本文不涉及中转站推广、不涉及号商推广。只是作为ai中转站的科普，给新人避坑。 中转站的费率 我个人最支持的费率计算方式是这样的， 充值费率 + 使用费率 。其它的都走官方的价格。这种我认为是最透明最清爽的计算方式，也是自建中转站的时候管理起来最方便的方式。 充值费率 正常来说我们默认充值的费率是人民币兑美元，1:1，这是基础，其他的都先不谈。也就你充值了1块钱，在中转站的账户里显示就要是1美元。 使用费率 使用费率是指实际使用时模型的费率的折扣，比如0.1费率就是这个模型使用时打一折。 这个东西不同在中转站的浮动空间很大、不同的模型差异也很大。中转站的浮动空间大是看中转站想赚多少钱。模型差异大是因为不同厂家的策略不同，中转站的token获取成本也不同。 以我接触最多的gpt模型作为参考，费率方面我认为0.1的费率是一个比较合理费率。中转站能赚，但是赚的也不多，个人用户能用，用得也很便宜。 坑点 只告诉你一块钱能充多少刀，不告诉你实际的每个模型的使用价格 这是小白最容易踩坑的地方，比较一块钱换多少刀，这种噱头太大了。但是对方可以在使用费率上动手脚。笔者最初在闲鱼找中转站的时候就遇到过这种情况，记得当时有个老哥在评论里还说，计算了下费率，发现这小子卖的比官方正价还高。 告诉你使用费率，但是要求你按照人民币兑美刀的费率来充值 这是最抽象的费率，属于是宰觉得自己不是小白的小白。尤其是由于人民币兑美刀的费率是实时变化的，奸商为了应付这种变化还要去强行固定一个费率。就，很抽象，很绷不住。这也是一个水友遇到的这个问题，它找到的使用费率是0.028。我靠，一看这个费率也太棒了吧，基本上就是自建中转站的成本线了，结果由于人民币兑美元充值1:6.8。直接个给实际费率拉到了0.2左右。 真实使用建模 这个就是是真实使用的问题了，这部分的价格和中转站的费率无关，这个只是给新人一个参考。 这里最大的影响因素是cache命中率，这个影响因素主要是你的使用方式和业务决定。具体原因很专业，我也没太搞懂。这也就是为什么有的人用1m token可能要5美元，而有的人用1m token可能只要1美元。 这个我只能给大家一个参考，我是写代码的，之前做过一次在工作时间段内的cache监控，得到的数据如下: cache read：9,236,261 / 1,000 万，92.3626% cache write：0 / 1,000 万，0.0000% input：708,603 / 1,000 万，7.0860% output：55,136 / 1,000 万，0.5514% 然后让ai带入各个主流模型的官方费率来计算每百万token的实际使用价格，得到如下的表： 模型 价格口径 百万token综合报价 单人月二十亿token的使用报价 GPT-5.4 OpenAI 标准价 $0.4908 $981.52 GPT-5.5 OpenAI 标准价 $0.9815 $1,963.05 Claude Opus 4.6/4.7 Anthropic 标准价 $0.9540 $1,907.91 Grok 4.3（latest） xAI 标准价 $2.8708 $5,741.69 Gemini 3.1 Pro Preview Google Standard，<=200K 档 $0.3926 $785.22 GLM-5.1 标准价，0-32K 档 ¥1.7582 ¥3,516.40 Kimi K2.6 标准价 ¥1.6254 ¥3,250.90 MiniMax-M2.7 标准价 ¥0.5830 ¥1,166.09 DeepSeek V4 Pro 官网价 ¥0.2688 ¥537.51 Qwen 3.6 Max Preview <=128K 档，按显式 cache hit 10% 口径 ¥1.7667 ¥3,533.48 但是这个也得看具体的模型的特性，比如deepseek的特性之一就是逆天命中率，后面我用了一段时间的deepseek，发现百万token的使用成本大概是0.2人民币。 AI中转站有那些类型 这一段要介绍的中转站有那些类型主要是为了给一个中转站的选择建议。 我个人的建议的是如果不经常使用，日使用token在两千万以下用公益站。 如果有钱，用量要求大，不想在中转站上耗费精力，可以选择商业站。 如果想折腾，用量大，或者找不到合适的中转站，可以尝试自建中转站。 公益站 这个可以直接在linux do上面找，比较麻烦的点是大多数的公益站是限制人数要邀请码的。所以得看缘分，缘分到了就找到了。另一个点是，人家不收费，纯纯为爱发电，所以有些卡顿、有些问题那是自然的。讨饭的不嫌饭馊对吧？理解万岁。 商业站 这种一般就是看中转站的老板的渠道硬不硬了。我个人的态度是，没有中转站是稳定的。要稳定，你去找官方，正价买，那个稳定。否则我们都是在薅羊毛，那天资本没钱烧了，兄弟们的号也就没了。 所以，用多少，用充多少。中转站可没有平台监管，说跑路就跑路了，不可能给你退的。有句玩笑话叫，中转站最赚钱的时候就是跑路的时候。 自建站 这个具体教程我写过，然后被删了，可能涉及了号商的问题，疑似引流。所以我尽可能不提这方面的事情。 总之，你需要用sub2api、cpa、newapi、codex2api、总之任意一个项目来管理号池。号怎么来？要么自己开注册机，要么自己想其它办法，这方面站内有介绍。 这里主要说一下我踩的一些坑，中转站项目尽量不要部署在国内大厂的境外云服务器上面，容易被ai厂商认定为vpn给你风控。然后就是注意成本的管控，我的态度是只要使用倍率高于0.05，我就要考虑中转站了，使用倍率超过0.1我必选中转站。 另外再提一个比较稳的方案，低价区正价上pro x20。成本我算过，能把使用费率降到0.3.而且我怀疑那些标榜自己很稳的中转站大概率也是用的这个方案。pro x20保本，然后掺杂plus号池赚钱。 1 个帖子 - 1 位参与者 阅读完整话题
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
看到交易区有将近 5 万元的二手笔记本卖，和同事们讨论了一下，所以有了本文 你的 5 万元，打算用来做什么？ 1 、买二手笔记本电脑（来自 V2 ） 2 、给儿子开了一家 PS 体验店，没有经营好，目前正在转让中，估计只能拿回最多 2 万（来自我所见） 3 、2 个月前投资的一家睡眠酒店，他老板让 20 多个管理层员工和创始员工成立了持股平台公司，每人 5 万元，去年每人的分红已经超过 5 万（来自我所见） 4 、LP 的大学同学，主攻美股，半年前 LP 微信上刚好收到一笔钱，就转了 5 万给她同学让她代炒美股，刚刚问了一下，应该有 1 万多盈利（来自我所见） 5 、LP 的闺蜜，用 50 万私房钱买了中国银行的一个理财产品，5 万一份买了 10 份，3 年兑现，听说平均 5 万元的回报是 1.5 万左右（来自我听说） 6 、同事的亲戚在丽江，买了一辆二手皮卡，专跑丽江、大理、泸沽湖之间游客的行礼转送，1 年就回本了（来自同事） 7 、为父母房子做了适老化装修改造（来自同事） 8 、....... 不知道大家会有什么用途？
AMD Radeon 驱动历史版本下载大全 更新日期：2026-06-09 本文收录 AMD Radeon Software（Adrenalin Edition）驱动的历史版本，包括 鸡血版驱动 （性能大幅提升版本）的标注。 原作者提醒 ：别有驱动性能焦虑，当前驱动稳定好用就没必要频繁更换。更新驱动主要是为了新游戏优化、Bug 修复或体验新技术。 目录 下载常见问题 驱动命名历史 鸡血版驱动一览 驱动版本一览 Catalyst 时代（2002-2015） Crimson 时代（2016-2017） Adrenalin 2018-2019 Adrenalin 2020 Adrenalin 2021 Adrenalin 2022 Adrenalin 2023 Adrenalin 2024 Adrenalin 2025 Adrenalin 2026 说明 下载常见问题 问题一：驱动安装失败 使用 DDU（Display Driver Uninstaller） 完全卸载旧驱动后重装。 安装前关闭杀毒软件和防火墙。 问题二：驱动下载速度慢 AMD 官网有时速度较慢，可尝试使用第三方镜像或离线安装包。 部分版本提供离线安装包（Full Installer），推荐使用。 问题三：游戏性能异常 尝试恢复驱动默认设置（恢复出厂设置）。 如果是新驱动导致的性能下降，可回退到上一个稳定版本。 问题四 : 打不开的链接 AMD貌似把部分直链给删了,特别老的驱动应该是打不开直链的,这里我给个参考,可以自行寻找 驱动命名历史 时期 名称 说明 2002-2015 Catalyst 早期命名，支持 HD 5000 系列及更早 2016 Crimson 全新界面，支持 GCN 架构 2017 Crimson ReLive 新增 ReLive 录制/串流功能 2018-2019 Adrenalin 全新 UI，支持 Radeon Overlay 2020 Adrenalin 2020 全新界面设计，支持 Radeon Boost 2021 Adrenalin 2021 支持 Smart Access Memory (SAM) 2022 Adrenalin 2022 支持 FSR 2.0，RX 7000 系列首发 2023 Adrenalin 2023 支持 FSR 3.0，Fluid Motion Frames 2024 Adrenalin 2024 支持 AFMF 2.0，RX 7600 XT 优化 2025 Adrenalin 2025 支持 FSR 4.0，RX 9070 系列首发 2026 Adrenalin 2026 最新版本，持续更新中 鸡血版驱动一览 什么是鸡血版驱动？ 指 AMD 官方发布的、在特定硬件或游戏中带来显著性能提升的驱动版本。通常在新显卡首发或重大游戏发布时推出。 版本号 发布时间 适配硬件 性能提升 说明 下载链接 19.7.1 2019年7月 RX 5700 系列 首发驱动 RX 5700/5700 XT 首发驱动，RDNA 架构初代 下载 20.1.2 2020年1月 RX 5700 系列 5-12% 大幅优化 RDNA 架构，多款游戏性能提升 下载 20.11.2 2020年11月 RX 6800 系列 首发驱动 RX 6800/6800 XT/6900 XT 首发驱动，RDNA 2 架构 下载 21.9.1 2021年9月 RX 6000 系列 8-15% 大幅优化 RDNA 2 架构，支持 SAM 下载 21.12.1 2021年12月 RX 6000 系列 5-10% 优化《光环：无限》等游戏 下载 22.3.1 2022年3月 RX 6000 系列 5-8% 优化《艾尔登法环》等游戏 下载 22.5.1 2022年5月 RX 6000 系列 5-10% 优化《星空》等游戏 下载 22.11.2 2022年11月 RX 7900 系列 首发驱动 RX 7900 XTX/XT 首发驱动，RDNA 3 架构 下载 23.1.1 2023年1月 RX 7900 系列 5-10% 优化 RDNA 3 架构，修复早期问题 下载 23.9.1 2023年9月 RX 7000 系列 5-8% 支持 FSR 3.0，Fluid Motion Frames 下载 23.12.1 2023年12月 RX 7000 系列 5-10% 优化《星空》等游戏 下载 24.1.1 2024年1月 RX 7600 XT 首发驱动 RX 7600 XT 首发驱动 下载 24.3.1 2024年3月 RX 7000 系列 5-8% 优化《龙之信条2》等游戏 下载 24.8.1 2024年8月 RX 7000 系列 5-10% 优化《黑神话：悟空》等游戏 下载 24.9.1 2024年9月 RX 7000 系列 8-15% AFMF 2.0 首发，帧生成技术大幅提升 下载 24.12.1 2024年12月 RX 7000 系列 5-8% 年度优化版本 下载 25.1.1 2025年1月 RX 9070 系列 首发驱动 RX 9070/9070 XT 首发驱动，RDNA 4 架构 下载 25.3.1 2025年3月 RX 9070 系列 5-10% 优化 RDNA 4 架构，支持 FSR 4.0 下载 25.5.1 2025年5月 RX 9070 系列 8-12% 大幅优化 RDNA 4，Vulkan 1.4 支持 下载 25.11.1 2025年11月 全系列 5-8% 年度推荐版本，稳定性优化 下载 驱动版本一览 Catalyst 时代（2002-2015） 版本号 发布时间 说明 下载链接 02.1 2002年6月 初始版本 发布说明 6.2 2006年2月 最后支持 Windows 9x/Me 发布说明 7.2 2007年2月 首次支持 Windows Vista 发布说明 9.3 2009年3月 首次支持 Windows 7（x86） 发布说明 10.2 2010年2月 最后支持 DirectX 9.0c 显卡（XP） 发布说明 10.10 2010年10月 支持 OpenCL 1.1 发布说明 12.4 2012年4月 支持 OpenCL 1.2 发布说明 12.8 2012年8月 首次支持 Windows 8 发布说明 13.9 2013年9月 首次支持 Windows 8.1 发布说明 13.12 2013年12月 最后支持 Windows Vista 发布说明 14.1 2014年1月 支持 HSA、Mantle/Frame Pacing Beta 发布说明 14.4 2014年4月 最后支持 Windows XP；最后支持 Windows 8 发布说明 14.6 2014年6月 混合分辨率 Eyefinity 支持 发布说明 15.7 2015年7月 首次支持 Windows 10（Catalyst 最终版） 发布说明 15.7.1 2015年7月 支持 Direct3D 12（GCN 架构） 发布说明 Crimson 时代（2016-2017） 版本号 发布时间 说明 下载链接 15.30 2015年11月 Crimson Edition Beta（驱动版本号） 发布说明 16.3 2016年3月 支持 OpenGL 4.5（GCN） 发布说明 16.3.2 2016年3月 支持 Vulkan 1.0 发布说明 17.1.2 2017年1月 最后支持 Windows 8.1（x64） 发布说明 17.7.1 2017年7月 最后支持 Windows 8.1（x86）；最后的 Windows 8.1 驱动 发布说明 17.7.2 2017年7月 Crimson ReLive，新增 Enhanced Sync 发布说明 Adrenalin 2018-2019 版本号 发布时间 说明 下载链接 18.3.3 2018年3月 支持 Vulkan 1.1 下载 · 发布说明 18.4.1 2018年4月 支持 OpenGL 4.6 下载 · 发布说明 18.9.3 2018年9月 最后支持 32 位 Windows 7/10 下载 · 发布说明 19.5.1 2019年5月 Mantle 正式停止支持 下载 · 发布说明 19.7.1 2019年7月 鸡血版 - RX 5700/5700 XT 首发驱动，RDNA 架构初代 下载 · 发布说明 19.7.2 2019年7月 优化 RX 5700 系列 下载 · 发布说明 19.8.1 2019年8月 优化《控制》等游戏 下载 · 发布说明 19.9.1 2019年9月 优化《无主之地3》等游戏 下载 · 发布说明 19.10.1 2019年10月 优化《使命召唤：现代战争》等游戏 下载 · 发布说明 19.11.1 2019年11月 优化《星球大战绝地：陨落的武士团》等游戏 下载 · 发布说明 19.12.1 2019年12月 年度优化版本 下载 · 发布说明 Adrenalin 2020 版本号 发布时间 说明 下载链接 20.1.2 2020年1月 鸡血版 - 大幅优化 RDNA 架构，多款游戏性能提升 5-12% 下载 · 发布说明 20.2.2 2020年2月 优化《毁灭战士：永恒》等游戏 下载 · 发布说明 20.4.2 2020年4月 优化《Valorant》等游戏 下载 · 发布说明 20.5.1 2020年5月 优化《使命召唤：战区》等游戏 下载 · 发布说明 20.7.2 2020年7月 优化《死亡搁浅》等游戏 下载 · 发布说明 20.8.1 2020年8月 优化《地平线：零之曙光》等游戏 下载 · 发布说明 20.9.1 2020年9月 优化《漫威复仇者联盟》等游戏 下载 · 发布说明 20.10.1 2020年10月 优化《看门狗：军团》等游戏 下载 · 发布说明 20.11.2 2020年11月 鸡血版 - RX 6800/6800 XT/6900 XT 首发驱动，RDNA 2 架构 下载 · 发布说明 20.12.1 2020年12月 优化《赛博朋克2077》等游戏 下载 · 发布说明 Adrenalin 2021 版本号 发布时间 说明 下载链接 21.1.1 2021年1月 优化《赛博朋克2077》等游戏 下载 · 发布说明 21.2.1 2021年2月 优化《杀手3》等游戏 下载 · 发布说明 21.3.1 2021年3月 优化《质量效应：传奇版》等游戏 下载 · 发布说明 21.4.1 2021年4月 优化《生化危机8：村庄》等游戏 下载 · 发布说明 21.5.1 2021年5月 优化《生化危机8：村庄》等游戏 下载 · 发布说明 21.6.1 2021年6月 优化《瑞奇与叮当：裂缝》等游戏 下载 · 发布说明 21.7.1 2021年7月 优化《F1 2021》等游戏 下载 · 发布说明 21.8.1 2021年8月 优化《孤岛惊魂6》等游戏 下载 · 发布说明 21.9.1 2021年9月 鸡血版 - 大幅优化 RDNA 2 架构，支持 SAM，性能提升 8-15% 下载 · 发布说明 21.10.1 2021年10月 优化《孤岛惊魂6》等游戏 下载 · 发布说明 21.11.1 2021年11月 优化《使命召唤：先锋》等游戏 下载 · 发布说明 21.12.1 2021年12月 鸡血版 - 优化《光环：无限》等游戏，性能提升 5-10% 下载 · 发布说明 Adrenalin 2022 版本号 发布时间 说明 下载链接 22.1.1 2022年1月 优化《战神》PC版等游戏 下载 · 发布说明 22.1.2 2022年1月 支持 Vulkan 1.3 下载 · 发布说明 22.2.1 2022年2月 优化《失落的方舟》等游戏 下载 · 发布说明 22.3.1 2022年3月 鸡血版 - 优化《艾尔登法环》等游戏，性能提升 5-8% 下载 · 发布说明 22.3.2 2022年3月 优化《幽灵线：东京》等游戏 下载 · 发布说明 22.4.1 2022年4月 优化《乐高星球大战：天行者传奇》等游戏 下载 · 发布说明 22.5.1 2022年5月 优化《星空》等游戏，性能提升 5-10% 下载 · 发布说明 22.5.2 2022年5月 优化《狙击精英5》等游戏 下载 · 发布说明 22.6.1 2022年6月 最后支持 Windows 7；最后支持 GCN 1/2/3 GPU 下载 · 发布说明 22.7.1 2022年7月 优化《F1 22》等游戏 下载 · 发布说明 22.8.1 2022年8月 优化《漫威蜘蛛侠：重制版》等游戏 下载 · 发布说明 22.9.1 2022年9月 优化《FIFA 23》等游戏 下载 · 发布说明 22.10.1 2022年10月 优化《使命召唤：现代战争2》等游戏 下载 · 发布说明 22.11.1 2022年11月 优化《战神：诸神黄昏》等游戏 下载 · 发布说明 22.11.2 2022年11月 鸡血版 - RX 7900 XTX/XT 首发驱动，RDNA 3 架构 下载 · 发布说明 22.12.1 2022年12月 年度优化版本 下载 · 发布说明 Adrenalin 2023 版本号 发布时间 说明 下载链接 23.1.1 2023年1月 鸡血版 - 优化 RDNA 3 架构，修复早期问题，性能提升 5-10% 下载 · 发布说明 23.2.1 2023年2月 优化《霍格沃茨之遗》等游戏 下载 · 发布说明 23.3.1 2023年3月 优化《生化危机4：重制版》等游戏 下载 · 发布说明 23.4.1 2023年4月 优化《星球大战绝地：幸存者》等游戏 下载 · 发布说明 23.5.1 2023年5月 优化《暗黑破坏神4》等游戏 下载 · 发布说明 23.7.1 2023年7月 优化《博德之门3》等游戏 下载 · 发布说明 23.8.1 2023年8月 优化《星空》等游戏 下载 · 发布说明 23.9.1 2023年9月 鸡血版 - 支持 FSR 3.0，Fluid Motion Frames，性能提升 5-8% 下载 · 发布说明 23.9.2 2023年9月 优化《赛博朋克2077：往日之影》等游戏 下载 · 发布说明 23.10.1 2023年10月 优化《刺客信条：幻景》等游戏 下载 · 发布说明 23.11.1 2023年11月 优化《使命召唤：现代战争3》等游戏 下载 · 发布说明 23.12.1 2023年12月 鸡血版 - 优化《星空》等游戏，性能提升 5-10% 下载 · 发布说明 Adrenalin 2024 版本号 发布时间 说明 下载链接 24.1.1 2024年1月 鸡血版 - RX 7600 XT 首发驱动 下载 · 发布说明 24.2.1 2024年2月 优化《如龙8》等游戏 下载 · 发布说明 24.3.1 2024年3月 鸡血版 - 优化《龙之信条2》等游戏，性能提升 5-8% 下载 · 发布说明 24.4.1 2024年4月 优化《星刃》等游戏 下载 · 发布说明 24.5.1 2024年5月 优化《地狱之刃2》等游戏 下载 · 发布说明 24.6.1 2024年6月 优化《艾尔登法环：黄金树幽影》等游戏 下载 · 发布说明 24.7.1 2024年7月 优化《暗黑破坏神4：憎恨之躯》等游戏 下载 · 发布说明 24.8.1 2024年8月 鸡血版 - 优化《黑神话：悟空》等游戏，性能提升 5-10% 下载 · 发布说明 24.9.1 2024年9月 鸡血版 - AFMF 2.0 首发，帧生成技术大幅提升，性能提升 8-15% 下载 · 发布说明 24.10.1 2024年10月 优化《使命召唤：黑色行动6》等游戏 下载 · 发布说明 24.11.1 2024年11月 优化《龙腾世纪：影障守护者》等游戏 下载 · 发布说明 24.12.1 2024年12月 鸡血版 - 年度优化版本，性能提升 5-8% 下载 · 发布说明 Adrenalin 2025 版本号 发布时间 说明 下载链接 25.1.1 2025年1月 鸡血版 - RX 9070/9070 XT 首发驱动，RDNA 4 架构 下载 · 发布说明 25.2.1 2025年2月 优化《天国：拯救2》等游戏 下载 · 发布说明 25.3.1 2025年3月 鸡血版 - 优化 RDNA 4 架构，支持 FSR 4.0，性能提升 5-10% 下载 · 发布说明 25.4.1 2025年4月 优化《上古卷轴4：湮灭重制版》等游戏 下载 · 发布说明 25.5.1 2025年5月 鸡血版 - 大幅优化 RDNA 4，Vulkan 1.4 支持，性能提升 8-12% 下载 · 发布说明 25.6.1 2025年6月 优化《GTA6》等游戏 下载 · 发布说明 25.7.1 2025年7月 优化夏季游戏大作 下载 · 发布说明 25.8.1 2025年8月 优化《黑神话：悟空》DLC 等游戏 下载 · 发布说明 25.9.1 2025年9月 优化秋季游戏大作 下载 · 发布说明 25.10.1 2025年10月 优化《使命召唤》新作等游戏 下载 · 发布说明 25.11.1 2025年11月 鸡血版 - 年度推荐版本，稳定性优化，性能提升 5-8% 下载 · 发布说明 25.12.1 2025年12月 年度优化版本 下载 · 发布说明 Adrenalin 2026 版本号 发布时间 说明 下载链接 26.1.1 2026年1月 优化新年游戏大作 下载 · 发布说明 26.2.1 2026年2月 鸡血版 - 可选版本，性能优化 下载 · 发布说明 26.3.1 2026年3月 统一 Linux 发布（25.35.1） 下载 · 发布说明 26.4.1 2026年4月 优化春季游戏大作 下载 · 发布说明 26.5.1 2026年5月 优化夏季游戏大作 下载 · 发布说明 说明 版本类型说明 类型 说明 Recommended 推荐版本（WHQL 认证，稳定性最佳） Optional 可选版本（包含最新功能和优化，但可能有未修复的问题） Hotfix 热修复版本（修复特定问题） Beta 测试版本 鸡血版驱动说明 AMD 的"鸡血版"驱动通常具有以下特征： 新显卡首发驱动 ：为新架构显卡提供最佳性能 重大游戏发布优化 ：为热门游戏大作提供性能提升 架构级优化 ：对特定 GPU 架构进行底层优化 新技术支持 ：如 FSR、AFMF、Fluid Motion Frames 等 驱动选择建议 游戏玩家 ：选择最新的 Recommended 版本，获得最佳游戏优化。 追求新功能 ：选择 Optional 版本，体验最新技术。 内容创作者 ：考虑使用 Pro 版本，更稳定但更新频率较低。 追求稳定 ：如果当前驱动运行良好，不必频繁更新。 新游戏首发 ：Game Ready Driver 通常会在新游戏发布前优化。 如何下载驱动 访问 AMD 官方驱动下载页面 选择你的 GPU 型号 选择操作系统 下载对应的驱动版本 重要链接 AMD 驱动下载页面 AMD Radeon Software 发布说明 DDU 下载（驱动卸载工具） 统计 本列表共收录 100+ 个驱动版本 覆盖 Catalyst 02.1 ~ Adrenalin 2026 包含 20+ 个鸡血版驱动 涵盖 RDNA 1/2/3/4 四代架构 免责说明 ：本文所有信息均基于 AMD 官方发布说明和公开资料整理。具体驱动版本的性能提升幅度可能因硬件配置、游戏版本和测试环境而异。 如有版本信息错误或缺失，请在评论区反馈。 1 个帖子 - 1 位参与者 阅读完整话题
NVIDIA GeForce 驱动历史版本下载大全 更新日期：2026-06-09 本文收录 NVIDIA GeForce Game Ready 驱动的历史版本，涵盖桌面版（Desktop）和笔记本版（Notebook/Mobile）的官方下载链接。 原作者提醒 ：别有驱动性能焦虑，当前驱动稳定好用就没必要频繁更换。更新驱动主要是为了新游戏优化、Bug 修复或体验新技术。更换驱动后首次运行未预编译着色器的游戏体验会较差。 目录 下载常见问题 驱动版本一览 471.x 系列 472.x 系列 496.x 系列 511.x 系列 512.x 系列 516.x 系列 517.x 系列 522.x 系列 526.x 系列 527.x 系列 528.x 系列 531.x 系列 535-536.x 系列 537.x 系列 538.x 系列 545-546.x 系列 551.x 系列 552.x 系列 555-556.x 系列 560.x 系列 561.x 系列 566.x 系列 571-573.x 系列 576-577.x 系列 580-581.x 系列 590-591.x 系列 595-596.x 系列 610.x 系列 说明 下载常见问题 问题一：NVIDIA 官网显示"页面未找到" 说明链接已失效或记录有误，请在评论区反馈对应版本号。 问题二：页面能打开但下载失败（连接被关闭） 你的 IP 被临时封禁，不要频繁访问，等待几天后重试。 避免使用第三方下载工具（IDM、NDM、迅雷等），以免触发 IP 封禁。 如果等待后仍无法下载，请在评论区反馈。 问题三：下载速度慢 NVIDIA 中国站（ nvidia.cn ）有时速度较慢，可尝试使用国际站链接。 部分版本提供直链（Hotfix 版本），可直接下载 EXE 文件。 驱动版本一览 471.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 471.11 HEAD — — 471.41 HEAD — — 471.68 HEAD — — 471.96 HEAD — — 471.x 系列为较早版本，部分链接可能已失效。建议使用 NVIDIA 驱动搜索页面 查找。 472.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 472.12 HEAD 笔记本下载 桌面版下载 472.39 HEAD — — 472.84 HEAD — — 472.98 HEAD — — 496.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 496.13 HEAD — — 496.49 HEAD — — 496.76 HEAD — — 497.09 HEAD — — 497.29 HEAD — — 511.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 511.09 HEAD — — 511.23 HEAD — — 511.65 HEAD — — 511.79 HEAD — — 512.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 512.15 HEAD — — 512.59 HEAD — — 512.77 HEAD — — 512.95 HEAD — — 516.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 516.40 HEAD — — 516.59 HEAD — — 516.93 HEAD — — 516.94 HEAD — — 517.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 517.40 HEAD — — 517.48 HEAD — — 522.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 522.25 HEAD 笔记本下载 桌面版下载 522.30 HEAD — — 526.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 526.47 HEAD — — 526.86 HEAD — — 526.98 HEAD — — 527.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 527.37 HEAD — — 527.56 HEAD — — 528.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 528.02 HEAD — — 528.24 HEAD — — 528.49 HEAD — — 531.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 531.18 HEAD — — 531.26 HEAD — — 531.29 HEAD — — 531.41 HEAD — — 531.61 HEAD — — 531.68 HEAD 笔记本下载 桌面版下载 531.79 HEAD — — 535-536.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 535.98 HEAD — — 536.23 HEAD — — 536.25 HEAD — — 536.40 HEAD — — 536.67 HEAD — — 536.99 HEAD — — 537.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 537.13 HEAD — — 537.34 HEAD — — 537.42 HEAD 笔记本下载 桌面版下载 537.58 HEAD — — 537.72 HEAD — — 537.99 HEAD — — 538.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 538.09 HEAD — — 545-546.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 545.84 HEAD 笔记本下载 桌面版下载 545.92 HEAD — — 546.01 HEAD — — 546.17 HEAD — — 546.29 HEAD — — 546.31 HEAD — — 546.33 HEAD — — 551.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 551.23 HEAD — — 551.31 HEAD — — 551.52 HEAD 笔记本下载 桌面版下载 551.61 HEAD — — 551.68 HEAD — — 551.76 HEAD — — 551.86 HEAD — — 552.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 552.12 HEAD — — 552.22 HEAD 笔记本下载 桌面版下载 552.44 HEAD 笔记本下载 桌面版下载 555-556.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 555.85 HEAD — — 555.99 HEAD — — 556.12 HEAD 笔记本下载 桌面版下载 560.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 560.70 HEAD — — 560.81 HEAD — — 560.94 HEAD 笔记本下载 桌面版下载 561.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 561.09 HEAD — — 566.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 566.03 HEAD — — 566.14 HEAD — — 566.36 HEAD 笔记本下载 桌面版下载 571-573.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 571.96 HEAD — — 572.16 HEAD 笔记本下载 桌面版下载 572.42 HEAD 笔记本下载 桌面版下载 572.60 HEAD 笔记本下载 桌面版下载 572.70 HEAD — — 572.75 Hotfix — — 572.83 HEAD 笔记本下载 桌面版下载 573.24 HEAD 笔记本下载 桌面版下载 576-577.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 576.02 Hotfix — — 576.88 RTX Pro 笔记本下载 桌面版下载 577.00 HEAD 笔记本下载 桌面版下载 580-581.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 580.88 HEAD 笔记本下载 桌面版下载 581.08 HEAD 笔记本下载 桌面版下载 581.15 HEAD 笔记本下载 桌面版下载 581.29 HEAD 笔记本下载 桌面版下载 581.42 HEAD 笔记本下载 桌面版下载 581.57 HEAD 笔记本下载 桌面版下载 581.80 HEAD 笔记本下载 桌面版下载 581.94 Hotfix 直链下载（笔记本+桌面版合并） 支持页面 590-591.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 590.24 HEAD — — 591.44 HEAD 笔记本下载 桌面版下载 591.59 HEAD 笔记本下载 桌面版下载 591.74 HEAD 笔记本下载 桌面版下载 591.86 HEAD 笔记本下载 桌面版下载 595-596.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 595.71 HEAD 笔记本下载 桌面版下载 595.76 HEAD — — 595.79 HEAD 笔记本下载 桌面版下载 595.97 HEAD 笔记本下载 桌面版下载 596.02 Hotfix 直链下载（笔记本+桌面版合并） 支持页面 596.21 HEAD 笔记本下载 桌面版下载 596.36 HEAD 笔记本下载 桌面版下载 596.49 HEAD 笔记本下载 桌面版下载 610.x 系列 版本号 类型 笔记本（Mobile） 桌面版（Desktop） 610.47 HEAD 笔记本下载 桌面版下载 说明 版本类型说明 类型 说明 HEAD 正式发布版本（Game Ready Driver / WHQL 认证） Hotfix 热修复版本，修复特定问题，非 WHQL 认证 RTX Pro RTX Pro 专业驱动版本 Beta 测试版本 下载链接说明 nvidia.cn 链接 ：指向 NVIDIA 中国站下载详情页，包含笔记本版和桌面版的下载选项。 直链下载 ：Hotfix 版本通常提供直接的 EXE 下载链接，笔记本和桌面版合并为一个安装包。 “—” 标记 ：表示该版本暂时没有找到官方下载链接，可通过 NVIDIA 驱动搜索页面 手动查找。 如何查找缺失的驱动版本 访问 NVIDIA 驱动下载页面 选择你的 GPU 型号、操作系统和语言 点击"搜索"即可找到对应版本 驱动选择建议 游戏玩家 ：选择最新的 Game Ready Driver（HEAD 版本），获得最佳游戏优化。 内容创作者 ：考虑使用 Studio Driver，更稳定但更新频率较低。 追求稳定 ：如果当前驱动运行良好，不必频繁更新。 新游戏首发 ：Game Ready Driver 通常会在新游戏发布前优化。 统计 本列表共收录 80+ 个驱动版本 覆盖 471.x ~ 610.x 系列 包含 2 个 Hotfix 版本 （581.94、596.02） 包含 1 个 RTX Pro 版本 （576.88） 免责说明 ：本文所有下载链接均指向 NVIDIA 官方网站，仅收录官方发布版本。OEM 厂商认证版本（如联想、戴尔定制版）不在收录范围内。 如有版本链接失效或缺失，请在评论区反馈。 1 个帖子 - 1 位参与者 阅读完整话题
写在前面： 本文首发于 Asahi Blog ，可能会出现 用词不当、不分主次、逻辑不明 等各种 错误 ，以及 入机式发言 ，希望各位佬友批评指正。 升级完 OpenList 的那一刻，我以为只是常规的 bugfix 更新，结果打开主页一看——评论区消失了。 CSS 好端端的，Waline 的样式文件请求返回 200，但 <div id="waline"> 里空空如也，高度是一个令人绝望的 908.812×0 。 折腾了一段时间之后，把问题锁定在了 v4.2.2 的一个 Breaking Change 上。这篇文章就把整个来龙去脉记录下来，顺带把修复方案整合一下，希望踩过同样坑的朋友少花点时间。 问题复现 根据 Waline快速上手中的方案 ，在旧版本（≤ 4.1.10）中仅需在主页的 元数据 README 里写一段 HTML，CSS 和 JS 全部内联： <!-- Waline 容器 --> <link rel="stylesheet" href="https://unpkg.com/@waline/client@v3/dist/waline.css" /> <div id="waline-comment" style="margin: 20px auto; max-width: 960px;"> <h2 style="text-align:center">- 评论 Comments -</h2> <div id="waline"></div> </div> <!-- Waline JS 初始化 --> <script type="module"> import { init } from 'https://unpkg.com/@waline/client@v3/dist/waline.js'; init({ el: '#waline', serverURL: 'https://comments.example.com', emoji: false, comment: true, search: false, path: window.location.pathname, }); </script> 升级到 4.2.2 之后，这段代码的表现变成： <link> 的 CSS 请求正常发出并返回 <script type="module"> 中的 JS 完全没有执行 #waline 容器尺寸为 908.812×0 （宽度撑开了，但高度为 0，Waline 从未初始化） 根本原因：PR #2346 把过滤逻辑从后端搬到了前端 v4.2.2 的 Release Notes 里有两条 Breaking Changes，其中一条就是： settings : Move FilterReadMeScripts to frontend - by @xrgzs in #2346 这条改动对应 commit a5ba6a0 ，看一下实际 diff 就很清楚了。 旧版后端做了什么 旧版的 server/handles/down.go 在代理 .md 文件时，如果 FilterReadMeScripts 开关为 true （默认开启），会在 后端 走一套完整的处理流水线： 用 goldmark 把 Markdown 源文件渲染成 HTML 用 bluemonday 的 UGC Policy 对 HTML 进行 sanitize（消毒） 把清洗过的 HTML 以 text/html 形式返回给前端 bluemonday 的 UGC Policy 会 剥除 <script> 、 <link> 等危险标签 ，这是它的设计初衷。但这套流水线只在 直接代理 .md 文件 时（走 /d/ 路径）才触发，主页展示 README 走的是 /api/fs/get API 接口，后端直接原样返回 Markdown 内容，不经过 bluemonday。 所以旧版真正起作用的机制在前端：前端把 README 内容渲染为 HTML 注入到页面后，会对其中的 <script> 标签做一次 克隆重新 append 的处理，让它们实际执行。 <script type="module"> 就是通过这个机制被触发的。 新版改动：32 行代码的删除 commit a5ba6a0 从 down.go 里 整体删除 了那 31 行后端清洗逻辑，同时移除了对 goldmark 和 bluemonday 两个依赖库的引用，并在 setting.go 里给 FilterReadMeScripts 的配置加上了注释 // frontend ，意思是：这个开关的实际执行逻辑已经全部交给前端负责了。 这是一次架构上的合理重构——把视图层的过滤放在前端做，后端减负，逻辑更清晰。 但问题在于 ：前端新版本对 README 内容里 <script> 标签的处理比之前更严格， type="module" 形式的脚本会被 直接过滤掉，不再执行 。 这就解释了所有现象： 现象 原因 CSS 正常加载 <link> 标签通过了前端的过滤，或走了不同处理路径 JS 完全不执行 <script type="module"> 被前端新过滤器丢弃 #waline 高度为 0 容器 div 存在，但 Waline 从未初始化，内容为空 顺便一提， <script type="module"> 在被 innerHTML 动态插入 DOM 时，浏览器本身也不会自动执行——这是浏览器的安全规范，ES Module 的 import 语义只在顶层脚本上下文有效。所以即使前端没过滤，不经过特殊处理的 module script 也跑不起来。旧版前端的克隆 append 机制恰好绕过了这个限制，新版则没有。 完整修复方案 修复思路是把代码分散到三个不同的注入点，各司其职，完全绕开 README 的过滤器： 第一步：自定义头部（Custom Head）—— 放 CSS 进入 设置 → 全局 → 自定义头部 ，填入： <link rel="stylesheet" href="https://unpkg.com/@waline/client@v3/dist/waline.css"> <head> 里的 <link> 走标准 HTML 解析路径，完全不经过任何 README 过滤器，稳定可靠。 第二步：自定义 Body（Custom Body）—— 放 JS 初始化逻辑 进入 设置 → 全局 → 自定义 Body ，填入以下完整代码： <!-- 引入 UMD 版本的 Waline（挂载到 window.Waline 全局变量） --> <script src="https://unpkg.com/@waline/client@v3/dist/waline.umd.js"></script> <script> (function() { let walineInstance = null; let initTimer = null; function doInitWaline() { const walineEl = document.querySelector('#waline'); if (!walineEl || typeof Waline === 'undefined') return; // 容器内已有内容，说明 Waline 正常挂载着，无需重复初始化 if (walineEl.children.length > 0) return; // 有旧实例先销毁，防止内存泄漏 if (walineInstance && typeof walineInstance.destroy === 'function') { try { walineInstance.destroy(); } catch(e) {} walineInstance = null; } walineInstance = Waline.init({ el: '#waline', serverURL: 'https://comments.example.xyz', // 替换为你的 Waline 服务地址 emoji: false, comment: true, search: false, path: window.location.pathname, }); } // 防抖：SPA 路由切换时 DOM 频繁变动，延迟 300ms 等待稳定 function debouncedInit() { clearTimeout(initTimer); initTimer = setTimeout(doInitWaline, 300); } // 1. 页面首次加载 doInitWaline(); // 2. 监听 DOM 变化（SPA 框架动态重建 DOM 时触发） const observer = new MutationObserver(debouncedInit); observer.observe(document.body, { childList: true, subtree: true }); // 3. 拦截 History API（前进/后退/框架内部路由跳转） const originalPushState = history.pushState; const originalReplaceState = history.replaceState; history.pushState = function() { originalPushState.apply(this, arguments); debouncedInit(); }; history.replaceState = function() { originalReplaceState.apply(this, arguments); debouncedInit(); }; window.addEventListener('popstate', debouncedInit); })(); </script> 为什么改用 UMD 而不是 ESM？ 原来的 import { init } from '...waline.js' 是 ES Module 写法，有两个问题：一是动态插入的 <script type="module"> 浏览器不执行；二是前端过滤器会丢弃它。改用 waline.umd.js 后，脚本加载后直接把 Waline 挂到 window 上，后续代码用 Waline.init() 调用，完全是普通的全局变量方式，没有任何模块化限制。 为什么需要 MutationObserver 和 History API 拦截？ OpenList 是基于 SolidJS 的 SPA（单页应用）。当你从别的目录切换回主页时，整个 DOM 树会被 SolidJS 销毁并重建，之前初始化的 Waline 实例也随之消失。如果只在页面加载时初始化一次，路由切换回来后评论区就空了。 MutationObserver 监听 document.body 的子树变化，每次 DOM 重建后都会触发重新初始化； history.pushState/replaceState 的拦截则覆盖了框架内部路由跳转的场景；300ms 防抖避免 DOM 频繁变动时重复触发。 第三步：主页元数据 README —— 只保留容器 div 回到主页元数据，把 <script> 和 <link> 全部删掉，只保留 HTML 容器： <div id="waline-comment" style="margin: 20px auto; max-width: 960px;"> <h2 style="text-align:center">- 评论 Comments -</h2> <div id="waline"></div> </div> 纯粹的 <div> 不含任何可执行内容，不会被任何过滤器动到。JS 找到这个 #waline 容器后负责挂载，CSS 从 <head> 里来，三方各归其位。 三种注入点的本质区别 理解这三个位置的差异，以后遇到类似问题就不会懵了： 注入点 处理机制 能跑 <script> ？ 能跑 <link> ？ 主页元数据 README 前端 Markdown 渲染 + 新版过滤器 （被过滤） 看情况，不稳定 自定义 Body 直接注入 <body> ，不走 README 过滤器 自定义 Head 注入 <head> ，标准 HTML 解析 README 的设计初衷是内容展示，过滤脚本是合理的安全考量。需要执行 JS 的逻辑就应该放到 Custom Body/Head 这两个专门为此设计的位置。 1 个帖子 - 1 位参与者 阅读完整话题
本文推广一款基于云端的照片管理应用,也是个人对近段时间开发活动的一份总结。 地址 https://www.cloud-gallery.cn 简介 这是款云端照片管理的应用，包含两大核心功能 云端存储，照片选择性上传 标题编辑，给照片留下文字记录 背景 有娃后，总担心拍的照片会丢，时常又想给照片加些备注，以后更容易回忆。 原来想自己搭个 nas ，又怕技术太菜搞不好哪天数据都丢了。 百度网盘确实不错，已经全量照片都传上了，可毕竟照片不是自己挑的，杂七杂八的内容也一股脑儿传上去，总觉得有些杂乱。 思来想去，尝试自己造个轮子。恰逢 ai 大行其道，拿起工具直接开搞！ 分析 数据存放：数据安全是第一原则，容灾备份啥的，自己没这个实力，统统交给大厂。于是方案选型定为阿里 oss ，不怕丢。app 中严选删除逻辑，能确保数据不丢。 开源改造：从零到一去实现一套能力过于复杂，可行性不高（终归是自己太菜。。）。还是站在巨人的肩膀上来的靠谱。于是找了一个热度很高的开源安卓相册应用 fossify gallery ，在其上嵌入云端上传的能力。 按需上传：只有选择过的照片才会被上传，避免无意义照片占用云端存储空间。这其中多了一道人工筛选的流程，但想必珍贵的照片也值得这一下的付出。 文字记录: 对图片进行标注对笔者来说一直是个有价值的功能，可以更好记录照片的内容和生活的点滴。等以后回看起来，一句简单的记录能带来更多美好的回忆。 账户管理: 不同于成熟的商业应用，本应用的存储端是各用户个人的阿里云账号。因此账户注册流程涉及阿里云的授权和子账号创建。子账号代表家庭中其他的成员，可以由管理员统一管理。各成员间的照片也做成了相互共享。 想法 成本。大厂存档数据不是免费的。用了 oss 后，需要支付存储的费用。但费用很低，每个月可能就几毛到几块。相信对有此类需求的用户来说也可以接受。 开发。在开源代码基础上新增的功能都是 ai 开发的，效率提升不少，但质量如何还有待观察。现在看来，能力是大体符合预期的。多多少少可能会有缺陷，但相信是可以修复的。 演进。咱就是讲究吃自己的狗粮。这应用本人也日常在用，相信它会长期演进下去~初期产品化能力可能不到位，但日拱一卒，相信总能越来越好。 开源。所用的基础图库应用是开源的，因此本应用也将 app 端进行了开源。不过服务端和 web 端的代码暂时还没有，看后面情况再评估吧。 用户。本应用面相稍懂些技术的用户，由于涉及到后端 oss 存储，至少要有些简单的了解，才能知道本应用的工作原理是啥。 收费。暂时不收任何费用，当然也不排除后续收取一定费用的可能 hhh 最后，特别感谢能读到末尾的读者~希望这篇文章没有浪费大家的时间(◍•ᴗ•◍)
三个月纯 vibe coding，大概花了这么多，缓存有 470 亿， ./codex 目录里面有 8.8G 的文本文件 1 个帖子 - 1 位参与者 阅读完整话题
本文完整内容见（包括 Agent 指令设计）： 原文地址 1 、Managed Agents 核心理念：解耦"大脑"与"双手" Managed Agents 定义：一套用于大规模构建、部署和运行 AI Agent 的全托管基础设施，核心设计原理围绕组件解耦与分层抽象，解决长周期 AI Agent 开发和生产部署的痛点。 Managed Agents 设计思路：将智能体的「决策能力」（模型作为"大脑"）、「执行能力」（工具/沙箱作为"双手"）和「记忆能力」（持久化会话作为记忆）完全分离； 借鉴操作系统分层思想重构 Agent 架构，各模块独立演进提升整体系统的稳定性。解决了传统 Agent 开发中 Agent 代码粘连、环境崩溃导致任务中断等问题。 Managed Agents 核心模块： Harness （可替换控制循环）：作为隔离模型实现与系统功能的抽象控制层，负责调度模型和路由工具，允许模型随时升级不影响系统稳定性，让针对特定模型的补丁可独立演进。 Sandbox （隔离执行环境）：提供独立的代码/文件执行单元，执行环境与核心系统物理隔离，避免工具调用异常或容器崩溃导致整体任务失败，将错误转化为可处理的单纯异常。 Session （持久化日志）：突破传统上下文窗口限制，将完整历史事件日志作为外部化记忆仓库，支持按需读取、回放历史和提取关键切片，解决长任务中信息存储与回溯的问题。 2 、Multica 介绍 Multica 是一个开源的 Managed Agents 平台，定位为遵循 Managed Agents 架构规范、厂商中立的开源 AI 智能体团队协作平台。 Multica 目标并非自建 Agent ，而是搭建跨 AI Agent 的托管调度层，将分散在本地、多终端、多厂商（ Claude Code 、Codex 、OpenCode ）的智能体收拢，把 AI Agent 转化为人机团队内和开发人员平权的正式成员，落地 Managed Agents 工程化、团队化实践。 Multica 核心为解决行业几类典型痛点： 多 AI 编程工具碎片化，切换繁琐、无法统一管控； Agent 孤立运行，无任务看板、无进度可视化，人工持续盯盘； Agent 单次优质执行经验无法沉淀，重复造轮子、团队能力无法复利增长。 3 、人机 Agent 团队组织设计 针对人机 Agent 团队协同，首先需要结合业务场景，进行团队组织设计，确定团队角色及职责。此处以 “ 全栈项目迭代开发 ” 为业务场景，落地实践人机多角色 Agent 团队协作。 针对研发需求交付流程，一般覆盖 「需求分析、方案设计、代码开发、代码审核、需求测试、项目部署」等环节。 其中“需求分析、方案设计、代码开发”类工作长耗时且低风险低，适合 Agent 角色执行；其他工作风险性相对高，短期（本文案例）持续让 人 来负责，未来考虑过度给 Agent 。 基于上述分工思路，团队具体组织设计如下： 团队名称 ：汉兴三杰（墨萧张联盟） 团队角色 ：由 3 个 Agent 角色（队长、架构师、全栈工程师） + 1 个 人 角色组成； 前者负责 「需求分析、方案设计、代码开发」类工作，后者负责「代码审核、需求测试、项目部署」类工作。 Agent 角色明细 ： 角色 职责定位责 权限边界 萧何（队长） 团队唯一对外交互入口，全流程总调度，承担「任务拆解、进度追踪、结果汇总」核心职能，是整个小队的定盘星 仅负责调度整合，不参与具体方案设计、不编写执行落地代码，所有具体工作全部委派给对应角色，绝不越界。 张良（架构师） 方案输出核心，承担「信息调研、复杂任务方案设计」核心职能，是连接需求与落地的核心枢纽 仅输出设计方案，不参与具体落地执行；遇到需求调整仅修改方案，不越界修改执行成果。 墨子（全栈工程师） 长周期任务执行核心，承担「长时间、独立复杂任务执行」核心职能，是将纸面方案转化为实际成果的攻坚者 仅在方案设计范围内完成执行，不自行修改整体框架、不扩展超出需求范围的额外功能；所有超出边界的需求统一返回协调者重新处理，不私自调整方案。 4 、场景案例 Multica 系统截图 ： Multica Squad：团队设置 + 成员组织（ 3xAgent + 1x 人）。 Multica Agent：Agent 角色的设置类信息。 墨子为例，设置信息包括：运行时（本地 MacMini + OpenCode ） + Agent 模型（ DeepSeek ） + 技能（ design-taste-frontend ） + 指令等。 Multica 运行时：我的电脑上安装了 Claude 、Codex 和 OpenCode ，如下图全部识别可用。 案例场景说明 ： 案例场景：“新建一个博客网站，只包含前端 HTML 页面，无需后端逻辑”。 需求承接：通过 Multica 的 Squad/团队 承接，过程中体现多智能体调度、会话隔离、事件追溯、技能等能力。 Multica 处理流程分析 ： Multica 流程参考下图，核心步骤如下： 发起任务 ：用户提交 ISSUE ，分配给 Multica 团队，此处分配给「汉兴三杰（墨萧张联盟）」。 需求分析/分配任务 ：团队接到需求，「萧何（队长）」会自动进行需求功能点提炼；然后，将方案设计设计任务分配给「张良（架构师）」。 技术方案 ：「张良（架构师）」接到任务，结合同步的需求信息、主动调研信息等，进行技术方案设计。技术方案完成后，会周知「萧何（队长）」。 方案评审 ：「萧何（队长）」接到技术方案完成通知，会进行技术方案 Review 。然后，将开发任务分配给「墨子（全栈工程师）」。 代码开发 ：「墨子（全栈工程师）」接到任务，开始进行代码开发。代码开发完成后，会周知「萧何（队长）」。 代码验收 ：「萧何（队长）」接到代码开发完成通知，会进行代码验收。验收完成后，会主动更新任务状态。 需求测试/项目部署 ：按照前文组织设计，这部分由人来处理。因此，由“Jason （我）”人工触发。 Multica 产出效果 ： 博客网站运行截图：
本文完整内容见（包括 Agent 指令设计）： 原文地址 1 、Managed Agents 核心理念：解耦"大脑"与"双手" Managed Agents 定义：一套用于大规模构建、部署和运行 AI Agent 的全托管基础设施，核心设计原理围绕组件解耦与分层抽象，解决长周期 AI Agent 开发和生产部署的痛点。 Managed Agents 设计思路：将智能体的「决策能力」（模型作为"大脑"）、「执行能力」（工具/沙箱作为"双手"）和「记忆能力」（持久化会话作为记忆）完全分离； 借鉴操作系统分层思想重构 Agent 架构，各模块独立演进提升整体系统的稳定性。解决了传统 Agent 开发中 Agent 代码粘连、环境崩溃导致任务中断等问题。 Managed Agents 核心模块： Harness （可替换控制循环）：作为隔离模型实现与系统功能的抽象控制层，负责调度模型和路由工具，允许模型随时升级不影响系统稳定性，让针对特定模型的补丁可独立演进。 Sandbox （隔离执行环境）：提供独立的代码/文件执行单元，执行环境与核心系统物理隔离，避免工具调用异常或容器崩溃导致整体任务失败，将错误转化为可处理的单纯异常。 Session （持久化日志）：突破传统上下文窗口限制，将完整历史事件日志作为外部化记忆仓库，支持按需读取、回放历史和提取关键切片，解决长任务中信息存储与回溯的问题。 2 、Multica 介绍 Multica 是一个开源的 Managed Agents 平台，定位为遵循 Managed Agents 架构规范、厂商中立的开源 AI 智能体团队协作平台。 Multica 目标并非自建 Agent ，而是搭建跨 AI Agent 的托管调度层，将分散在本地、多终端、多厂商（ Claude Code 、Codex 、OpenCode ）的智能体收拢，把 AI Agent 转化为人机团队内和开发人员平权的正式成员，落地 Managed Agents 工程化、团队化实践。 Multica 核心为解决行业几类典型痛点： 多 AI 编程工具碎片化，切换繁琐、无法统一管控； Agent 孤立运行，无任务看板、无进度可视化，人工持续盯盘； Agent 单次优质执行经验无法沉淀，重复造轮子、团队能力无法复利增长。 3 、人机 Agent 团队组织设计 针对人机 Agent 团队协同，首先需要结合业务场景，进行团队组织设计，确定团队角色及职责。此处以 “ 全栈项目迭代开发 ” 为业务场景，落地实践人机多角色 Agent 团队协作。 针对研发需求交付流程，一般覆盖 「需求分析、方案设计、代码开发、代码审核、需求测试、项目部署」等环节。 其中“需求分析、方案设计、代码开发”类工作长耗时且低风险低，适合 Agent 角色执行；其他工作风险性相对高，短期（本文案例）持续让 人 来负责，未来考虑过度给 Agent 。 基于上述分工思路，团队具体组织设计如下： 团队名称 ：汉兴三杰（墨萧张联盟） 团队角色 ：由 3 个 Agent 角色（队长、架构师、全栈工程师） + 1 个 人 角色组成； 前者负责 「需求分析、方案设计、代码开发」类工作，后者负责「代码审核、需求测试、项目部署」类工作。 Agent 角色明细 ： 角色 职责定位责 权限边界 萧何（队长） 团队唯一对外交互入口，全流程总调度，承担「任务拆解、进度追踪、结果汇总」核心职能，是整个小队的定盘星 仅负责调度整合，不参与具体方案设计、不编写执行落地代码，所有具体工作全部委派给对应角色，绝不越界。 张良（架构师） 方案输出核心，承担「信息调研、复杂任务方案设计」核心职能，是连接需求与落地的核心枢纽 仅输出设计方案，不参与具体落地执行；遇到需求调整仅修改方案，不越界修改执行成果。 墨子（全栈工程师） 长周期任务执行核心，承担「长时间、独立复杂任务执行」核心职能，是将纸面方案转化为实际成果的攻坚者 仅在方案设计范围内完成执行，不自行修改整体框架、不扩展超出需求范围的额外功能；所有超出边界的需求统一返回协调者重新处理，不私自调整方案。 4 、场景案例 Multica 系统截图 ： Multica Squad：团队设置 + 成员组织（ 3xAgent + 1x 人）。 Multica Agent：Agent 角色的设置类信息。 墨子为例，设置信息包括：运行时（本地 MacMini + OpenCode ） + Agent 模型（ DeepSeek ） + 技能（ design-taste-frontend ） + 指令等。 Multica 运行时：我的电脑上安装了 Claude 、Codex 和 OpenCode ，如下图全部识别可用。 案例场景说明 ： 案例场景：“新建一个博客网站，只包含前端 HTML 页面，无需后端逻辑”。 需求承接：通过 Multica 的 Squad/团队 承接，过程中体现多智能体调度、会话隔离、事件追溯、技能等能力。 Multica 处理流程分析 ： Multica 流程参考下图，核心步骤如下： 发起任务 ：用户提交 ISSUE ，分配给 Multica 团队，此处分配给「汉兴三杰（墨萧张联盟）」。 需求分析/分配任务 ：团队接到需求，「萧何（队长）」会自动进行需求功能点提炼；然后，将方案设计设计任务分配给「张良（架构师）」。 技术方案 ：「张良（架构师）」接到任务，结合同步的需求信息、主动调研信息等，进行技术方案设计。技术方案完成后，会周知「萧何（队长）」。 方案评审 ：「萧何（队长）」接到技术方案完成通知，会进行技术方案 Review 。然后，将开发任务分配给「墨子（全栈工程师）」。 代码开发 ：「墨子（全栈工程师）」接到任务，开始进行代码开发。代码开发完成后，会周知「萧何（队长）」。 代码验收 ：「萧何（队长）」接到代码开发完成通知，会进行代码验收。验收完成后，会主动更新任务状态。 需求测试/项目部署 ：按照前文组织设计，这部分由人来处理。因此，由“Jason （我）”人工触发。 Multica 产出效果 ： 博客网站运行截图：
本文完整内容见（包括 Agent 指令设计）： 原文地址 1 、Managed Agents 核心理念：解耦"大脑"与"双手" Managed Agents 定义：一套用于大规模构建、部署和运行 AI Agent 的全托管基础设施，核心设计原理围绕组件解耦与分层抽象，解决长周期 AI Agent 开发和生产部署的痛点。 Managed Agents 设计思路：将智能体的「决策能力」（模型作为"大脑"）、「执行能力」（工具/沙箱作为"双手"）和「记忆能力」（持久化会话作为记忆）完全分离； 借鉴操作系统分层思想重构 Agent 架构，各模块独立演进提升整体系统的稳定性。解决了传统 Agent 开发中 Agent 代码粘连、环境崩溃导致任务中断等问题。 Managed Agents 核心模块： Harness （可替换控制循环）：作为隔离模型实现与系统功能的抽象控制层，负责调度模型和路由工具，允许模型随时升级不影响系统稳定性，让针对特定模型的补丁可独立演进。 Sandbox （隔离执行环境）：提供独立的代码/文件执行单元，执行环境与核心系统物理隔离，避免工具调用异常或容器崩溃导致整体任务失败，将错误转化为可处理的单纯异常。 Session （持久化日志）：突破传统上下文窗口限制，将完整历史事件日志作为外部化记忆仓库，支持按需读取、回放历史和提取关键切片，解决长任务中信息存储与回溯的问题。 2 、Multica 介绍 Multica 是一个开源的 Managed Agents 平台，定位为遵循 Managed Agents 架构规范、厂商中立的开源 AI 智能体团队协作平台。 Multica 目标并非自建 Agent ，而是搭建跨 AI Agent 的托管调度层，将分散在本地、多终端、多厂商（ Claude Code 、Codex 、OpenCode ）的智能体收拢，把 AI Agent 转化为人机团队内和开发人员平权的正式成员，落地 Managed Agents 工程化、团队化实践。 Multica 核心为解决行业几类典型痛点： 多 AI 编程工具碎片化，切换繁琐、无法统一管控； Agent 孤立运行，无任务看板、无进度可视化，人工持续盯盘； Agent 单次优质执行经验无法沉淀，重复造轮子、团队能力无法复利增长。 3 、人机 Agent 团队组织设计 针对人机 Agent 团队协同，首先需要结合业务场景，进行团队组织设计，确定团队角色及职责。此处以 “ 全栈项目迭代开发 ” 为业务场景，落地实践人机多角色 Agent 团队协作。 针对研发需求交付流程，一般覆盖 「需求分析、方案设计、代码开发、代码审核、需求测试、项目部署」等环节。 其中“需求分析、方案设计、代码开发”类工作长耗时且低风险低，适合 Agent 角色执行；其他工作风险性相对高，短期（本文案例）持续让 人 来负责，未来考虑过度给 Agent 。 基于上述分工思路，团队具体组织设计如下： 团队名称 ：汉兴三杰（墨萧张联盟） 团队角色 ：由 3 个 Agent 角色（队长、架构师、全栈工程师） + 1 个 人 角色组成； 前者负责 「需求分析、方案设计、代码开发」类工作，后者负责「代码审核、需求测试、项目部署」类工作。 Agent 角色明细 ： 角色 职责定位责 权限边界 萧何（队长） 团队唯一对外交互入口，全流程总调度，承担「任务拆解、进度追踪、结果汇总」核心职能，是整个小队的定盘星 仅负责调度整合，不参与具体方案设计、不编写执行落地代码，所有具体工作全部委派给对应角色，绝不越界。 张良（架构师） 方案输出核心，承担「信息调研、复杂任务方案设计」核心职能，是连接需求与落地的核心枢纽 仅输出设计方案，不参与具体落地执行；遇到需求调整仅修改方案，不越界修改执行成果。 墨子（全栈工程师） 长周期任务执行核心，承担「长时间、独立复杂任务执行」核心职能，是将纸面方案转化为实际成果的攻坚者 仅在方案设计范围内完成执行，不自行修改整体框架、不扩展超出需求范围的额外功能；所有超出边界的需求统一返回协调者重新处理，不私自调整方案。 4 、场景案例 Multica 系统截图 ： Multica Squad：团队设置 + 成员组织（ 3xAgent + 1x 人）。 Multica Agent：Agent 角色的设置类信息。 墨子为例，设置信息包括：运行时（本地 MacMini + OpenCode ） + Agent 模型（ DeepSeek ） + 技能（ design-taste-frontend ） + 指令等。 Multica 运行时：我的电脑上安装了 Claude 、Codex 和 OpenCode ，如下图全部识别可用。 案例场景说明 ： 案例场景：“新建一个博客网站，只包含前端 HTML 页面，无需后端逻辑”。 需求承接：通过 Multica 的 Squad/团队 承接，过程中体现多智能体调度、会话隔离、事件追溯、技能等能力。 Multica 处理流程分析 ： Multica 流程参考下图，核心步骤如下： 发起任务 ：用户提交 ISSUE ，分配给 Multica 团队，此处分配给「汉兴三杰（墨萧张联盟）」。 需求分析/分配任务 ：团队接到需求，「萧何（队长）」会自动进行需求功能点提炼；然后，将方案设计设计任务分配给「张良（架构师）」。 技术方案 ：「张良（架构师）」接到任务，结合同步的需求信息、主动调研信息等，进行技术方案设计。技术方案完成后，会周知「萧何（队长）」。 方案评审 ：「萧何（队长）」接到技术方案完成通知，会进行技术方案 Review 。然后，将开发任务分配给「墨子（全栈工程师）」。 代码开发 ：「墨子（全栈工程师）」接到任务，开始进行代码开发。代码开发完成后，会周知「萧何（队长）」。 代码验收 ：「萧何（队长）」接到代码开发完成通知，会进行代码验收。验收完成后，会主动更新任务状态。 需求测试/项目部署 ：按照前文组织设计，这部分由人来处理。因此，由“Jason （我）”人工触发。 Multica 产出效果 ： 博客网站运行截图：
本文完整内容见（包括 Agent 指令设计）： 原文地址 1 、Managed Agents 核心理念：解耦"大脑"与"双手" Managed Agents 定义：一套用于大规模构建、部署和运行 AI Agent 的全托管基础设施，核心设计原理围绕组件解耦与分层抽象，解决长周期 AI Agent 开发和生产部署的痛点。 Managed Agents 设计思路：将智能体的「决策能力」（模型作为"大脑"）、「执行能力」（工具/沙箱作为"双手"）和「记忆能力」（持久化会话作为记忆）完全分离； 借鉴操作系统分层思想重构 Agent 架构，各模块独立演进提升整体系统的稳定性。解决了传统 Agent 开发中 Agent 代码粘连、环境崩溃导致任务中断等问题。 Managed Agents 核心模块： Harness （可替换控制循环）：作为隔离模型实现与系统功能的抽象控制层，负责调度模型和路由工具，允许模型随时升级不影响系统稳定性，让针对特定模型的补丁可独立演进。 Sandbox （隔离执行环境）：提供独立的代码/文件执行单元，执行环境与核心系统物理隔离，避免工具调用异常或容器崩溃导致整体任务失败，将错误转化为可处理的单纯异常。 Session （持久化日志）：突破传统上下文窗口限制，将完整历史事件日志作为外部化记忆仓库，支持按需读取、回放历史和提取关键切片，解决长任务中信息存储与回溯的问题。 2 、Multica 介绍 Multica 是一个开源的 Managed Agents 平台，定位为遵循 Managed Agents 架构规范、厂商中立的开源 AI 智能体团队协作平台。 Multica 目标并非自建 Agent ，而是搭建跨 AI Agent 的托管调度层，将分散在本地、多终端、多厂商（ Claude Code 、Codex 、OpenCode ）的智能体收拢，把 AI Agent 转化为人机团队内和开发人员平权的正式成员，落地 Managed Agents 工程化、团队化实践。 Multica 核心为解决行业几类典型痛点： 多 AI 编程工具碎片化，切换繁琐、无法统一管控； Agent 孤立运行，无任务看板、无进度可视化，人工持续盯盘； Agent 单次优质执行经验无法沉淀，重复造轮子、团队能力无法复利增长。 3 、人机 Agent 团队组织设计 针对人机 Agent 团队协同，首先需要结合业务场景，进行团队组织设计，确定团队角色及职责。此处以 “ 全栈项目迭代开发 ” 为业务场景，落地实践人机多角色 Agent 团队协作。 针对研发需求交付流程，一般覆盖 「需求分析、方案设计、代码开发、代码审核、需求测试、项目部署」等环节。 其中“需求分析、方案设计、代码开发”类工作长耗时且低风险低，适合 Agent 角色执行；其他工作风险性相对高，短期（本文案例）持续让 人 来负责，未来考虑过度给 Agent 。 基于上述分工思路，团队具体组织设计如下： 团队名称 ：汉兴三杰（墨萧张联盟） 团队角色 ：由 3 个 Agent 角色（队长、架构师、全栈工程师） + 1 个 人 角色组成； 前者负责 「需求分析、方案设计、代码开发」类工作，后者负责「代码审核、需求测试、项目部署」类工作。 Agent 角色明细 ： 角色 职责定位责 权限边界 萧何（队长） 团队唯一对外交互入口，全流程总调度，承担「任务拆解、进度追踪、结果汇总」核心职能，是整个小队的定盘星 仅负责调度整合，不参与具体方案设计、不编写执行落地代码，所有具体工作全部委派给对应角色，绝不越界。 张良（架构师） 方案输出核心，承担「信息调研、复杂任务方案设计」核心职能，是连接需求与落地的核心枢纽 仅输出设计方案，不参与具体落地执行；遇到需求调整仅修改方案，不越界修改执行成果。 墨子（全栈工程师） 长周期任务执行核心，承担「长时间、独立复杂任务执行」核心职能，是将纸面方案转化为实际成果的攻坚者 仅在方案设计范围内完成执行，不自行修改整体框架、不扩展超出需求范围的额外功能；所有超出边界的需求统一返回协调者重新处理，不私自调整方案。 4 、场景案例 Multica 系统截图 ： Multica Squad：团队设置 + 成员组织（ 3xAgent + 1x 人）。 Multica Agent：Agent 角色的设置类信息。 墨子为例，设置信息包括：运行时（本地 MacMini + OpenCode ） + Agent 模型（ DeepSeek ） + 技能（ design-taste-frontend ） + 指令等。 Multica 运行时：我的电脑上安装了 Claude 、Codex 和 OpenCode ，如下图全部识别可用。 案例场景说明 ： 案例场景：“新建一个博客网站，只包含前端 HTML 页面，无需后端逻辑”。 需求承接：通过 Multica 的 Squad/团队 承接，过程中体现多智能体调度、会话隔离、事件追溯、技能等能力。 Multica 处理流程分析 ： Multica 流程参考下图，核心步骤如下： 发起任务 ：用户提交 ISSUE ，分配给 Multica 团队，此处分配给「汉兴三杰（墨萧张联盟）」。 需求分析/分配任务 ：团队接到需求，「萧何（队长）」会自动进行需求功能点提炼；然后，将方案设计设计任务分配给「张良（架构师）」。 技术方案 ：「张良（架构师）」接到任务，结合同步的需求信息、主动调研信息等，进行技术方案设计。技术方案完成后，会周知「萧何（队长）」。 方案评审 ：「萧何（队长）」接到技术方案完成通知，会进行技术方案 Review 。然后，将开发任务分配给「墨子（全栈工程师）」。 代码开发 ：「墨子（全栈工程师）」接到任务，开始进行代码开发。代码开发完成后，会周知「萧何（队长）」。 代码验收 ：「萧何（队长）」接到代码开发完成通知，会进行代码验收。验收完成后，会主动更新任务状态。 需求测试/项目部署 ：按照前文组织设计，这部分由人来处理。因此，由“Jason （我）”人工触发。 Multica 产出效果 ： 博客网站运行截图：