Levix 空间站

Komiko 是一个一站式 AI 平台，专注于为创作者提供漫画、插画和动漫作品的创作支持。该平台由 Caffelabs 团队开发，整合了多种强大的 AI 工具，旨在帮助艺术家和创作者快速高效地将创意转化为现实作品。

Komiko 的核心功能包括角色设计、漫画创作、插画生成和动画制作。在角色设计方面，平台提供了丰富的角色库，用户可以创建并使用自己的原创角色，确保角色在不同场景下的外观一致性。对于漫画创作，Komiko 提供了 AI 驱动画布，用户可以在其上自由排布漫画分格，添加对话气泡和效果，增强故事表现力。插画生成功能则支持文本生成图像、线稿自动上色、图像放大、背景移除和重新打光等多种操作，大幅节省了人工创作的时间和精力。在动画制作方面，Komiko 利用了行业领先的 AI 模型，如 Veo、Kling、Hailuo 和 Pixverse 等，能够将关键帧转化为流畅、高质量的动画，并通过补帧和视频放大工具加速专业动画制作流程。

#AI #动漫 #插画

https://komiko.app/zh-CN/

git-bug 是一个分布式、离线优先的缺陷跟踪工具，它将问题、评论等嵌入到 Git 仓库中，以对象形式存储，而非文件形式。这种设计使得用户能够通过 Git 的推送和拉取操作来同步问题跟踪数据。git-bug 的核心优势在于其与 Git 的深度集成，借助 Git 的分布式架构，用户可以在离线状态下创建、编辑和管理问题，之后再无缝同步到远程仓库中。此外，它还支持与 GitHub、GitLab 等平台通过第三方桥接进行同步，用户可以通过命令行界面（CLI）、终端用户界面（TUI）或网页界面与 git-bug 交互，灵活选择适合自己的使用方式。

#Tools #Git

https://github.com/git-bug/git-bug

OpenAI 团队发布了 Codex，一个基于云端的软件工程代理工具，能够并行处理多项任务，由 codex-1 提供支持。Codex 针对软件工程进行了优化，通过强化学习在多种真实编码任务环境中进行训练，能够生成符合人类风格和代码审查偏好的代码，精确遵循指令，并且可以持续运行测试直到通过。目前，Codex 已向 ChatGPT Pro、Enterprise 和 Team 用户开放，未来也将支持 Plus 和 Edu 用户。

用户可以通过 ChatGPT 的侧边栏访问 Codex，为其分配新的编码任务，例如编写功能代码、回答代码库相关问题、修复漏洞以及提出待审查的拉取请求等。每个任务都在独立的隔离环境中运行，预加载了用户的代码库。Codex 可以读取和编辑文件，运行包括测试框架、代码检查工具和类型检查器在内的各种命令。任务完成时间通常在 1 到 30 分钟之间，具体取决于任务的复杂性，用户可以实时监控 Codex 的进度。

Codex 的安全性设计至关重要。它以研究预览的形式发布，遵循 OpenAI 的迭代部署策略。在设计时，团队优先考虑了安全性和透明性，使用户能够验证其输出结果。用户可以通过引用、终端日志和测试结果来检查 Codex 的工作内容。当 Codex 遇到不确定的情况或测试失败时，会明确告知用户这些问题，以便用户做出明智的决策。不过，用户仍需手动审查并验证所有由代理生成的代码，然后才能进行集成和执行。

在训练 codex-1 时，团队的主要目标是使其输出与人类的编码偏好和标准保持一致。与 OpenAI o3 相比，codex-1 能够更一致地生成更干净的补丁，这些补丁已准备好可立即进行人类审查，并且能够无缝集成到标准工作流程中。

Codex 的推出为软件开发带来了新的可能性。OpenAI 团队通过内部测试和与外部合作伙伴的协作，探索了 Codex 在不同代码库、开发流程和团队中的表现。Codex 能够帮助开发者更快地实现雄心勃勃的想法，加速功能开发、调试问题、编写和执行测试以及重构大型代码库。它还可以让工程师在后台运行复杂的任务，从而保持专注并加快迭代速度。

此外，OpenAI 团队还发布了 Codex CLI 的更新版本，这是一个轻量级的开源编码代理，可在终端中运行。它将类似 o3 和 o4-mini 的模型的强大功能引入本地工作流程，使开发者能够更快地完成任务。新版本的 codex-1 是为 Codex CLI 特别设计的 o4-mini，支持更快的工作流程，并且在指令遵循和风格方面保持了相同的优势。

Codex 目前处于研究预览阶段，仍有一些限制，例如缺乏前端工作所需的图像输入功能，以及无法在工作时进行课程纠正。不过，随着模型能力的提升，预计 Codex 将能够处理更复杂的任务，并且与开发者的交互将越来越类似于与同事的异步协作。

未来，OpenAI 团队计划引入更具互动性和灵活性的代理工作流程。开发者将能够在任务执行中途提供指导，与代理合作制定实现策略，并接收主动的进度更新。团队还计划将 Codex 与开发者日常使用的工具进行更深入的集成，例如从 Codex CLI、ChatGPT Desktop 或问题跟踪器和 CI 系统中分配任务。

#OpenAI #Codex #AI

https://openai.com/index/introducing-codex/

Coinbase 称黑客贿赂员工窃取客户数据并索要 2000 万美元赎金

根据 CNBC 的报道，加密货币交易平台 Coinbase 遭遇了一起严重的网络攻击事件。攻击者通过贿赂海外客服人员，获取了部分客户数据，并以此向 Coinbase 索要 2000 万美元的赎金。Coinbase 在 5 月 11 日收到了一封勒索邮件，邮件中声称攻击者已经获取了部分 Coinbase 客户账户信息以及其他内部文件，包括与客户服务和账户管理系统相关的资料。

Coinbase 在向美国证券交易委员会提交的文件中披露了这一事件，并表示此次数据泄露可能涉及的修复成本高达 4 亿美元。尽管如此，Coinbase 强调，此次泄露并未涉及用户的密码、私钥或资金，受影响的数据主要包括客户姓名、地址、电话号码、电子邮件、部分银行账户号码、政府身份识别图像以及账户余额等敏感信息。Coinbase 在其博客中提到，攻击者招募了一群海外客服人员，利用其对客户支持系统的访问权限，窃取了部分客户账户数据，以便实施社会工程学攻击。

Coinbase 在发现这一安全漏洞后，立即解雇了涉事员工，并向可能受到影响的客户发出警告，同时增强了欺诈监控保护措施。此外，Coinbase 表示不会支付赎金，而是设立了 2000 万美元的奖励基金，用于提供有助于逮捕和定罪此次攻击者的线索。

Coinbase 是美国最大的加密货币交易平台，近期刚刚宣布收购加密衍生品交易所 Deribit，并即将进入标普 500 指数。尽管面临此次安全挑战，Coinbase 的首席执行官 Brian Armstrong 仍表示，公司有志在未来五到十年内成为全球领先的金融服务应用。

#币圈 #安全

https://www.cnbc.com/2025/05/15/coinbase-says-hackers-bribed-staff-to-steal-customer-data-and-are-demanding-20-million-ransom.html

Material 3 Expressive，更好、更简单、更情感化的用户体验

Google Design 团队详细介绍了 Material 3 Expressive 设计系统的研发过程与核心理念。Material 3 Expressive 是 Google 设计系统有史以来经过最深入研究的更新版本，其设计理念源于对用户情感驱动体验的探索。

2022 年，Google 的研究实习生在研究用户对 Google 应用中 Material Design 的情感反馈时，引发了团队对应用界面同质化与缺乏情感表达的讨论。随后，团队通过三年的研究与设计迭代，开展了 46 项独立研究，涉及超过 18000 名全球参与者，测试了数百种设计方案，最终形成了 Material 3 Expressive 设计原则。这些原则基于坚实的用户研究，并遵循长期的可用性最佳实践，旨在帮助设计师打造出既美观又高度可用的产品。

Material 3 Expressive 的核心在于情感化设计，它通过色彩、形状、大小、运动和布局等设计元素激发用户情感，同时帮助用户实现目标。研究表明，情感化设计受到各年龄段用户的强烈偏好，尤其是在 18 至 24 岁的用户群体中，偏好度高达 87%。这些用户认为情感化设计在“视觉吸引力”和“使用意愿”方面表现突出。

在研究过程中，团队采用了多种方法，包括眼动追踪、调查与焦点小组、实验以及可用性测试。例如，在测试进度指示器时，团队评估了哪些设计能让等待时间感觉更短，同时又符合高端手机的设计风格；在研究按钮大小时，团队寻求在提高点击速度与避免界面元素相互干扰之间找到平衡。此外，团队还对新的浮动工具栏进行了多项研究，优化其现代、简洁、充满活力且易于使用的设计。

情感化设计不仅提升了产品的视觉吸引力，还显著提升了品牌的现代感与相关性。研究表明，采用 Material 3 Expressive 设计的产品在“亚文化感知”方面提升了 32%，在“现代性”方面提升了 34%，在“叛逆性”方面提升了 30%。这些数据表明，情感化设计能够让品牌显得更前沿、更创新，并且敢于突破传统。

更重要的是，情感化设计在提升用户体验方面发挥了关键作用。通过眼动追踪实验，参与者在使用 Material 3 Expressive 设计的应用时，能够更快地注意到关键 UI 元素，速度比传统设计快了四倍。例如，在电子邮件应用中，新的“发送”按钮更大、位置更靠下且使用了辅助色，使得用户能够更快地找到并点击该按钮。此外，情感化设计还缩小了不同年龄段用户之间的视觉定位时间差距，使 45 岁以上的用户能够与年轻用户一样快速地找到关键交互元素。

尽管情感化设计带来了诸多好处，但它并非适用于所有场景。例如，在某些需要遵循传统 UI 模式的应用中，过度的情感化设计可能会导致可用性下降。因此，设计师在应用情感化设计时需要考虑上下文，尊重已有的设计模式和标准。

为了帮助设计师更好地应用 Material 3 Expressive 设计，Google Design 团队提供了一系列建议：首先，鼓励设计师尝试新的设计选项，如更新后的 Figma Material 3 设计工具包；其次，建议设计师结合用户的核心旅程，灵活运用情感化设计策略；此外，强调从用户需求出发，优先考虑功能性和遵循无障碍标准；最后，建议通过持续的研究和迭代，找到新鲜感与熟悉度、趣味性与专业性之间的平衡。

#Google #设计 #Material

https://design.google/library/expressive-material-design-google-research

Levix 空间站 Weekly #9

#周报

https://levix.notion.site/Levix-Weekly-9-1f7383a7128480ee835ededb75524746?pvs=74

关于 GitHub Copilot 的三种模式——Ask 模式、Edit 模式和 Agent 模式的介绍。

Ask 模式 是三种模式中最简单的一种，适合快速获取编程问题的答案。开发者可以高亮代码并输入问题，Copilot 会生成回答，解释代码功能、提供建议或给出代码片段，但不会修改代码。这种模式适合需要快速解决疑问、获取灵感或学习新知识的场景，比如查询如何使用某个库或优化 SQL 查询。

Edit 模式 则更进一步，允许开发者通过自然语言描述对项目中的文件进行修改。开发者可以高亮代码块并输入指令，如“添加错误处理”或“使用 async/await 重构”，Copilot 会根据指令生成代码修改建议，但不会自动保存，需要开发者确认。这种模式适合对现有代码进行精确修改、重构或优化，同时保留开发者的控制权。此外，开发者还可以通过自定义指令来指导 Copilot 的修改风格和偏好，使其更符合团队的编码规范。

Agent 模式 是最强大的一种，它可以根据开发者提供的高级指令自主规划任务步骤，选择文件、运行工具或终端命令，并自动迭代代码修改。这种模式适合需要进行大规模代码修改、构建新功能或修复复杂问题的场景。Agent 模式能够分析整个项目，识别并应用相关变更，保持代码一致性。它还可以通过自定义指令来遵循项目的特定规则和风格，从而提高任务的准确性和效率。不过，Agent 模式可能会让一些开发者感到需要放弃一定的控制权，因为它会自动应用更改，而不是等待明确的批准。

对于资深开发者而言，Agent 模式并非总是最佳选择。在处理需要精细操作的代码时，Ask 模式或 Edit 模式可能更为合适。资深开发者可以通过清晰的指令和自定义规则来引导 Agent 模式，使其更好地服务于复杂的项目。自定义指令可以帮助 Copilot 理解项目的结构、设计原则和代码风格，从而提供更精准的建议和修改。

建议开发者尝试不同的模式，根据具体任务选择合适的工具。Ask 模式适合快速获取答案，Edit 模式适合精确修改，而 Agent 模式则适合需要自主执行任务的场景。无论选择哪种模式，开发者都应该仔细检查代码更改，确保其符合预期。

#Github #Copilot #AI #Agents

https://github.blog/ai-and-ml/github-copilot/copilot-ask-edit-and-agent-modes-what-they-do-and-when-to-use-them/

GitHub Issues 搜索功能的重大更新，支持嵌套查询和布尔运算符。这一功能的实现面临诸多挑战，包括确保与现有搜索的向后兼容性、在高查询量下维持性能以及为嵌套搜索打造用户友好体验。

Github 团队阐述了新搜索功能的工作原理。GitHub Issues 搜索现在支持在所有字段中使用逻辑 AND/OR 运算符，并且能够嵌套查询项。例如，`is:issue state:open author:rileybroughten (type:Bug OR type:Epic)` 可以找到所有处于开放状态、由 rileybroughten 创建且类型为 bug 或 epic 的问题。为了实现这一功能，GitHub 团队重写了 IssuesQuery 搜索模块，替换成新的 ConditionalIssuesQuery 模块，以支持嵌套查询并兼容现有查询格式。

从技术架构和实现角度来看，搜索过程分为三个阶段：解析（Parse）、查询（Query）和规范化（Normalize）。在解析阶段，用户输入的搜索字符串被解析成一个更易于处理的中间结构，如列表或树。新版本中，GitHub 团队使用了抽象语法树（AST）来处理嵌套查询，并通过 parslet 解析库定义了支持新旧查询语法的语法规则。在查询阶段，中间结构被转换为 Elasticsearch 能够理解的查询文档，并执行查询以获取结果。新版本通过递归遍历 AST 来构建等效的 Elasticsearch 查询文档，利用 Elasticsearch 的布尔查询功能实现 AND、OR 和 NOT 运算符。

在实施过程中，GitHub 团队考虑了多个关键因素。首先，确保向后兼容性至关重要，因为许多用户会保存、共享搜索链接或在文档中引用搜索结果。为此，团队进行了广泛的测试，包括单元测试和集成测试，并在生产环境中通过暗启动（dark-shipping）的方式验证新系统的正确性。其次，防止性能下降也是关键。团队通过运行新旧系统查询的对比测试，确保复杂嵌套查询不会导致性能下降。此外，为了保持用户体验，团队限制了查询的嵌套层级为五层，并在用户界面中提供了直观的提示和自动完成功能。

GitHub 团队还采取了逐步推广的策略，最初仅在 GraphQL API 和仓库的 Issues 选项卡中集成新系统，随后根据反馈逐步扩展到其他功能区域。通过内部测试和与可信合作伙伴的合作，团队收集了用户反馈并优化了功能。

#Github #Issue #新特性

https://github.blog/developer-skills/application-development/github-issues-search-now-supports-nested-queries-and-boolean-operators-heres-how-we-rebuilt-it/

正确编写文档：开发人员指南

文档编写对于项目开发至关重要，良好的文档能够提升团队协作效率、加速新成员入职流程以及促进项目的广泛采用。

清晰一致的文档能够确保团队成员以及外部利益相关者保持在同一认知水平，同时帮助团队成员独立解决问题，减少核心贡献者回答问题的时间和精力。此外，良好的文档能够帮助新团队成员快速上手，通过提供入门方式、解释核心概念以及包含教程风格的内容，使新成员能够迅速熟悉项目。项目的易用性越高，其被采用的可能性也就越大。

文档编写的三个关键原则：

使用简单易懂的语言，避免使用可能不被目标受众理解的缩写或技术术语；

保持简洁，只记录必要的信息，避免覆盖所有可能的边缘情况，专注于帮助大多数读者快速开始、理解核心概念和使用项目；

保持结构化，合理安排文档结构，例如将最重要的信息放在前面，使用标题和目录帮助读者快速定位信息，使用文本高亮和格式化元素（如项目符号列表）帮助读者扫描内容，并保持一致的样式。

在组织文档方面推荐了 Diátaxis 框架，这是一种系统化的方法，将项目相关的所有文档按照其目的分为四个类别：教程（学习导向的文档）、操作指南（针对特定任务的目标导向说明）、解释（提供对项目的理解）和 参考（技术规格和信息）。这种分类方式有助于用户快速找到适合自己需求的资源，无论是学习新概念、解决具体问题、理解底层原理还是查找技术细节。此外，该框架还可以帮助识别项目文档中可能缺失的部分，例如是否缺少工具的参考文档、是否提供了足够的入门教程或常见任务的操作指南。

#文档 #实践

https://github.blog/developer-skills/documentation-done-right-a-developers-guide/

Shawn K 分享了自己作为一名软件工程师在过去一年中因人工智能（AI）的发展而失业的经历。他详细描述了自己在失业后面临的种种困境，包括求职过程中的艰难、经济压力以及对未来职业发展的迷茫。

Shawn K 曾是一名拥有 21 年经验的软件工程师，年薪约 150,000 美元，但随着 AI 的兴起，他所在的公司开始裁员，他也在其中。尽管他努力学习最新的 AI 技术，每天花费 2 到 5 小时关注 AI 新闻、论文和播客，并尝试使用各种 AI 工具，但这些努力并未帮助他重新找到工作。在过去一年中，他申请了超过 800 个职位，但几乎没有任何回应。他怀疑自己的简历可能因为没有足够多的 AI 相关术语而被 AI 筛选系统过滤掉。

在求职过程中，Shawn K 面临了诸多挑战。他参加了近 10 家公司的面试，甚至进入了第四轮面试，但最终都没有获得工作机会。他发现，面试过程中不仅需要面对 AI 技术的高要求，还要面对年轻面试官的偏见，例如因为他的年龄（42 岁）或过去的技术背景（如 PHP 开发）而被轻视。尽管他具备相关 AI 技能，但仍被拒之门外。

为了应对失业，Shawn K 尝试了多种方法。他开始在 Substack 上写作、在 YouTube 上发布视频，分享自己对 AI 的见解和学习经验，但这些努力并未带来工作机会。他甚至考虑降低求职标准，申请一些低薪职位，但仍然没有成功。他还尝试了其他职业转型，如考虑成为起重机操作员、无人机测绘员或 CDL 司机，但这些职业都需要数千美元的培训和证书费用，而他没有这些资金。

经济压力下，Shawn K 不得不采取多种方式维持生计。他尝试通过出租自己的房屋和小屋来获取收入，但由于各种原因，这些收入并不稳定。他还尝试通过 eBay 出售闲置物品，以及从事 DoorDash 等外卖配送服务，但这些收入仍然无法满足他的基本生活需求。他甚至考虑过创业，如开设农场摊位，但由于缺乏启动资金，这些计划也未能实现。

在失业期间，Shawn K 还尝试申请失业救济，但纽约州的失业救济系统效率低下且官僚主义严重，他每月仅获得不到 2,000 美元的救济金，这远不足以维持他的生活。当失业救济结束时，他没有收到任何进一步的建议或资源支持。

Shawn K 的经历反映了 AI 对就业市场的深远影响。他认为，AI 带来的“大置换”已经开始，而且这种影响不仅局限于知识工作者，未来还将波及更多行业。他呼吁社会重新思考工作和经济的角色，质疑为什么人们必须通过劳动换取生存的权利。他指出，AI 创造的价值应该被更公平地分配给所有人，而不是让少数人受益。他以自己为例，展示了在 AI 时代，即使是经验丰富的专业人士也可能面临失业和经济困境，而社会需要为这种变化做好准备，提出切实可行的解决方案。

#AI #思考 #工作

https://shawnfromportland.substack.com/p/the-great-displacement-is-already

ufo 是一个由 unjs 团队开发的 npm 包，提供了一系列用于处理 URL 的工具函数，旨在简化前端和后端开发中常见的 URL 操作任务。

#Tools

https://github.com/unjs/ufo

Marker，一款能够快速且高精度地将 PDF 文件转换为 Markdown、JSON 和 HTML 格式的工具。它支持多种文件格式，包括 PDF、图像、PPTX、DOCX、XLSX、HTML 和 EPUB，并且可以处理所有语言的文档。marker 能够格式化表格、表单、公式、内联数学表达式、链接、参考文献和代码块，同时提取并保存图像，去除页眉、页脚等多余元素，并且可以通过自定义格式和逻辑进行扩展。

#Tools #PDF #Markdown #AI

https://github.com/VikParuchuri/marker

awesome-ai-system-prompts

顶级 AI 工具系统提示集，是 AI Agents 构建者和提示工程师的完美选择，涵盖了包括 ChatGPT、Claude、Perplexity、Manus、Claude-Code、Loveable、v0、Grok、same new、windsurf、notion 和 MetaAI 等在内的多种 AI 工具，提供了丰富的系统提示词示例和最佳实践指南。

#AI #Prompt

https://github.com/dontriskit/awesome-ai-system-prompts

OpenAI 企业级 AI 报告

该报告由 OpenAI 发布，旨在分享领先企业在采用和部署人工智能 (AI) 过程中的经验教训，并阐述 AI 如何为企业带来显著价值。报告认为，AI 正在从三个主要方面推动企业进步：提升员工绩效、自动化常规运营以及赋能产品创新。

AI 赋能企业的三大前沿：

1. 提升员工绩效：AI 帮助员工在更短的时间内交付更高质量的工作成果。

2. 自动化常规运营：AI 将员工从重复性任务中解放出来，使其能够专注于更具附加值的工作。

3. 驱动产品创新：AI 通过提供更相关、更灵敏的客户体验来增强产品力。

报告强调，成功利用 AI 的企业通常将其视为一种新的工作范式，秉持实验精神和迭代方法，从而更快地实现价值并获得用户与利益相关者的认可。OpenAI 自身也采用迭代部署的策略，通过快速学习客户用例来加速产品改进和安全提升。

企业成功采纳 AI 的七大经验：

报告通过七个关键经验，并结合 Morgan Stanley、Indeed、Klarna、Lowe's、BBVA 和 Mercado Libre 等公司的实际案例，为企业部署 AI 提供了实践指导：

1. 从评估 (Evals) 开始：企业应建立系统性的评估流程，衡量 AI 模型在特定用例中的表现，确保质量和安全。例如，Morgan Stanley 通过严格评估，成功地将 AI 应用于财务顾问工作，大幅提升了效率和客户服务水平。

2. 将 AI 嵌入产品：将 AI 直接整合到产品中，可以创造全新的客户体验和更具相关性的互动。Indeed 利用 GPT-4o mini 优化职位匹配和推荐解释，显著提升了求职申请率和匹配成功率。

3. 尽早启动并持续投入：AI 的价值会随着时间的推移和经验的积累而复合增长。Klarna 早期投资并广泛推广 AI 客服助手，不仅大幅提升了客服效率和客户满意度，还预计带来数千万美元的利润增长。

4. 定制和微调模型：根据企业的特定数据和需求定制或微调 AI 模型，能够显著提升应用价值。Lowe's 通过微调 OpenAI 模型，使其电商平台的产品搜索准确性和相关性得到大幅改善。

5. 将 AI 交给领域专家：最了解业务流程和痛点的员工往往最能有效地利用 AI 解决问题。BBVA 将 ChatGPT Enterprise 推广给全球员工，赋能各部门专家自行创建了数千个定制化 GPT 应用，显著提升了工作效率。

6. 为开发者扫清障碍：开发者资源常常是企业创新的瓶颈。Mercado Libre 构建了基于 GPT-4o 的 AI 开发平台 Verdi，帮助其庞大的开发团队统一并加速 AI 应用的构建和部署，从而在库存管理、欺诈检测、产品描述定制化等多个方面取得了显著成效。

7. 设立大胆的自动化目标：许多流程中都存在大量适合自动化的重复性工作。企业应设定积极的自动化目标。OpenAI 自身也通过构建内部自动化平台，优化支持团队的工作流程，每月处理数十万个任务，使员工能专注于更高价值的工作。

结论与展望：

企业成功部署 AI 的关键在于开放的实验心态、严格的评估机制、完善的安全保障以及持续的迭代学习。成功的企业往往从高回报、低投入的用例入手，在实践中学习，然后将经验推广到新的领域。未来，企业将越来越多地集成 AI 工作流以自动化更复杂的流程，并利用 AI 代理 (Agent) 等工具来完成任务。

安全与隐私：

OpenAI 对企业客户数据安全和隐私的承诺，包括用户数据所有权、企业级合规性、精细的访问控制以及灵活的数据保留策略。

#AI #报告 #OpenAI

https://readwise-assets.s3.amazonaws.com/media/wisereads/articles/ai-in-the-enterprise/ai-in-the-enterprise.pdf

Clayton Ramsey 探讨了当前学生和创作者过度依赖大型语言模型（如 ChatGPT）进行写作的现象，并呼吁人们回归原创思考和表达。语言模型生成的内容通常冗长、缺乏深度且缺乏个性，学生在作业中使用此类内容时，往往只是简单地复制粘贴，缺乏对主题的深入理解和思考。Ramsey 认为，这种依赖语言模型的行为不仅在学术上不可取，也削弱了写作的真正价值——传达个人的原创思想。

Ramsey 分析了人们使用语言模型的原因，包括认为任务不重要、认为模型生成的内容优于自身创作，以及出于商业或利益驱动的“有利益关联”的写作。写作的核心在于表达个人的独特想法和经历，而语言模型无法提供这种真实性和深度。他通过一个实验，将文章的开头输入到 Google Gemini 中，让模型完成后续内容，结果发现生成的文本虽然冗长，但缺乏实质内容和个性，仅仅是重复了原始提示的内容。

Ramsey 认为即使是出于效率或提升写作质量的目的，语言模型的使用也往往适得其反。它不仅无法提升写作质量，反而会掩盖作者的原始意图，甚至在编程领域，过度依赖语言模型生成代码会导致代码缺乏理论基础，从而产生安全性和实用性问题。他呼吁人们珍惜自己的原创思想，因为这些思想比任何语言模型的输出都更具价值和意义。

#AI #思考

https://claytonwramsey.com/blog/prompt/

Windsurf 团队发布了 Windsurf Wave 8 的团队与企业功能更新。此次更新是 Waves 系列的第八次发布，与以往不同的是，Wave 8 的功能将在一周内分阶段推出，每天聚焦一个不同主题，第一天的主题是团队与企业功能。

更新的核心是满足企业级开发团队的需求，解决他们在代码审查、知识管理、应用部署和数据分析等方面的痛点。Windsurf 团队强调，企业开发者面临的是更大规模的代码库和更复杂的任务，因此针对这些场景的功能优化能够为企业带来更大的价值。

Windsurf Reviews 是此次更新的一个重点功能，它是一个 GitHub 应用程序，能够根据代码审查指南自动审查拉取请求（PR），并编辑标题和描述。管理员可以在 Windsurf 设置页面连接 GitHub 实例，并启用 PR 审查和描述编辑功能。开发者在创建 PR 时，只需在描述或标题中添加 /windsurf ，Windsurf Reviews 就会自动生成描述。对于审查者，当 PR 标记为可审查状态时，Reviews 会自动触发，也可以通过评论 /windsurf-review 来手动触发。该功能目前处于免费的测试阶段，但存在一些限制，例如每月最多 500 次审查，以及对代码差异大小的限制（约 350k 总字符，最多 30 个文件）。

Knowledge Base 功能是对 Windsurf 上下文感知引擎的升级，现在可以读取 Google Docs 中的内容。管理员可以在设置页面连接 Google Drive，并添加文档。这些文档可以通过 Cascade 自动使用，或者通过显式提及 @knowledge 来使用。管理员还可以为文件添加额外的描述，帮助 Cascade 判断何时检索该文件。该功能目前也处于测试阶段，允许链接最多 50 个文档。

Conversation Sharing 功能旨在解决企业内部对 AI 编码助手的采用问题。开发者可以点击 Cascade 对话框右上角的 “Share Conversation”，生成一个团队内部的链接，其他团队成员可以通过该链接查看整个对话内容。此功能需要管理员手动启用，并且由于数据保留问题，目前不支持 Hybrid 客户。

Teams Deploys 功能允许团队管理员指定一个组织的 Netlify 账户，使得任何 Windsurf 用户的部署可以直接发送到该组织的 Netlify 账户，而无需先部署到 Windsurf 的服务器再进行申领。这使得内部应用的部署更加便捷，也适用于产品经理快速共享原型。

Updated Admin Analytics 是对管理员分析仪表盘的全面更新，提供了更多视图和切片，增加了围绕 Cascade 使用情况的指标。管理员可以通过新的分析页面更好地了解团队对 Windsurf 的使用情况，从而为内部的投资回报率（ROI）证明提供支持。

此外，Windsurf 还推出了 Self-serve Teams Access Controls 和 Self-serve Enterprise Tier。Teams 客户现在可以支付 10 美元 / 用户 / 月的附加费用来获取高级访问控制功能，包括单点登录（SSO）、基于规则的访问控制和子团队分析。Enterprise Tier 则提供了所有访问控制功能、分析 API 和更便宜的每信用额度价格，企业客户现在可以自行购买，而无需与 Windsurf 团队沟通。

#Windsurf #AI #IDE

https://windsurf.com/blog/windsurf-wave-8-teams-and-enterprise

Cursor 团队于 2025 年 5 月 10 日发布了版本 0.50 的更新日志，此次更新涵盖了多个重要功能和改进。首先，团队推出了简化统一的定价模型，将所有模型的使用统一为基于请求的定价，Max Mode 现在采用基于 token 的定价方式，同时移除了 Premium tool calls 和长上下文模式，以简化用户使用体验。用户可以在 定价页面查看不同计划的详细信息，所有使用情况也可以在 仪表盘中进行跟踪和管理。

在功能方面，Max Mode 现在支持所有顶级模型，用户可以通过模型选择器启用该模式，新模型推出时也将直接支持 Max Mode。此外，团队训练了新的 Tab 模型，能够跨多个文件提供建议，尤其在重构、多文件更改以及跳转相关代码方面表现出色，同时为完成建议增加了语法高亮功能。

Background Agent 功能进入早期预览阶段，允许用户在后台运行多个代理，以便并行处理更大规模的任务。代理在远程环境中运行，用户可以随时查看状态、发送后续指令或接管任务。团队还引入了 @folders 功能，用户可以将整个代码库纳入上下文，只需在设置中启用 “Full folder contents” 即可。

Inline Edit（Cmd/Ctrl+K）进行了界面刷新并增加了新选项，包括全文件编辑（⌘⇧⏎）和发送至代理（⌘L）。对于长文件的编辑，Agent 新增了搜索和替换工具，能够更高效地定位并修改代码，而不是读取整个文件，这在处理大型文件时效率显著提升。

此外，用户现在可以创建多根工作区，以便在同一个空间中处理多个代码库，所有代码库都将被索引并可供 Cursor 使用。聊天功能也得到了增强，用户可以将聊天内容导出为 Markdown 格式，同时支持聊天内容的复制。团队还对 Agent 的终端仿真进行了改进，现在使用原生终端仿真代替模拟终端，并增加了上下文状态图标，以告知用户文件是否被包含或压缩。

其他改进包括支持在 MCP 设置中禁用个别 MCP 工具、新增 C# 扩展、允许在设置中调整聊天字体大小以及提供更详细的内置更新日志。此外，团队移除了 Claude 3 Opus 的每日 10 次免费请求。

#Cursor #AI #IDE

https://www.cursor.com/en/changelog/0-50

ChatGPT 现在可以将 GitHub 仓库连接到 Deep research。

提出问题后， Deep research 代理将阅读并搜索代码库的源代码和 PR，并返回包含引用的详细报告。

#AI #ChatGPT

https://x.com/OpenAIDevs/status/1920556386083102844

Aberdeen 用于快速构建高性能的声明式用户界面，且无需使用虚拟 DOM。该库的核心思想是通过许多小型匿名函数来生成 DOM 元素，并在底层的 代理数据 发生变化时自动重新运行这些函数。这些代理数据可以是简单的值，也可以是复杂、类型化且深度嵌套的数据结构。

import { $, proxy, ref } from 'aberdeen';

const state = proxy({ count: 0 });

$('div', () => {
$('p', () => `Count: ${state.count}`);
$('button', { click: () => state.count++ }, () => 'Increment');
});

#响应式 #Tools

https://github.com/vanviegen/aberdeen

Levix 空间站 Weekly #8

#周报

https://levix.notion.site/Levix-Weekly-8-1f0383a7128480789034e8da2c6f9365