自己订阅的。 google pay 或者 ios 订阅。claude 被封了，能退款成功吗？有成功或者失败案例吗？
自己订阅的。 google pay 或者 ios 订阅。claude 被封了，能退款成功吗？有成功或者失败案例吗？
自己订阅的。 google pay 或者 ios 订阅。claude 被封了，能退款成功吗？有成功或者失败案例吗？
自己订阅的。 google pay 或者 ios 订阅。claude 被封了，能退款成功吗？有成功或者失败案例吗？
自己订阅的。 google pay 或者 ios 订阅。claude 被封了，能退款成功吗？有成功或者失败案例吗？
自己订阅的。 google pay 或者 ios 订阅。claude 被封了，能退款成功吗？有成功或者失败案例吗？
6月10日，韩国板桥。或许连Kakao自己都没想到，这家曾经代表着韩国互联网“超高速”增长与“酷”文化的企业，其总部门前最热闹的一天，不是因为新品发布，也不是什么明星代言活动，而是600多名员工高举标语、喊着口号的罢工集会。 对，你没看错，Kakao，这个承载着韩国人生活方方面面的国民级应用巨头，迎来了它创立以来的“第一次”大规模罢工。这事儿在韩国科技圈的震撼程度，恐怕不亚于一颗深水炸弹。 为什么是现在？又为什么是Kakao？ 新闻里说得直白：改善奖金制度、调整薪酬结构、推动更透明合理的员工激励机制。翻译一下，就是员工们觉得，公司赚的钱和自己付出的努力，在账面上“失衡”了。 表面看是“钱没给够”，但往深了扒，这其实是Kakao那层“梦想职场”的滤镜，碎了。 很长一段时间里，Kakao都是韩国程序员的“圣地”。它以扁平化、自由开放著称，领着不菲的薪水，做着改变韩国人生活方式的产品，那种优越感和归属感，是很多传统财阀大厂给不了的。员工们在这里工作，不仅仅是打工，更像是在参与一场宏大的、有趣的数字革命。那时候，谈“钱”似乎有点俗，因为“梦想”和“股票期权”的光环足以掩盖一切。 但梦想不能当饭吃，尤其是在经济周期的寒风吹过来的时候。 当Kakao从那个锐意进取的挑战者，逐渐变成一个庞大臃肿的商业帝国时，故事的内核就变了。增长放缓、股价承压、新业务屡屡碰壁，管理层自然要开始“降本增效”，收紧裤腰带。 可对于习惯了高增长红利的一线员工来说，感受到的却是：指标越来越重，加班越来越晚，但奖金池却肉眼可见地缩水了。更致命的是，员工们发现，薪酬调整的尺子似乎并不透明，激励机制的承诺，兑现起来也打了折扣。 这种“撕裂感”是爆发此次罢工的核心燃料。过去，我们是一起为了理想狂奔的战友，你画的大饼我认，因为我能看到它在变大。但现在，你开始跟我精打细算地计较工时和成本，把我当成庞大机器上一颗随时可以替换的螺丝钉，那我就要跟你认认真真地谈谈法律、合同和真金白银了。 值得注意的是，这次站出来的600人，不是普通员工，而是工会成员。在高科技、高收入的韩国IT行业，工会一直是个有点“非主流”的存在。而如今，Kakao工会能用一场史无前例的罢工，展现出如此强的组织力和行动力，这本身就是对管理层的一记响亮耳光。它宣告了一个事实：过去那种依靠领袖魅力和“文化洗脑”式的管理，已经行不通了。新一代的知识工作者，自我意识更强，对权利边界和规则公平的要求更高。 失业君小编总结认为，这不仅仅是Kakao一家的危机，更是整个韩国科技行业，乃至所有曾经以“改变世界”为口号的新经济公司的共同寓言。 当高速增长的红利期结束，当“选择权”的暴富神话破灭，企业用什么来留住最顶尖的大脑？是继续贩卖虚无缥缈的情怀，还是建立一套经得起审视、能够被量化的公平分配机制？ Kakao的罢工员工给出了他们的答案。他们用行动撕掉了那层温情脉脉的面纱，告诉资本方一个最朴素的道理：在任何一种雇佣关系里，当精神共鸣难以维系时，最基本的物质尊重和规则透明，就是最后的底线。如果你连这个也守不住，那么，再酷的公司，也终将迎来门前那刺眼的标语和沉默的抗议。 这或许是Kakao成长至今，必须经历的最昂贵、也最深刻的一堂管理课。而台下的学生，是整个韩国科技界。这出戏，才刚刚开场。 经理人热议 @人生如梦饭如初（IP沪）： 以前是‘来我们一起改变世界’，现在是‘来我们一起算算KPI’。滤镜碎了很正常，毕竟滤镜又不能当工资发。 @Shia7690（IP粤）： 一边是高管拿着天价年薪，一边是基层连绩效奖金都发得不明不白。 @RADIOfan（IP冀）： 这就是我为什么越来越不相信‘企业文化’这四个字。能经得起真金白银考验的，才是真文化。余下的，都是廉价装饰画。 @听汐哥（IP吉）： 有个评论说得好：当增长神话破灭，大家就只能坐下来分存量蛋糕了。分蛋糕的刀不透明，那就别怪掀桌子。 @beawing996（IP贵）： 哈哈，想当年多少人为了进Kakao挤破头，现在门前的标语比招聘广告还醒目。真是三十年河东，三十年河西。 @向清尔生（IPHK）： 三星员工要求加薪的成功的案例教会了其他韩企：别谈梦，谈钱。透明地谈钱。 查看评论
最近一直开会做其他项目，非常忙，现在抽吃饭时间敲一下。老实说纠结了很久，要不要写这篇文章，害怕大家听不明白，思考了两天，终于知道该怎么给大家讲这个项目，本来想叫问数机器人，想了一下不合适，于是让AI想了一下名字，于是就出来了 智能数据管家Agent 事先说明，这个Agent真的非常难，非常难，涉及非常多的细节，对技术也有一定的要求，并且目前来看不能商用，找我咨询的那家公司，也只是内部数据岗人员小部分使用，我只能是尽我所能的用大白话告诉大家一些参考的方向，并且咋说呢，各家公司有各家公司的情况，主要就是分享一下思路，告诉各位佬友，原来还能这样！ 我们先代入一个业务视角，站在业务的角度，假设现在要做一个问数机器人，也就是用自然语言出查询数据的机器人，比如你跟AI说查一下昨天的退款后GMV是多少，查一下某天的库存，AI就会相对的快速给你答案，但是事实上这用BI数据看板拖拉拽也能实现，只是提高了一点效率。业务本身更想要的是啥，我某个指标发生了异常，是什么时候发生的，导致这一情况出现的原因是啥，并且AI有没有什么建议能够给到我。就类似于说昨天的退款后GMV突然下滑了一百万，AI会自动推送给我，昨天某个产品由于价格上涨的问题，导致GMV下滑，AI建议上调价格这样。 这个Agent具体实现的功能如下 1.数据驾驶舱，能够将公司核心的指标都呈现，一眼就能知道当前公司的经营状况是怎么样的，比如会放当前的库存，当前卖了多少，目标完成度是多少 2.问数机器人，自然语言输入后AI输出数据或者Excel表格 3.数据预警，当某个指标发生重大变化是，直接查找原因，并推送到个人或群聊，并给出相对建议 来看下我是怎么去指导开发做的吧 这一切的前提在于指标体系是否完善，并不一定要求是全公司的，哪怕是某一个部门或者某个小子公司或者某个中心，都可以，这套方向指向性非常强，一定要结合业务场景去做，指标体系背后的话是必须得有数仓，主数据系统这样的系统去支撑，之前我是从0-1跟进了公司的数仓和主数据系统的搭建和开发，有一定的数据治理经验，所以我比较了解一点。 第一条蛮简单，就是把核心的指标梳理出来，比如库存货值，目标完成度，老板关心的指标都丢进去就好了，可以的话加上一个时间筛选器，BI也可以实现 第二条开始就难咯，问数机器人和数据预警，会有两个大难关，首当其冲就是数据安全问题，如果要把数据库直接丢给AI，是否安全，我们采取的方式是不管你用Codex还是用qoder或者是trae，采购企业版，签订安全协议，保证你的数据不外泄就好了。大部分公司都是这样的，没有绝对性的安全，如果一定要绝对性的安全，那市场上AI算法岗，还玩个毛线。接下来是AI会瞎编数据，懂得都懂啊，那也就是如何解决AI幻觉的问题，首先我们的做法（公司已有数仓），我们在数仓里针对销售，做一个销售大宽表，再做一个库存大宽表，一般公司这两个其实都够用了，其他要加也是一样的道理，并且把维度表跟指标清单一起，全部给AI，做好配置，数据准备好之后，再写通用性的大SQL，如果懂数据的应该能理解什么意思，就是不让AI直接写SQL，只让AI去以传参的形式，业务人员问什么指标，AI就传入什么指标，然后去执行取数操作，从数据源阶段就控制死，AI只能执行聚合汇总的操作。其次AI每次的回答要求，输出的数据必须带上查询了哪个表，哪个字段，什么时间段，过滤条件是什么，这样输出，基本上就没啥问题了，而且这个是给数据岗使用，即使有问题他们也看得出来，前期也会大量的去测试校验数据。再解决完这两个大头问题之后，就是如何把自然语言转化为数据语言，那做法大差不差了，就是做一个语义库，把自然语言翻译为数据语言，这个不用多说，感觉大家都理解逻辑。所以现在就很清晰了，我单独摘出来。 AI接收指令 结合语义库翻译为专业数据提示词 提取确认需要的维度和指标 传参执行SQL AI汇总分析等 输出数据与结论 第三步是最后一步了，如何人AI去做到数据预警并输出具体的结论，这里就不得不提到一个概念了，指标拆解，这个动作只能是业务部门自行去拆解，当时我是协调了业务部负责人一起干的。 什么叫指标拆解，我这里利用运营的思路大概说一下 退款后GMV=流量（访客数）*转化率（人群）*客单价*退款率，假设现在退款后GMV下滑严重，就要去找对应拆解出的几个数据，假设现在流量，转化率都没问题，就要考虑客单价是不是过高，是不是被竞品给狙击了；假设现在客单价，访客数也没问题的情况下，消费者仍然不买账，就要看下投流手投的流量是不是不符合公司人群，投错了。如果前几者都没问题的情况下，那就要考虑是不是退款率过高，产品本身出了问题。 大概是上面这个思路，最终AI输出的结论，一定是有迹可循的，结合公司的场景定制化输出，不让AI自己瞎编。 现在所有的东西做好了，可以理解为就是数据监控+预警+对话都可以实现的一个Agent，适用于数据分析。 我上面讲的内容是比较通用可以参考的，具体问题具体分析，还是要结合业务场景。并且这个本身就是给数据分析用，辅助，需要不断优化完善，并且如果AI出错，人工还是可以干预和介入。做这个的主要目的还是为了后续的销售预测和库存共享等算法做铺垫。这个Agent目前在公司内稳定也一段时间，后面我没再关注，如果一定要说价值吧。那我就简单的说一说。 改变了过去的一个工作方式，过去是人去被动找数据，找问题，现在讲工作流程扭转，变为数据找人，以及问题找人。改变了传统的一个工作方式吧，变成是交互式的，AI给结论，人来不断调试。我相信这样持续长久的运行下去，对整个业务部门来说，价值是非常大的，而我也坚信，市面上每一家规模起来的公司，一定会做这个，大家可以自行研究研究。并且传统的数据分析，数据开发的工作岗位，一定会在AI的冲击下做出改变。就比如说过去数据分析里常常说做一个归因分析，AI出现后，就变了，就变成是AI告诉你原因，你要去想办法去沟通去协调去解决，无法适应这个工作方式的同学，可能还会被替代优化。我并不想制造焦虑，只是说实话，那一天不远了。希望大家还是有点心理准备。 谢谢大家，这个是我的思路，目前我们还是持续在优化中。另外我有做过数仓跟主数据系统，有一定的数据治理经验，如果确实有必要想了解这方面的业务，我可以单独出几期来讲讲企业怎么做主数据治理，怎么做数仓，指标清单怎么收集这些。 最后给一张图，AI生成的，Agent工作流，希望能给到大家一点灵感，最后叠个甲，觉得不对的，当看个乐子，吃饭去了，晚上还要开会，谢谢大家，祝各位佬友生活愉快。 2 个帖子 - 2 位参与者 阅读完整话题
今早在 X 上看到不少案例：有人仅用几十到数百美元，就复现出了大型游戏公司级别的 3D 游戏效果。 我刚刚也亲自体验了一下，确实感觉相当惊艳，甚至已经足以替代绝大多数人的部分工作…… 从个人角度看，Fable 5 的使用成本可能并不低；但对公司而言，这个成本其实比较划算吧？高经验员工 + AI，然后裁掉实习生，CS 之后是否会步土木的后尘？？？佬友怎么看？ 2 个帖子 - 2 位参与者 阅读完整话题
放一些案例 每个都让人感叹 国模，你在哪 几乎都是满分答案 那问题在哪呢 这个问题和 Claude Opus 4.8测评：幽默A÷，风味4.7 开发调优 先放私有bench [image] 模型的直觉还是那样，claude的代码水平还是在线的 [image] [image] [image] 但主要扣分点就是，这个模型一次必然写不好，必须返工（不过agent会自己返工也行吧） [image] 神秘typos [image] 他是知道自己写错字了的，不用报错就知道，但还是写错 还很频繁，错字大模型来了。关键你写码写错字那不就爆了 … 中4.8的问题一样 错字 吞空格导致程序报错。而且依旧是知道自己写错了，马上去改。但在实际agent中我觉得相对致命，特别是价格翻倍了，分词器也翻倍了的情况下 实际日用Agent体验就是，太安全了，什么都给你拒绝 谁不想急头白脸一晚上吃一万个赛博安全拒绝呢。 原版mythos不仅没有这么厚的安全截断，而且也根本不存在错字问题。我的倾向是，原版mythos，mythos-5/fable-5其实是对4.6/4.8的DeepThink特化训练。以超长思考和agent换取性能。事实证明做到的，但同时也把底模的问题都带过来了 唉，A出 5 个帖子 - 5 位参与者 阅读完整话题
话不多说，直接上代码表现： 旧代码 const editorConfigured = isDesktop && (claudeEnabled || cursorEnabled); const cliNeedsAttention = !cliStatus?.installed || (cliStatus.installed && !cliStatus.version_matches); const showCliCapabilityCard = isDesktop && !cliCardDismissed && cliNeedsAttention; const cliStatusText = !cliStatus ? t("dashboard.cliCardChecking") : cliStatus.installed ? cliStatus.version_matches ? t("dashboard.cliCardInstalled", cliStatus.version || cliStatus.recommended_version) : t("dashboard.cliCardUpgrade", cliStatus.version || "?", cliStatus.recommended_version) : t("dashboard.cliCardNotInstalled"); 新代码 const editorConfigured = isDashboardEditorConfigured(isDesktop, claudeEnabled, cursorEnabled); const showCliCapabilityCard = shouldShowCliCapabilityCard(isDesktop, cliCardDismissed, cliStatus); const cliStatusText = formatDashboardText(getCliStatusText(cliStatus), t); const cliStatusBadgeTone = getCliStatusBadgeTone(cliStatus); 这个 Skill 叫：Semantic Logic Modeling Skill ，直接 Github 搜也行。用于指导编码时如何处理复杂逻辑表达、条件分支、权限、校验、规则、流程、定价、排期、UI 状态以及任何“条件到结果”的判断。 直接告诉 Codex：用 semantic-logic-modeling skill 重构这段复杂业务逻辑。 然后就可以重构任何屎山了，地址在： https://github.com/sahadev/semantic-logic-modeling-skill
这种的是不是就是骗子啊，一点击是不就号没了，我刚收到的，我给他拉黑了，我记得好像有过类似的案例吧在站里，真狗啊，这种人是骗啥的呢，幸好我有彭于晏一般的帅气和智慧！ 9 个帖子 - 6 位参与者 阅读完整话题
IT之家 6 月 8 日消息，IT之家今天（8 日）从公安部网安局获悉，为确保 2026 年普通高等学校招生全国统一考试工作安全顺利，全国公安机关坚持以最高标准、最严要求、最强措施，严查严打涉考类违法犯罪活动，全力护航高考安全平稳有序。 今天，公安部网安局还公布 10 起涉高考网络谣言典型案例。 案例 1 2026 年 6 月 7 日，广东省潮州市网民沈某宏为博取关注、吸粉引流， 使用 AI 工具生成了一张“坐在 2026 年高考考场并使用手机拍摄考场”的虚假图片 ，并配文“带都带了，那发个抖音吧”后发布，误导大量网民，并引发关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对沈某宏作出行政处罚。 案例 2 2026 年 6 月 7 日，河南省驻马店市网民吴某帅为博取关注、吸粉引流， 使用 AI 工具生成了一张虚假的“2026 年普通高等学校招生全国统一考试语文试卷”图片 ，并在互联网平台发布，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对吴某帅作出行政处罚。 案例 3 2026 年 6 月 4 日，湖南省郴州市网民李某怡为博取关注、吸粉引流， 在互联网平台编造并发布了虚假高考答案信息及教唆高考带手机舞弊的不当内容 ，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对李某怡作出行政处罚。 案例 4 2026 年 6 月 4 日， 湖南省耒阳市网民刘某涛在互联网平台谎称自己有“高考答案”出售 ，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对刘某涛作出行政处罚。 案例 5 2026 年 6 月 6 日，湖南省邵阳市网民钱某兰为博取关注、吸粉引流， 在互联网平台编造并发布了“高考压力大，又死人了”的谣言信息 ，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对钱某兰作出行政处罚。 案例 6 2026 年 6 月 3 日，山东省聊城市网民夏某硕为博取关注、吸粉引流，在互联网平台发布信息， 谎称自己“买到 2026 年高考答案” ，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对夏某硕作出行政处罚。 案例 7 2026 年 6 月 5 日，山东省菏泽市网民张某为博取关注、吸粉引流， 在互联网平台发布所谓“2026 年高考答案”的谣言信息 ，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对张某作出行政处罚。 案例 8 2026 年 6 月 4 日，山东省菏泽市网民张某轩为博取关注、吸粉引流，在互联网平台发布信息， 谎称自己有“2026 年高考答案” ，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对张某轩作出行政处罚。 案例 9 2026 年 5 月 21 日，广西壮族自治区南宁市网民曾某津为博取关注、吸粉引流，在互联网平台发布信息， 谎称自己有“2026 年高考答案” ，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对曾某津作出行政处罚。 案例 10 2026 年 4 月 12 日，河北省衡水市网民袁某为博取关注、吸粉引流，通过某短视频平台发布信息， 谎称自己有“高考试题” ，误导大量网民关注和讨论，造成不良社会影响。 目前，属地公安机关已依法对袁某作出行政处罚。 IT之家提醒：网络空间不是法外之地，编造、传播虚假信息将承担相应法律责任。高考事关教育公平和社会公正，任何人不得利用网络散布谣言、干扰考试秩序。
背景：ERP系统中给一条合同创建回款单，回款单创建完成后更新合同的已收/未收金额字段。 业务：在审批场景下，可以给一条合同创建多条审批中的回款单（审批通过后才生效），为保证系统运行速度，用户点击审批同意后，主线程会去判断合同的未收金额是否足够，足够才能继续向下执行。但是审批会涉及到复杂的节点流转业务，所以更新合同已收/未收金额操作要通过MQ异步执行，从而提高响应速度。 问题：如果用户非常快的给同一合同的两条回款单点击同意，后同意的回款单很容易在主线程拿到先同意的回款单异步逻辑执行完成前的合同已收/未收金额，从而导致合同已收金额开超。 问了AI给出的方案不太符合现有需求，欢迎各位大佬理性讨论，各抒己见。（ps：前提一定要保证使用MQ更新合同金额） 4 个帖子 - 4 位参与者 阅读完整话题
给这个Agent取了一个名字：竞品情报追踪Agent 今天给大家带来的仍然是一个行业内比较通用的营销社媒领域的Agent落地的案例，这个今年3月份的时候一个做流量投放的朋友找到我，咨询我营销领域有没有可落地的一些方案给到他，后来经过实地调研以后发现，其中隐藏着一个巨大商业价值的Agent,废话不多说，先看取得的结果 1.人工成本，过去需要6个人每日人工爬数据，手动总结，预估人工成本省40万/年 2.挖掘深度不足，过去都是人工总结，导致的就是如果不是老员工，那这个事情也就是总结了就是总结了，没有落到实处，也没有产出价值，现在周均3条吧预估保守，AI分析能给的比较靠谱的意见 3.通过对竞店动态的一个跟踪，发掘了一个过去被忽略的人群，宠物人群，针对爱宠人士开发了某个产品，卖的挺火热的，大概几十万吧，也算是很不错了 现在正式开始分享，其实还有很多价值我没写，主要是没有过多给我具体的素材，我也不敢写上去给大家造成误导 这个项目是干啥的呢，进入正题 项目背景来源于朋友的公司，设了一个团队，总共6个人，每天需要从小红书，抖音，微博这些渠道抓取竞店铺账号的数据，比如某天竞店发布了新品，某天竞店请了某个明星站台搞活动，某天计划搞大促活动等等，他们通过人工的方式去抓取，并且去看评论区的一个点赞关注和转发量去判断该帖子的热度，然后结合评论区的留言去看是否有新的需求可以挖掘，总结来说的话就是想要掌握我的竞店最近在干什么，在搞些什么东西，然后结合自己公司的情况去反推，我们能做什么，能不能也蹭一蹭流量，或者竞店如果遇到了什么质量问题，我们能不能改善。 1.数据抓取：确定平台与账号，我们首先的第一步是明确好要抓哪几个平台的数据，以及需要抓取的一个账号名称或店铺，有那么多的账号，让营销部门自行去确认好重点关注的清单，给到账号以后呢，再给到技术团队，看能不能把数据抓取到，我们采用的方式简单粗暴，直接归类为文章类，图片类，视频类，文章类直接爬虫，图片视频类如果实现不了就去录屏，后续采用OCR的方式去识别语音和视频，数据抓取方面的技术我不多说了，现在市场上也有很多skill能直接调用的，我重点讲怎么应用数据。 2.在数据抓取到以后呢，我们讲数据进行分类，重点是这几方面的 2.1新品款式管理：竞店上线了什么产品，是如何宣传的，打造了什么IP和什么明星联动了，分析这个产品我能不能去开发同类型的，或者就是记录下新品宣发的时间节点，然后跟我们的产品新品宣发的节点做对比，找出不同，AI分析给出意见 2.2价格：如果文章或者视频是类似大促或者直播预告的，那分析他们的价格调整优惠力度，需要结合公司内具体的产品考虑，是否也要降价或者有什么预警风险 2.3评论区数据抓取：这里重点去检查顾客的吐槽，比如说某个产品用一次就坏了，或者掉地上哪里容易磕到，是不是可以开发配套的包包或者防护套之类的去绑定销售，以及营销 2.4营销手段：最后这个就比较抽象了，不知道大家能不能理解，可以理解为是针对竞品的这些文章和视频拆解，拆为是比如他们的文章喜欢怎么发，视频风格是怎样的，我们有什么可以借鉴的地方，这个比较考验营销负责人的功底 2.5模板确认：这里主要是针对最后了，也比较考验公司组织流程是否完善，我个人的建议是，按照日报，周报，以及月报，制定好模板，单独的去做一个页面呈现，和AI给出的建议，供老板去参考 3.现在数据已经抓取好了，并且也分类入库到了数据库了，下面就是具体的怎么呈现咯，这里给大家一些开发思路 3.1Agent拆解：这个不可能是一个Agent就能实现的，要拆解为很多个，具体怎么拆呢，比如举个例子，抓取各个平台的数据，单独的去做一个Agent，然后针对我上面说的那几点，AI给你的结论一定是大而全的，所以你一定要继续拆开，比如价格监控的，你搞一个只读账号的数据库，然后把你历史的销售数据以及定价表，封装为一个skill，这个skill的主要作用就是用来做价格对比的，能让AI直接输出告诉你，你的某几个款可能会受到影响，或者是你某个品类可能会受到影响，这里大家下去自己想，反正就是这个意思 3.2新品洞察Agent，继续拆，针对新品的，公司内部定好好对新品的概念，是不是竞店一发布新产品，就纳到新品范畴里，或者是做时间限制，都可以，然后定义好比如业务重点关注的一些点，比如新品发布时间节点跟我们的新品上架节点，是否有冲突，以及新品上架后的竞店提供的是什么策略，我们公司的当前营销方向，是不是也需要喂给AI，然后封装为一个skill，仍然人AI去分析，给出建议，他们的新品对比我们的新品有什么差异，以及我们重点可以营销推广的方向 3.3评论区数据分析Agent，很多时候评论区的数据都是杂乱无章的需要清洗，所以需要先将抓取上来的已有数据进行清洗和定义好，什么数据是我想要的，什么数据是我不想要的，例如如果是吐槽的评论，全部保留，价格的也全部保留，这样形成一个针对性意见的skill，用来分析评论的 3.4营销策略拆解Agent，最后这个比较抽象，就是对视频跟文章的整体风格进行分析，然后只抓取爆文，然后AI给出建议，以后文章和视频我们公司可以参考。但是这里就需要定义好，什么才算是热帖，以及把一些本公司的爆文也喂给AI，让AI结合分析给出意见 4.最终的话大家可以理解为很多个Agent共同合作，形成了一个竞品情报洞察的一个系统，非常具备商业价值，但是同时非常考验公司的组织协调能力，我朋友的公司可以足足花了4个月落地的哦，并且是各个部门配合，如果小公司的话，也可以做，但是抓抓数据，人工分析分析得了 5.成本分析，最后同步大家，这个项目的成本，购买了GPT的API，大概是2300/元的一个消耗吧，具体情况看公司本身想做到什么地步，说到这里，相信大家已经有一个思路和方向了，可以结合本公司的情况考虑要不要做 我这里分享一个图片和一个demo给到大家参考吧，是用Codex参考去做的，大家参考参考哈 声明：我这个看起来有点AI，不过确实是手打的（笑哭），我这篇文章更偏向于是给大家一个思路，我也算过，像这样一个项目，数据如果抓取不了，或者想要实现稳定，对技术团队要求比较高，实在不行可以外包，大概3万块钱，之前有公司报价过。AI分析方面的话，就需要结合营销方面的知识库里，需要公司营销团队提前整理好一些相关的模板，比如AI需要重点关注什么指标之类的，另外还需要结合自身的销售情况和定价表，综合起来去干。如果真的要做，大家可以把问题敲在评论区，或者可以结合公司情况研究研究。 这个图片我只是为了说明情况结合AI去生成的，仅供参考哈 以上内容纯手敲，我也不知道该怎么描述这个项目，大家看看，能给到你一个思路是最好的，觉得不现实不靠谱的还是一样，当个乐子就好。 3 个帖子 - 3 位参与者 阅读完整话题
IT之家 6 月 5 日消息，今日，公安部网安局公布 5 起仿冒假冒网站违法犯罪典型案例。 文章称，党政机关、企事业单位官方网站是信息公开、便民服务的重要窗口，也是群众信任的权威信息来源和办事渠道。一些不法人员为谋取非法利益，通过“以假乱真”手段仿冒假冒官方网站， 从事虚假认证、制售假证、网络诈骗、窃取个人信息等各类违法犯罪活动 ，严重扰乱社会公共秩序，损害人民群众合法权益。公安机关网安部门针对仿冒假冒网站违法犯罪，始终保持高压严打态势，依法侦办查处一批非法利用信息网络搭建仿冒假冒网站违法犯罪案件。 IT之家整理案例如下： 案例一： 甘肃武威公安机关侦破赵某等人非法利用信息网络案 甘肃武威公安机关网安部门查明，赵某（男，26 岁）委托卢某（男，38 岁）设立仿冒学历学位认证类网站，为虚假学历证书提供在线查验服务牟利。2026 年 3 月，甘肃武威公安机关将赵某、卢某 2 人抓获，查明其设立、运营仿冒网站 18 个，制作仿冒学位证、毕业证等 2406 份。 案例二：河北石家庄公安机关侦破张某等人非法利用信息网络案 河北石家庄公安机关网安部门查明，张某（男，32 岁）伙同他人设立仿冒某部委人事考试网，制售虚假职业资格证书牟利。2026 年 3 月，河北石家庄公安机关将张某等 4 人抓获，查明其设立、运营仿冒网站 1 个，制作仿冒职业资格证书 256 份。 案例三：山西临汾公安机关侦破崔某非法利用信息网络案 山西临汾公安机关网安部门查明，崔某（男，33 岁）设立假冒民办教育网站，为虚假学历证书提供在线查验服务牟利。2026 年 3 月，山西临汾公安机关将崔某抓获，查明其设立、运营仿冒网站 1 个，制作仿冒学历证书 72 份。 案例四：甘肃临夏公安机关侦破袁某等人非法利用信息网络案 甘肃临夏公安机关网安部门查明，以袁某（男，45 岁）为首的犯罪团伙设立假冒教育培训网站，制售虚假学历、学位证书牟利。2026 年 3 月，甘肃临夏公安机关将袁某等 4 人抓获，查明其制作仿冒学历证书 4125 份、伪造印章 5976 枚。 案例五：福建厦门公安机关侦破陈某非法利用信息网络案 福建厦门公安机关网安部门查明，陈某（男，35 岁）在明知他人实施涉税违法行为的情况下，仍为其搭建仿冒税务机关网站。2026 年 5 月，福建厦门公安机关将陈某抓获，查明其设立、运营的仿冒网站 1 个。 以上 5 起案例涉案人员均已被公安机关依法采取刑事强制措施，案件正在进一步办理中。 据悉，设立仿冒假冒网站实施违法犯罪，涉嫌违反《中华人民共和国刑法》第二百八十七条之一规定， 构成非法利用信息网络罪 ；明知他人设立、运营仿冒假冒网站实施违法犯罪，为其提供互联网接入、服务器托管、网络存储、通讯传输等技术支持的，涉嫌违反《中华人民共和国刑法》第二百八十七条之二规定， 构成帮助信息网络犯罪活动罪 。 依据《中华人民共和国网络安全法》第四十八条、第六十八条规定，任何个人和组织应当对其使用网络的行为负责，不得设立用于实施诈骗，传授犯罪方法，制作或者销售违禁物品、管制物品等违法犯罪活动的网站、通讯群组，不得利用网络发布涉及实施诈骗，制作或者销售违禁物品、管制物品以及其他违法犯罪活动的信息。违反规定，尚不构成犯罪的，由公安机关处五日以下拘留，可以并处一万元以上十万元以下罚款；情节较重的，处五日以上十五日以下拘留，可以并处五万元以上五十万元以下罚款。关闭用于实施违法犯罪活动的网站、通讯群组。
IT之家 6 月 3 日消息，随着人工智能技术近年来的迅猛发展，一些不法分子为博取流量、吸引关注，利用 AI 工具编造虚假信息，严重破坏网络生态，扰乱社会秩序。山西网警今日集中曝光数起近期查处的利用 AI 技术制造传播网络谣言的典型案例。 为博流量虚构“工厂爆炸”场景，企业员工被依法查处 近日，大同网安部门在工作中发现，有网民在某平台发布视频称：“山西大同一车间内发生爆炸，现场只有一名工人受伤，伤者面部烧伤面积 100%”，引发网民关注。经查，涉事企业并未发生任何安全事故， 相关内容系该企业员工赵某某通过 AI 工具生成的虚假文案和虚假视频 ，在互联网平台发布后，引发网民关注，造成不良影响。目前，公安机关已依法对赵某某作出行政处罚。 AI 生成“高速车祸”谣言，编造“2 死 6 重伤”被依法查处 近日，长治网安部门在工作中发现，网民赵某在某网络平台发布题为“长治人速看！长晋高速大客车侧翻致 2 死 6 重伤，道路结冰预警生效，这些行车规则必须记牢！”的贴文，配发多张所谓“事故现场图”，引发网民转发。 经查，长晋高速未发生此类交通事故，文中所述内容纯属虚构 。赵某承认其为吸引粉丝关注，利用 AI 工具生成重大事故不实信息并发布。目前，公安机关已依法对赵某作出行政处罚。 利用 AI 伪造“演唱会现场火灾”，为博流量被依法查处 近日，晋城网安部门在工作中发现，某平台网民发布一段视频内容，视频显示为某体育场内疑似发生火灾，并配文称“太原红灯笼体育场突发火情”，该视频迅速引发网民关注与转发，造成不良社会影响。经查，网民张某某在未核实事件真实性、无任何事实依据的情况下， 利用 AI 工具擅自编造“太原红灯笼体育场突发火情”的虚假信息 。目前，公安机关已依法对张某某作出行政处罚。 AI 生成虚假文章，发布“五台县车祸”谣言被依法查处 近日，忻州网安部门在工作中发现，某平台网民发布文章《4 月 29 日突发惨烈车祸：大货车侧翻致 3 死，现场画面曝光》，文中明确提及“山西忻州五台县”， 并附有 AI 生成的事故图片 ，引发网民广泛关注。经查，五台县近期未发生此类交通事故。发布者田某某交代，其在某 APP 看到类似标题后，复制链接至 AI 写作平台生成文章并直接发布。目前，公安机关已依法对田某某作出行政处罚。 IT之家提醒：当前，利用 AI 生成虚假图文、音视频已成为网络谣言传播的新趋势。此类信息仿真度高、传播速度快、误导性强，极易引发社会恐慌。面对 AI 炮制的不实信息多存疑心，审慎甄别，不信谣不传谣。
刷到帖子： 真的是十男九痔吗？有没有佬友有痔疮恢复的真实案例？ 1 个帖子 - 1 位参与者 阅读完整话题
在公司里不好意思问，来这里偷偷问 要不要换透气的坐垫？还是要经常做一下提肛运动 22 个帖子 - 19 位参与者 阅读完整话题
分享一下自己工作中实际用到的可以用AI提效的案例 业务背景 制造业质检场景中，质检员在车间巡检时需要填写大量检验记录：工序名称、设备编号、检验数据、不合格描述等。车间环境嘈杂、手上可能还拿着各种工具，手动扣字输入效率极低，一张质检单填完要3-5分钟。 实现思路 整个链路分三段： 语音采集 → 浏览器 MediaRecorder / APP 原生录音，拿到音频文件 ASR 语音转文字 → 调用语音识别模型，将音频转为纯文本 LLM 结构化解析 → 将自然语言交给大语言模型，通过设计好的 prompt 指令，将口语化描述解析为表单字段对应的JSON结构，自动回填到表单 关键设计点： prompt 中明确列出待提取字段、类型约束和返回格式，确保 LLM 输出稳定可解析 不合格类别等下拉字段，把下拉列表直接放进 prompt，让 LLM 做模糊匹配 语音回填的字段有视觉标识（绿色边框），方便质检员确认和修正 一次语音可以描述多条不合格项，LLM 自动拆分逐条回填 实际效果 质检员按住按钮说一句"焊接工序，设备编号SB-003，检验编号JY-2024-056"，3秒内三个字段自动填好。填写效率从单项1-2分钟降到20秒以内。 开发 Prompt 下面是 uni-app 的相关提示词，大家在用的时候改成自己实际项目； 复制下面的内容，把【】替换为实际信息即可。 Prompt （点击了解更多详细信息） 参考demo 改成html，demo中是用的火山引擎 demo.txt (11.3 KB) 1 个帖子 - 1 位参与者 阅读完整话题