategy Agent delivers daily growth opportunities and roadmaps, turning AI visibility data into actionable plans. BotSight Module BotSight detects and identifies which AI crawlers are visiting your website. This helps you understand how models are ingesting your brand data and optimize accordingly. Building Your Enterprise AI Visibility Strategy For teams ready to take control of AI search visibility, here's a practical framework: Step 1: Audit Your Current AI Presence Start by understanding where your brand stands. Run a baseline analysis across the major LLMs to identify: Which models mention your brand How accurately your brand is represented Where competitors have an edge Step 2: Establish Structured Brand Data Ensure AI models can access consistent, authoritative information about your brand. This includes: Clear brand descriptions optimized for AI comprehension Structured data on your website Consistent NAP (Name, Address, Phone) information across directories Concise factual answers that directly address common enterprise questions—AI models prioritize information that is clear, factual, and easy to synthesize into responses Trusted identifiers such as official business registrations, verified social accounts, and authoritative directory listings that signal legitimacy to AI models Trust-building signals including consistent citations from recognized industry sources, authoritative backlinks, and clear expertise demonstrations Step 3: Monitor and Iterate AI search is dynamic. Set up continuous monitoring to track changes in your visibility and respond to gaps quickly. Use automated workflows to prioritize fixes based on impact. Step 4: Expand Globally with Localization For enterprise brands operating internationally, AI visibility must account for regional language models and local search behaviors. Key considerations include: Managing brand data across regional language models (e.g., Claude in French, Gemini in Japanese) to ensure consistent brand representation Maintaining cross-border data consistency so global brand entities are recognized across different LLM ecosystems Monitoring regional citation patterns as each market may have different trust signals and authoritative sources Building localization into your AI visibility strategy from the start rather than retrofitting it later Common Pitfalls to Avoid Treating AI SEO like traditional SEO : AI models prioritize authority, clarity, and structured data over keyword density. Ignoring multi-LLM tracking : Each model has different citation patterns. A strategy that works for ChatGPT may not work for Perplexity. Manual, reactive workflows : By the time you manually identify a visibility gap, competitors have already moved ahead. Ready to Improve Your Enterprise AI Visibility? Dageno AI provides the unified platform enterprise teams need to monitor, diagnose, and improve brand presence across all major AI search platforms. With multi-model tracking, actionable agent workflows, and structured brand data management, you can stop guessing and start optimizing. Explore how Dageno AI can help your team close AI visibility gaps and become the most recommended brand across 7+ major LLMs. Related Resources: How to Improve Brand Visibility in LLM Search Results AI Brand Reputation Guide LLM Citation Strategy Best AI Search Visibility Tracking Tools 测试一下用 dageno.ai 生成博客的发布效果，感兴趣体验可以加我 wx-dudulhc

Vertex AI 改名为Gemini Enterprise Agent Platform，体感上没有任何区别？反正私人也申请不了opus的额度，只能用300刀的赠金玩玩3.1pro。 1 个帖子 - 1 位参与者 阅读完整话题

我有这些问题想问一下大家 gemini的enterprise封号情况严重吗 如果enterprise封号了 影响原来gemini账号使用嘛（就是还能用免费版的gemini嘛） 会影响谷歌账号嘛 1 个帖子 - 1 位参与者 阅读完整话题

试用到期了gemini enterprise对话居然还能正常使用，好神奇 3 个帖子 - 2 位参与者 阅读完整话题

IT之家 4 月 15 日消息，消息源 smashx_60 透露诺基亚正计划复兴旗下 Booklet 品牌，推出一款 X15 Enterprise 三防笔记本，由于相应产品上的 Logo 为新版诺基亚 Logo，因此可以看作是官方正统而非先前的 OFF Global 类纯贴牌产品。 据介绍，这款 Nokia Booklet X15 Enterprise 笔记本主要面向工业市场，其拥有 IP65 及 MIL-STD-810H/G 认证，机身闭合时可承受高达 1.8 米的跌落冲击。 规格方面，该机配备一块 15.6 英寸 1920x1080 分辨率面板（峰值亮度 1000 尼特，匹配 5MP IR 摄像头），搭载英特尔酷睿 Ultra 5-125H 处理器，匹配 16GB-64GB RAM 及 512GB-2TB 固态硬盘，其支持 Wi-Fi 7 和蓝牙 5.4，配备 Windows 11 企业版系统。

36氪获悉，根据TrendForce集邦咨询最新Enterprise SSD产业调查，受到AI Agent服务普及与CSP（云端服务提供商）强劲订单带动，2026年第一季全球前五大Enterprise SSD品牌厂营收再度创下新高，单季营收较前一季度成长86.1%，突破184.6亿美元。TrendForce集邦咨询指出，第一季市场陷入供需失衡，由于各大供应商库存水位已降至历史低点，产出速度远远赶不上订单增长，供应商为实现获利极大化，积极推升价格，使得第一季合约价狂飙80%。