flyway是写sql还是可视化

跨境狗的路子有多野？看看这个，直接绕开跨境平台，直接生成商品链接，通过社交软件收款，再也没有平台条条框框束缚， 前后端打通之后瞬间无敌。我们打开弗莱维官网，点击立即注册这里用手机号注册就可以输入验证码，密码，账户认证，可以选企业，也可以选个人，我选的是个人，然后按照提示上传身份证正反面，注意下面弹 出的身份信息，核对没问题后地址输入小写拼音就可以扫码座下人脸验证，自动跳转。销售国家我选择欧美绕主营商品分类，随意勾选就可以多选几种不同的百货类型，点提交绑定店铺可以暂不添加，然后就 就认证成功了。点击 flag logo， 我们来到主界面，可以看到 flag 左侧跨境收付款列表， flag link 商品链接收款功能就藏在左侧最下面，点进去就跟我们正常做产品一样。点击创建商品标题，也就是商品名，产品分类展示图，产品描述多 sku， 还可以添加不同商品规格。 你试着做一个商品，三分钟学会，特别傻瓜，然后把商品链接发给你的粉丝。最牛逼的来了，这个链接支持六十多种支付方式，七十多个交易币种，涵盖二百多个国家和地区。付款之后呢，在 flywi 直接提现，没有延迟。 有的卖家说，如果我不上传商品，可以收款吗？卖虚拟服务的卖家或者外贸合同的结算，只需在全球快捷收款这里创建一个收款链接发给对方就可以了。狗老板怕封店的就这么搞，这都不需要店铺了，怎么封？咱们只需要在亚马逊、 ae 这些平台上展示圈来粉丝通过商品链接购买的会员价打八 八折，瞬间完美闭环，一个链接全球开卖， fly link 实现了思域老板们的心声，除了这么牛逼的收款功能，他们还有一个全球的付款能力，以及支持全球主流货币的汇兑功能。 这就是为什么跨境老油条喜欢用弗莱威了。玩思域的卖家懂得都懂！下期八月八，跨境思域加 ai 内容矩阵营销，引流到好友列表。

好，什么叫抽象语法书呢？你做了这个语法，什么叫语法书呢？我们现在来看。我们现在用什么来看呢？用这个， 用最新的吧，对吧？既然这个刘宇虚，是吧给了我们这样一个最近都搞搞了这么一个轰轰烈烈的公司，我们来看一看，紧跟时势啊，来看一下 o 叉 c， 它去转换的时候，它的这个性能，比如说体现在什么这个 语法分析上面，或者是独有的这个 est 上面，看它是怎么来实现的，我们通过这段代码大家就可以看到，当然这个还比较复杂，我甚至呢可以把它简化一下，简化成什么呢？ const a， 等于一来，同学们看一下我右边，这就是一个 est， 因为我们在这个里面能够找到左边的内容的影子，同学们看到了吗？这里有一个 program， program 就是 整个程序，程序中间有一个 body， body 就 表示的是程序 t， 程序体中间有一个 variable declaration， variable declaration 呢？是变量声明，变量声明从哪里到哪里是声明，你看从零到十一是声明，那不就是这一句吗？这一句里面 declarations 里面又有对应的，比如说它的声明的修饰符是什么？叫 variable decorator 是 什么呢？ const， 这 kind 啊， kind， const， 这是 const， 那 如果我把它变成了 var， 如果我把它变成了 let， 这个 kind 就 变成了 let。 好，我用白色的吧，大家看得显眼一点。好，我怕大家看不清，就是。 net， 那 我这个呢？变成 e， 我 们会发现这个 identifier 就是 我这个变量的名称。 identify， 身份标识嘛？ id 嘛，比如说 id card 身份证， id card， id card identify 好， 它同样也说有从哪儿到哪儿，你看为什么编辑器 a s t。 这些学完之后，你对于 这个编辑器都有一定的深入的认识，为什么呢？因为它每个字母和字母 start， end， start， end， 这不就是你这个编辑器中间写的这些内容，它从哪里开头，到哪里结束，它整个字母有多长啊？不叫整整句啊，这整一句代码有多长，都是由它来决定的啊，由它这里来显示出来的。 好，那这个 it 是 初识化的值，初识化它的原始值幺幺幺幺 value 呢？ 幺幺幺也就意味着这个内容呢？本质，我们说了本质呢，都是字串，本质都是字串，但是它经过转换之后你会发现， 对吧？它这个呢是 boolean literal， 那 如果我这里改成字串，这是 string literal， string literal 改成一二三叫 nemrik literal， nemrik literal， 你 看规律，什么叫规律？这叫规律。 所以任何的程序，任何的代码，任何的特性，你都能够用一个 json 来表示啊。同样，这句话我也送给大家啊，就是程序里面没有什么是不能用 json 来描述的，没有什么 特征吧，应该说没有什么特征是不能用 json 来描述的啊。这个我们后面给大家还有公开课会讲什么呢？ d 代码平台 d 代码平台里面的 json 专门有个术语叫 dsl， 全称 domain domain specific specific language， 那 domain 叫领域特定语言，这是在 d 代码平台中间独有的 dsl domain specific language， 这也是 jason。 那 在无代码平台里面同样也有啊，在代码里面它叫什么呢？刚才给大家看了，它叫 a s t， a s t 叫， 嗯， abstract c tax trees， abstract c tax trees 啊， 嗯，实现公式解析也可以称之为 dsl。 是 的啊，因为因为刚才给大家演示的这个飞书的这个场景，它其实也算一点点这个低代码的场景啊，因为它会消费平台数据，这些呢，可以当做是平台数据 可以去消费啊，只是这点 d 代码平台代码里面 jason 去描述，当你有了这个观点以后，你会发现没有什么是不能够用 jason 来表示的。没有什么，比如说不管是代码还是 d 代码平台的物料 还是这个，这个，这个，比如说，呃，就是一个流程，对吧？流程，我们之前给大家讲过那个 l l m 呃，大模型，对吧？当时讲大模型是在 ai 这一节课吧，这节课里面给大家说过，这个里面呢，有具体的落地场景啊，就告诉他。再去开发一个这种 ai 开发平台的时候，这个工作流程， rack 管道， agent 功能等等附加点的接入，这些其实都可以通过 json 来去描述。 在流程里面呢，它又把它称之为 node 加 h， 对 吧？节点和边啊，节点和边在代码里面呢，它是 code， 在 低代码物料中间呢，是 material 好， 或者说像飞书，像这些平台把它称之为 block， 像 notion 这样的文档平台把它称之为 block， suit 等等等等， 就是 d 代码物料啊。所以 json 在 不同的平台，不同场景，它有不同的业务术语，不管是代码里面的 a， s t， 还是 d 代码物料里面的这个描述，还是流程中间的 note 加 each 的 这种 flow 描述。好好， 这是思想层面的一些内容，我分享给大家啊。好，然后我们再来看到这边，这个呢就是 a s t 对 应的，我们这里呢可以把它等一个对象，这个对象里面呢叫 object expression。 好， 这个里面呢还可以去写东西，比如说 name， 一 二三，它就会一层一层的 往里面去描述，那它又是一个 identify， name， string， literal， 一 二三，一步一步地往里面好，对于 a s t， 同学们理解没有？理解同学在评论区来扣个一。对于 a s t， 理解同学在评论区来扣个一。好，然后呢我们再回头来去看一下，理解这个 a s t。 之后 我们再来看刚才说的分词。为什么要分词？因为 a s t 里面的内容，比如说 that， 比如说 id card， 比如说这个对象，然后里面的 name， 然后里面的一二三，这些都是由我们前面分词得来的内容， 由前面这里分词得来的内容。所以第一步先分词，分完词，把一个词分好之后再来去做语法分析，再来做语语义分析，再生成对应的代码。

百分之九十的人都不知道，在油管学 ai， 真的 能让你少走很多弯路。前段时间我每天花二点五个小时在油管学习，三个月时间我已经成功上岸大厂。这 几位博主是我反复刷真心推荐的。首先是亚马逊首席科学家李牧，他的动手学 ai agent 整系列对小白来说极其友好，用的是 pie torch 实现多 agent 结构框架、工业级任务调度加实时决策代码以及 jupiter doc。 其次是台大教授李鸿祎，我就是看他的大模型教程入门的，甚至很多小破站上录的零基础课程都有他的影子。 再就是 open ai 创始人之一 andri kaffari， 他的 form l l s agent 适合进阶学习。最后就是吴恩达老师， 应该没人不认识吧，作为人工智能界的权威学者，他的 ai agent 的 专项课想落地智能体的一定要看。考虑到有些小伙伴不能科学上网，别担心，我把这些大佬的视频教程和电子书籍以及文达整理的学习路线都打包好了，是我老铁的，记得留下学习即可带走。

呃，今天给大家带来一些呃比较优质的前端项目推荐，然后有很多人也在问我，然后一直以以来没有时间去呃更新，然后今天恰好有时间去更新，呃，所以说给大家去啊分享一下 啊。首先是全前端方向的啊，全前端方向优点是技术含金量比较高，一个人就可以完成，不需要后端啊，适合一个人学习前端没有一起学习的后端同学，因为绝大多数的同学基本上都是呃这么一个背景，没有没有工作室，没有 没有实验室，而也没有一起学习后端的同学，那么做出来一个前后端去对接的项目是比较困难的，所以说给大家推荐一些纯前端方向的啊。第一个就是 mini view e， 然后这个项目我自己就做过，也在我的简历上写着啊。首先就是 b 站上是有免费的相关的视频的啊，给大家把第一个链接的机缘给贴在这里了，这个就是免费的，质量也挺不错的。 然后第二个是 b 站的博主阿崔崔小瑞，然后我也是跟着他的去做的，不过他的课程需要买，好像是原原价是八百八十八，然后但是他现在已经不卖了，然后去创真心去创业了，因为他说小额通的那个，嗯， 付费是比较高的好，嗯，他就是自己也在创业，然后就决定不卖了。然后他在 github 上也有了二十多 k 的 一个 star， 然后项目的 github 链接也给大家贴在这里了， 他依旧是那个进群去领这个链接啊，就是这个文档的链接。然后呃资源三是抖音的博主远方二 s， 他的课程也是需要购买的，那好像是六百多还是七百多来着，然后也是他自己去做的，然后 下一个项目就是 d 代码平台，给大家几个路，就是妙码学院，然后大家自己去搜索，去找这个相关的资源就好了。然后课程也是需要购买的，而且是比较贵的啊。那第三个项目是 ssr 框架， 然后这个博主是，呃，抖音的一个博主，叫哲学前端，然后这个项目也是需要购买的，并且我的同学也买过这个项目，也把这个项目给做完了，说里面有很多有技术含金量的东西，也可以学到很多的东西啊。同学已经在百度实习，并且已经结束了，也是二七届的，跟我一个学校的，哼。 然后下一个项目 mini react。 既然有了 mini v o e 啊，怎么能少得了 mini react 也是阿崔崔笑瑞。然后完整的课程也是需要购买的，不过我不确定他啊，既然他那个 mini react 不 卖了，这个课程也可能也可能会不卖了。如果有其他的资源 啊，你可以去网上去找，然后也欢迎，如果有接到其他的 mini react 的 项目资源的同学，可以在评论区去分享一下， 然后当然你们呃如果有接到其他的 mini react 项目资源的同学，可以在评论区去分享一下，然后大概率可能是他已经不卖了， 然后组建库，这个项目在 b 站上一搜就能搜出来很多，不过里面第二个圈子不太推荐，因为他用的一些技术的一些版本比较老了，就比如说他用的 storybook， 他 用了一些比较很老的版本。这个课程我看应该也是一个盗版的课程啊，有一个人给他分享出来了， 如果你自己觉得你自己可以克服一些版本比较老，你把它用到最新的一些技术的一些技术站也是可以去学的。然后这两个的话我是没有去做过的，因为你一个人的话确实是没有后端的同学。 然后组监控还是比较推荐大家的。然后下一个是 markdown 编辑器，这个也是字节跳动，轻信语音的命题项目，大家在呃浏览器或者 github 上可以搜索啊，应该是可以搜索来出来很多的，包括你在 b 站上也是可以搜索出来的。然后另外 就是前后端的业务项目，当访、百度网盘的一些项目，然后可以学到诸多大文件上传，分片上传等等的一些前端相关的比较有技术含金量的项目， 然后它的链接也给大家贴在这里了，就是这一个啊，我不确定这个，如果你没有后端同学一起去坐的话，你一个人能不能完整的去坐下来，我感觉应该还是比较困难的。然后就是仿版，仿网易云音乐的啊，这个也给大家也是可以在 b 站上搜出来很多的，比如给大家圈出来了两个和科多爱，还有这个 啊，第一个。然后另外就是自研的项目，如果你有一些资源，比如说加入了一些工作室、实验室，甚至你认识一些后端的同学，你们如果有一些比较好的想法的话，那么你们可以通过代码的形式给他去把这个产品做出来，然后上线推广。如果有很多人去用你的产品，那就认那就你的产品啊，就会有 一些价值。然后虽然他可能不如上面的项目看起来高大上，比如说百度网盘，然后网易音乐，但是如果从零到一去研发一个项目的话，中途会遇到很多很多很多的问题的，然后包括一些兼容性的问题，性能的问题，包括一些用户给你提到的一些 问题，这问题都要你去解决，然后这这个这些是可以去锻炼你的实战能力，还有你处理问题的一些能力的啊，都是可以去体现的。在我看来，如果你的项目能有一千以上的人去使用，那就可以称作是一个比较优秀的项目。但你的项目也不能特别简单，比如说你做了一个很简单的，几乎没有任何含金量的项目 啊，但是使用的人比较多，这也是行不通的啊。另外给大家介绍一些其他获取一些优质项目的一些途径啊。第一眼就是看历年的 c 跳动青训营啊，青云营会命题很多的优质项目，学院也可以，也会开发一些 b、 k、 u、 g 的 项目，你可以去了解一下，然后也可以从 github 啊 b 站等平台获取一些资源，自己去做出来，学明白写在你的简历上。那么就是啊，这些技术就是你自己的了，你就可以说是你自己去做的。然后就是在 github 平台上去找一些比较优质的项目，然后另外就是在一些博主那里去获得一些项目，比如说前面给大家介绍的这个阿雀七向瑞， 他这个呃 b 站上面就有一很多比较优质的一些项目。然后再比如说刚才给大家说到的这个呃，扣六爱啊，扣六爱他身上也他的这个 b 站上面也有很多的一些项目啊，还有什么菜鸟 菜鸟课程，甚至说这个百度网盘的这个博主啊，程序员老罗他们身上，他们这个 b 站上面都有一些比较好的一些项目，都是可以去免费去学的，然后还有一些知识，星球等 app 的 一些 啊项目，然后都是可以去啊学习的。然后我需要给大家提个醒，就是不是付费的项目，就是一些优质的项目，就是好项目，也不是价格越高的项目就是好项目，很多免费的项目啊，其实他教授的技术栈都比较好，都是比较优质的。然后 可能有人认为我修了这么多项目，都是可能又是付费的，是不是在打广告？首先我要说明一点，我没有在打广告，然后另一点我也知道大家啊，都是学生阶段啊，可能没有钱。然后啊给大家举个路吧，就是咸鱼拼多多，上面有很多的盗版课程，但是我在有一个宇宙级免责声明啊，我是那个极其推荐大家去买这个 付费的课程呢，就是正版的课程啊，这个这个也是在很多一些博主的一些劳动成果，然后如果你去买一些付费的，其实不只是这个项目，你也会加入一些他的创建的一些交流群啊，这些群可能有很多的一些已经在职的员工啊，会说大厂的员工，然后也有很多志同道合的一些 网网友，邀你们去交流很多的信息， chat 一 些技术。然后如果你在做项目的中途遇到了一些问题，也可以问卖这个课程的博主啊，他也是可以给你去解答的。 然后再次与肉鸡声明，我更还是推荐大家去买那个正正版的课程的啊，虽然这些盗版的课程我都也有，但是我我肯定不能给大家，大家还是自己去，如果没有钱的话还自己去咸鱼拼多多等平台自己去看一下，我不能把这个饭喂你嘴里啊，你这是如果我分享你们盗版课程也是违法的 啊。然后大概这么多，如果大家也有一些比较好的项目，然后愿意分享的话也可以分享在评论群里面，然。

怪不得大家都跑去油馆学 ai， 这也太香了，我现在每天学习充电不低于两小时，绝大多数时间都是泡在油馆里面。这几位博主是我反复刷真心推荐的。 首先是亚马逊首席科学家李牧，他的动手学 ai agent 系列对小白来说极其友好，用的是 pie torch 实现多 agent 协同框架、工业级任务调度加实时决策代码以及 jupiter notebook。 其次是台大教授李鸿祎，我就是看他的大模型教程入门的，甚至上很多小破站上录的零基础课程都有他的影子。再就是 open ai 创始人之一 android capacitive， 他的 from l l m s to agents 适合进阶学习。最后就是吴恩达老师，应该没人不认识吧？作为人工智能界的权威学者，他的 ai agent 的 专项课非常推荐每一位想要落地智能机的同学观看。 考虑到有些小伙伴不能科学上网，别担心，我整理了一套大模型从入门到进阶的学习路线以及配套的视频教程，希望可以帮到大家。

好，今天再来录个视频啊，还是关于 ai 那 个操作手机的就是 auto g l m 的 另一个竞争产品， 这揭月星辰出出品的那个。呃， g lab zero 对 吧？它就是那个。怎么说呢，揭月星辰出品的和那个 auto g l m 呃的 竞争的产品吧。嗯嗯，各有特色吧。先说结论，就是这个模型是四 b 的， 然后能够在本地的奥拉玛上跑起来，单卡四零九零二十四 g 的 前存奥拉玛是能跑起来的。嗯，第二点 他是可以在那个交互过程当中和用户有一些就是 对话的，或者比如说你点外卖有什么问题，他会让你选择的啊，各有千秋吧，奥特 gm 我 试了几次，而且他还是呃一，他是一键就是一键到底的，各有各好处吧。嗯，然后也那个节约的也是可以调那个平台的好吧， 就是他也可以是请求限制他，现在你申请申请了之后啊，他就可以那个调用那个病调用那个模型测试，而且现在是免费的啊，最主要。好吧，他是四 b 的。 呃，废话不多，我还是写了一个，我还是用 ant gravity 写了一个那个 叫什么叫什么叫那个 yiboy 的 界面。好吧，那个就是这么跑起来了，我现在先跑起来了。嗯，我还是拍摄的那个虚拟环境，我等会给大家演示看一下啊，就是怎么安装，我等会会演示的。嗯，好， 那个我现在是啊，没有发现设备对吧？我现在先要把我手机上的那个远程的无线 wifi 调试开开来这个用，用过那个奥拓 gm 的 知道，我之前发过的视频。知道的啊， 我这次呢，我要比 u i 增加了一点，首先是那个本地模型的，那个本地模型的调用，然后还有个 stepf 的 模型的调用，我都会分别设置的 好吗？无线调试，这里就是我们要把，因为他分了有线调试和无线调试啊，你们可以用有线调试插在手机上调试，也可以用无线调试，因为我家里在同一个局往下，但是华为的手机的小伙伴们建议你们那个用有线调试，因为华为没有无线调试。这个昨天有一个朋友问我的 连接，你看他就那个检查了吗？他就会出现正常了，好吧。嗯，然后我就可以把这里缩小了，然后我现在先用本地模型啊，本地模型什么呢？ 为了大家方便一点，我把我的我我也继承了。那个 scrapyard 是 可以显示那个手机手机，那个可是可以显示手机手机里面的镜像投屏的好吗？是我的可爱的小米手机。嗯， 看看我都集成了啊，当前设备，刷新一下命令，打开饿了么，饿了么，帮我点一份奶茶。 这个是本地模型啊，就是用奥拉玛跑的啊，可以给可以给大家看一下， 可以给大家看一下显存的占用啊，显存的占用是这样的，要什么性能？ 这个有一说一，我测下来啊，单卡的其实效率还行哎，你可以看到那个这单卡四零九零跑的还是蛮顺的，你们知道吗？嗯， 对吧，也能操控，可以看啊，他的我，我因为我做了个 usb u i， 官方的只有一个指令，我做了一个 usb u i 之后，他就能出现日期和出现交互的界面。好吧，你要的这个图片也可以下载下来， 然后他在这里就是我刚刚说的选选择哪一家奶茶店对吧。好，因为我这样的会方便一点啊。我要说护上阿姨 你看到吗他就帮我继续回到帮我选沪上阿姨了 他就问我哪一个奶茶但他已经进到沪上沪上阿姨了你可以问他他现在问你呢需要你答复对吧。 可以让他点我我就跟他说选糯米 大家可以看一下啊再看一下缓存啊这个 gpu 占用其实还行啊 他他就没找到对吧他其实还是根据图片来识别的。嗯我们可以这我们可以选一个啊就比如说经典美式 他我点了雪糯米他说没有对吧不错今天没事没有 那他点了真烟拿铁。好吧停止一下啊我们可以换个任务这次我换一个说的比较明确的因为大半夜没打开。饿了吗帮我 点一份烧烤不超过五十元。好这样吧测这个名 就可以看到啊他是一步步点我的这个我也不对外上面是可以截图的 他会把每一步的截图都截下来然后他帮你选一份烧烤 好这个时候就问你要选哪家烧烤店了我可以跟他说是 看 这家店叫什么来着我看一下。 温小仙贵阳啊我就写贵阳特色烧烤特色烧烤 好他就选择了贵阳特色烧烤然后你可以看到他就在帮我凑单了 啊他就问我点点哪些烧烤随便点肉多一点要不超过五十元。 那我自己点了啊。 嗯点了超级麻烦。好吧 这问我口味不要了微辣 这就是我说那个怎么说呢呃阶月的他会为用户因为我当然我是因为界面上我也写了答复用户的，这 oppo gm 的 话，他是会直接就是一选到底的。嗯， 好，你看他现在到了他就会酱爆牛肉折耳根，这个折耳根还是蛮有意思的。 他没有识别出我的。不要拉啊。好，到这里的时候我就放弃了。好吧，因为我不需要， 这里时候任务已经结束了。啊，那我就不需要这个， 这个取消掉，可以看到这就是完成了，然后我们现在停止掉，然后我们换一个官方的模型，官方的这个接口叫官方模型，官方接口是一样的，稍微快一点点吧，我们把 apx 填进来。好吧， 打开淘宝，我搜索一下最新的智能，哎， 因为我在整个，我在根据官方的这个官方文档里面，我已经把那个接口两个都写好了，适配的都写好了。它有两个啊，其实一个是，一个是本地跑，一个是那个官方 app 接口嘛， 可以看到啊，这个在搜索眼镜， 最新的智能 ai 眼镜应该搜出来是跨克，跨克 s 一 就是我首发的时候买的。对，果然是跨克 s 一， 就这个。好吧，我没有手机点啊，你可以看到它这边是写的跨克 s 一 看到吗 他就出来了，然后就这个，也就是说，呃，金月的这个他是能够在本地跑起来，就是他能够客户有一些交互吧，他和奥特 gm 实现的这个思维链是不一样的，反正魔性就是魔性的。原声功能我也问了一下官方，好吧。嗯， 那我回到部署啊。嗯，简单的说一下部署啊，就是官方写的很清晰了，上面首先拍摄环境要做好， 他用的是空的，我其实用的是拍森，拍森直接做了个 e m b， 然后那个模型要下载这个模型下载的话建议大家，呃，网络环境有问题的话，小朋小伙伴们到那个 下，就那个 model go， go 里面下。嗯，会用命令的就用这些命令下，也可以用 get 下，但是我等会会把我的所有模型放到一个共享盘上面去好吗？就是我会放到，我会放到那个 百度网盘或者跨客上面，大家可以去下。呃，是这样的，我这个是我下载的模型，大家可以下载下来之后放到本地的一个，放到本地的一个文件夹，然后根据他的命令啊，根据根据他的命令，也就是说 我们可以跑一下啊， 可以到这个命令下面，然后你可以输入这个命令 create 进来，然后魔都范啊，他就是创建一个奥拉玛的魔斗，可以跑一下啊，跑完之后你们就可以看到，等一会他这个模型就在奥拉玛，你自己的奥拉玛下面就有了。好吧，这个就是奥拉玛，关于奥拉玛怎么下 可以看一下啊，奥拉玛怎么下？ 奥拉玛怎么下？奥拉玛就在 windows 的 奥拉玛就是这么下的。就把它官方网页打开之后 download 的 这个安装包我也可以，我一会机会丢进去了，就是 download 的， download 的 一下下 有点卡。 download 的 下 windows 版本好吗？然后主要的关键环境是你的安卓要设置好，安卓，安卓的那个手机要设置好。呃，手机里面的那个 开发者模式要选好，然后你要下载这个 a d b windows 用户下载的 a a d b 包好吗？ a d b 包，我也会 a d b 包，其实 啊， a d b 包就是这个 platform two's latest 嘛。嗯，这个其实你要在电脑上装好，装好的话关键是 关键是你要把在那个环境变量里面设置啊。嗯，我是用这个快捷方式打开的，你也可以跟着他那个打开，然后在那个高级 这里面有一个环境变量，然后系统变量里面有个 pass， pass 下面你要把这个你的 platform tools 的 这个文件夹地址放进去，好吗？一定要放进去哦，跟着他的来做一遍。嗯， 我记得是在 我的电脑里面 啊，这就是一个在高级里面有， 然后你连是。呃，连接是安卓设备到你的电脑，根据它的命令 a d p device， 或者说你可以用它下面的那个下面的那个 wifi 点 wifi 的 那个 用它下面 wifi 的 那个设置 wifi 配置，配置那个叫叫什么？呃，你可以看一下啊，就是看一下我的我的另外一个项目里面，他有关系，关于就是 wifi 怎么配置的？ wifi 调试，好吧， 然后你就可以进那个进去一下，然后你就是克隆这个项目，克你或者克隆我的项目，我的项目里面是带那个，这就是我的项目，我的下面是带 wifi 的， 然后我也叫官方拉 pr 了，然后根据他这个要求这一步，然后做好虚拟环境。那 pip 一 零零嘛？一零零装好之后你可以装，就可以锁着快门，装完之后他去运行了命令行运行的，你可以运行我这个就是我刚刚的这个 刚刚的我的这个命令拍摄 star 我 也不例外，因为我已经做好了。好吧，然后你可以看啊，这个就是奥拉玛里面，他已经把那个模型已经下来了，对吧？就是你下载下来模型已经转成奥拉玛里面的模型了， 我来把里面第一个就是哦，就跑好了，然后就本地就可以跑了，好吧？嗯，差不多就这点了，然后他官你可以按着他官方的跑一遍，然后我的就我也把这个继承了。嗯， 你可以看一下我关于那个 wifi 调试的啊，你可以看一下我的那个 是奥特 g l m 里面其实，呃，有写过那个 wifi 调试是怎么调的？ 无线功能玩关于无线调试功能。那我把我会把更新更新到我的那个那个那个项目上面。 ok， 好 了，今天就讲到这边，感兴趣的小伙伴们可以自己去试着玩一下。嗯，这是很好玩的哦。嗯，好了就。

国内顶尖高校上海交通大学近期在 github 上重磅开园了一套名为动手学大模型的教学教程。此项目由上海交通大学教授张卓胜牵头，多位专家携手打造，完全免费开园，堪称大模型学习者开启学习之旅的必备宝典。该教程以实战为导向，将代码教学与实际案例相结合，助力你从零基础开始，掌握大模型的核心原理和编程实现方法， 课程设计、科研训练和项目开发助劳根基。其内容较为丰富，含盖了历训练模型的微调与部署、 api 调用与推理以及文本水印、越狱攻击、多模态模型等前沿课题，每一部分都配备了详细的配套 ppt 教程和开源代码，能逐步引领你从入门迈向进阶。 倘若你渴望真正深入理解大模型，并亲手搭建属于自己的 ai 系统，那么这套教程绝对是你不可错过的学习资源。我已整理好项目地址和完整资料，有兴趣的同学可以在我主页简介获取。

现在网上铺天盖地的黑客教程，那么真的有人敢教你黑客技术吗？这是大势所趋，看完这期视频你就明白了，稍微上点网的同学就会知道，这两年境外黑客对我们已经是明目张胆了。从西工大、武汉地震局，再到中央爆出 美国黑客长期对我国网络系统的无耻渗透行为，全球的网络环境已经处于千钧一发之际。黑客教你技术是为了在未来网络战打响以后，能有更多的相关人才可以站出来，小到你的个人信息，大到所有政企系统都需要白帽子来守护。 这也就是为什么我国到二零二七年在网络安全方面的人才缺口会达到三百二十七万。其次，黑客技术并不是你理解的盗号、搞外挂或者查别人位置，上一个这么想的，不是进去了就是被骗了。真正的黑客技术是正规的网络公访技术，是针对系统和网络的攻击和防，手上能探测网络信息和挖取系统漏洞，下能抵御不法的黑 黑客攻击，既能大杀四方，更能守护一方净土。你要是真的想学好这门技术，我们内部整理的两百多节从零到进阶的视频教程可以分享给你，主流的晚安工房技术都讲的很清楚了，只要是我的粉丝，留三个一就行。

发现一个特别适合发论文的方向，因果推断。因果推断只在超越表面关联，从数据中识别变量间真正的因果关系，已成为统计学、经济学及机器学习等领域的核心课题。历史上因果问题因概念模糊，长期局限于哲学讨论，直至现代统计学发展， 才实现了用数学语言精确描述因果的方法学突破。然而，这一方向早期备受主流学界忽视与质疑， 发展并非坦途。近四十年来，尤其近十年，随着理论与应用的成熟，因果推断终于获得广泛重视，成为驱动科学发现与决策研究的关键前沿。另外，我给大家整理了十篇因果推断的最新论文及代码，方便大家参考。

小伙伴们大家好，好久不见了，如果您要问我在忙什么，我只能说，除了支持小伙伴们落地智能问术应用外，还在默默的给咱们的智能问术产品做重大升级。目前升级已完成，终于可以出视频了。 本期视频包括三部分，分别是介绍升级内容，演示升级后的智能问术应用。下期视频预告。 首先升级了问题分类模式，看过我们往期视频的小伙伴们知道，为了应对超多表场景下的智能问书， 我们以业务系统的功能模块为依据，对数据库表做了分类。然后为了确保百分百的权限控制，要求，大模型每次写的 sq 又语句只能使用对应问题类别下的数据库表。 也就是说，在一条数据库查询语句中不能使用跨问题类别的表。这就意味着，当需要跨问题类别查询时，大模型不得不便利所有需要用到的问题类别，逐个获取这些问题类别对应的表结构，然后写数据库查询语句，并调用数据库查询工具获取查询结果。 因此，大模型会多次重复调用工具，耗费更多的时间。而且有时候下一个问题类别的查询语句依赖上一个问题类别的查询结果，这就需要大模型先分析上一个问题类别的查询结果，来构造下一个问题类别的查询条件。试想一下， 如果上一个问题类别的查询结果条数很多，大模型要拼接下一个问题类别查询语句的查询条件，这个查询语句可能会变得非常的长， 带来了不稳定因素。原本只需要通过表关联查询，就能把两个问题类别的数据查出来的结果搞得这么复杂。这种模式对大模型的能力要求也比较高， 而且大模型可能也会不小心在一条查询语句中使用不同问题类别的表进行关联查询，导致执行查询时触发阅权报错。所以，为了确保足够的准确率和权限校验通过率，在进行问题分类时，就不得不在问题类别中关联更多的表。 也就是说，相同的表需要被不同的问题类别关联，这个权衡的过程很伤脑筋，维护起来也比较麻烦。 那么现在升级后是什么样子呢？现在肯定非常简单了，咱们不用再权衡哪些问题分类需要关联相同的表，把一个功能模块下的表关联到同一个问题分类下即可，因为每个分类不再需要关联相同的表，不用稍额外的脑细胞了。 打开我们的问述接口方，还是以往期视频配置的采购和销售系统为例，打开 ai 问题类别， 先看看采购合同类问题关联的数据库表，可以看到，他现在只需要关联采购合同这一张表了，不需要像之前那样，除了采购合同表本身，还关联了个人表、部门表。销售合同类问题关联的表也做了同样的精简，现在只需要关联销售合同表本身。 最后看看组织架构类问题，可以看到依然是组织架构体系相关的个人表、部门表等其他相关表。现在的分类是不是很直观清晰呢？不同的分类里面没有相同的表了。当然，如果你确实需要关联相同的表也是可以的。 再让我们看看每个问题分类的查询授权信息。打开组织架构类问题的授权，可以看到依然是按我们往期视频约定的权限体系做的授权。董事长角色可以查询该问题类别的全部数据， 销售部门总监和采购部门总监角色只能查询本部门及此部门数据， 销售部门经理和采购部门经理角色只能查询本部门数据，普通员工角色只能查询本人的数据。 然后打开采购合同类问题的授权，可以看到董事长角色可以查询该问题类别的全部数据， 采购部门总监角色只能查询本部门及子部门数据，采购部门经理只能查询本部门数据，采购部的普通员工只能查询本人数据。 该问题类别没有给销售部门的人授权，因此销售部门的人无法查询采购合同的任何数据。 最后打开销售合同类问题的授权，可以看到董事长角色可以查询该问题类别的全部数据。销售部门总监角色只能查询本部门及子部门数据， 销售部门经理只能查询本部门数据，销售部的普通员工只能查询本人数据。该问题类别没有给采购部门的人授权，因此采购部门的人无法查询销售合同的任何数据。 然后升级了权限控制模式单单升级前面的问题分类模式肯定是不够的，因为以前的权限控制模块会校验，查询语句中只能使用同一个问题类别下的表现。在我们升级了校验模式，一条查询语句中可以使用不同问题类别下的表了，而且也是百分百的权限控制。 也就是说，只要查询语句中使用的表是当前用户权限范围内的表，那么就通过权限校验，然后在执行查询前自动整合用户的查询权限，确保最终的查询结果一定是用户权限范围内的数据。 打开咱们执行 sql 语句的 api， 先用董事长查询每个人签订的采购合同数量， 发送报文可以看到不需要像以前那样传入问题类别编码了，并且 s q l 语句中使用了跨问题类别的数据库表，依然可以正常执行。 再用采购部门经理查询每个人签订的采购合同数量， 发送报文，可以看到和董事长用的是相同的 s q l 语句，但采购部门经理就只能查到自己部门的数据，说明权限控制逻辑依然正常。 再用采购部门的普通员工查询每个人签订的采购合同数量， 发送报文，可以看到依然是相同的 s q l 语句，但普通员工就只能查到自己的数据。 再次说明一下，问述接口方是一套独立平台，可以在平台中配置不同业务系统的数据库表结构信息，查询权限信息，还可以通过单点登录接口获取业务系统的权限信息，具体的细节可以通过往期的视频进行了解。 与此同时，我们对 dfa 中 dsl 也同步做了简化升级，来适配我们针对问数接口方的升级。 综上，现在智能问数应用的执行逻辑变成了分析用户问题需要用到的所有问题类别，一次性获取这些问题类别的所有表结构，根据这些表结构编辑一条或多条数据库查询语句，一次性获取查询结果搞定。可以看到 跨问题类别查询时不再需要反复调用同一个工具了，不仅降低了对大模型能力的要求，还简化了问述接口方的配置，并且提高了稳定性和准确率。说实话，我已经深深的爱上这套新模式了。 接下来就让我给大家演示升级后的智能问述应用。我会分别登录董事长、采购部门经理、采购部门普通员工的账号来进行演示。首先让我们登录董事长的账号， 先提一个不涉及跨问题类别的简单的问题，问他二零二五年每个月主营商品的销售数量和销售总价走势。稍等片刻， 一切正常。 再问他二零二五年签订的采购合同和销售合同分别是多少比？这个问题会同时使用采购合同类问题和销售合同类问题的表发送问题。稍等片刻， 查询成功。通过回复的内容可以看到，整个过程比以前顺畅多了。打开问述接口方的接口日记， 可以看到一次性获取了两个问题类别的表结构。按照以前需要调用两次接口，分别获取两个问题类别的表结构，执行数据库查询语句。同理也是一次性获取到查询结果了，以前也得调用两次接口才能获取到完整的查询结果。 然后登录采购部门经理的账号，问他我们部门总共签了多少笔采购合同， 一切正常。再问他二零二五年签了多少笔销售合同。由于我们并没有给采购部门授与销售合同类问题的查询权限，所以理论上查不到数据发送问题。 果然，没查到数据说明我们的权限控制是正常的，而且在大模型层面就已经帮我们拦截了。退一万步说，即使大模型写出了月全的查行语句，也会被我们的问述接口方拦截的。 最后，登录采购部门普通员工的账号提问我们部门总共签了多少笔采购合同。根据我们的授权，普通员工只能查本人的数据，但是他想查整个部门的数据，所以理论上只会显示他自己的数据， 可以看到最终查到的确实只有他本人的数据权限控制正常。好了，今天的升级演示就到这里，我已经把体验地址、 体验账号等信息放在了视频简介和评论区，链接有可能被屏蔽，感兴趣的小伙伴也可以私信我获取 下期视频。我们会使用小伙伴提供的一份零售业数据集，包括采购信息、销售信息、库存信息、客流信息，每张表都有几十万条数据， 我们将会使用这份数据集来测试智能问述应用的数据洞察能力，包括多维归因和辅助决策，比如通过多维度数据来分析销售增长或下滑的原因，并给出决策指导。让我们下期再见！

今天的博导叨一叨，两分钟刷完一周大幕型要闻。如果说去年比的是谁更聪明，这周比的是谁更快、更省、更会干。 记住三件事，英伟达、开源 intron、 three nano、 super future 三档，外加数据集和工具，主打多智能体，等于把组建 agent 团队的工具箱直接摊开。 google 推出 jimmy 三 flash， 把延迟和成本压下去，直接做智能应用和搜索的默认模型。 oppo 还上线了 gpd 五点二 cortex， 专攻长期工程任务。 towe 奔驰 pro 到百分之五十六左右通用模型打底，专业模型冲锋 国内，自接火山情发布豆包一点八强化 agent 和东盟太日军调用，号称破五十万亿次落地，进入规模化监管和国家队备案，大模型总数突破两百。监管更像花车道，让创新加速，也把风险管住。 美国能源部搞创世使命做科研加速器，同时审视对话。 ai 芯片出口竞争越来越像算力加规则的双线作战。资本也热， open i 挖来谷歌云并购高手，本应为二百二十五亿美元承诺收钱。 智普地表，港交所冲刺大模型第一股落地。这边更直接叉 g p t 图像生成升级到 g p t。 英妹一点五更听话更好改更快，同时开放第三方应用提交往 app store 走。 国内百度推出 ai 家庭医生，阿里千问，借助高德让对话直接变成出行行动。一句话收尾，大模型不再只比智商，而是比效率、比智能化、比生态。下周我们继续聊，我是博导，欢迎关注。

hi， 这里是 alex， 欢迎来到我的 vtest react 教程。在这个系列视频中呢，我们会从零开始学习 vtest 加 react 的 测试方案。 无论你是刚接触前端测试，还是已经在使用 just， 希望寻找更快更现代化的方案，这个系列都会对你有帮助。那么接下来我们先从最基础的部分开始，为什么要使用 vtest 呢？ 首先，我们来看一下目前前端测试框架的现状，在很长的一段时间内呢， just 一 直都是 react 项目的主流，甚至是其他大多数前端框架的测试选择， 它生态成熟，数学庞大，文档完善。因此呢，很多项目一般都会选择 just 作为他们的默认测试框架。 但就在这几年呢， vtest 它作为一个新兴的竞争者呢，已经开始变得逐渐的流行。 那么 vtest 的 其中一个优点就是它与我们的 vt 生态高度的结合。如果你已经在你的前端项目中使用 vt 作为开发工具，那么再接入我们的 vtest， 它的成本会非常的低，几乎是零成本。首先呢， 在现在最新版的 vtest 和 vt 的 配合中，它们两个的配置文件已经可以像我们图中这样写在一起。可以看到，这里既有我们来自 vt 的 插件，又有来自 vtest 的 这样一些测试的 项目配置。这就意味着呢，我们不需要像 just 那 样再去额外的配置一堆分散的配置文件。我们在 vtest 与 vt 项目中呢，我们可以中心化的配置我们的项目。那么接下来呢，我们再看一个比较有意思的点， 这也是其他的项目中呢，没有的一点，那就是从 vtest v 四开始提供的 browser mode， 也就是浏览器模式。 在之前的这样一些测试过程中呢，我们一般都会使用模拟的 dom 来实现网页或者说前端组建的测试，不管是使用 js dom 还是 happy dom， 它都是模拟的 dom。 而和我们的浏览器模式相比的话呢， 它是缺少真实的浏览器环境的，比如缺少真实的渲染性能，缺少真实的浏览器的外部 a p i 这些呢，在 js 动或者 happy 动这样一些虚拟的动中是没有办法模拟的。当然了， vtest 它也并没有强制我们选择浏览器模式，我们也可以回退到与之前一样使用 js 动或者 happy 动这样一些模拟的 动物环境来进行测试，所以呢， v test 相当于多了一个选择。那么说到这里，我们整个课程会提供怎样的内容呢？首先呢，肯定是基础部分，也就是该如何在测试中渲染我们的组建，测试我们的组建，简单的判断一下这个组建有没有渲染出来，它里面的内容是否正确。 然后呢，我们要来简单看一下列表他该怎样测试，因为列表的话，我们要核对他的数量，相应的我们的表单也是一个测试的重点，比如表单的初步化的这样一些状态值，他的一些交互， 而一旦与数据进行交互的话，那就不得不提到我们要模拟我们的这样一些后台服务，这就当我们要学习一些 新的工具来模拟我们的后端应用给我们提供的接口，不然的话，我们在做前端测试的时候，如果没有后端的接口，那岂不就意味着我们的测试没有办法进行了吗？那么最后呢，我们还需要了解一下该怎样在我们的状态管理工具中进行测试。在 react 生态中，不管是 redux， the stand 还是 johtai， 我 们其实测试的方法都是大同小异的，只不过呢，需要大家简单的过一下，以及最后我们要测试一下我们整个前端项目中的路由的部分，这些呢，差不多就过了我们整个课程测试部分的大多数内容中间的， 比如刚才我提到的虚拟的洞和真实的浏览器环境下的这样一些测试之间的区别呢，我们都会穿插在这些内容中给各位讲解。那么在学习这样一个课程之前呢，你需要有一些前置的知识。首先呢，你肯定是需要 了解基于 vite 开发 react 应用的这样一些知识的，因为我们的应用呢，是基于 vite 进行开发的，刚才我也提到过，基于 vite 来添加我们的 viteast 的 测试的话，会非常的简单。以及我们还需要 你了解一些关于 type script 的 知识，你并不需要了解太多啊，你只需要简单的了解一些类型定义，类型推断，以及会用我们的一些简单的发型就可以了，你并不需要做类型体操，你只需要看得懂就可以了。 当然还有其他的一些像什么 red， router， tencent， query， jotai， redux 这些呢，你如果已经学过当然是最好的，这样的话，你能够 非常好的跟上整个课程的节奏，就算没学过呢，也没关系啊，因为不管是哪种技术站，其实他们做的事情都是一样的，在我们测试的过程中呢，其实也大同小异，希望我能很快与你开启整个课程的学习。

怪不得大家都扎堆油管学 ai， 这讲的也太细了，我现在每天学习充电不低于两小时，大半时间就是泡在油管里面。下面这些博主是我看的最多也最强烈推荐给各位的。首先是台大教授李鸿毅，可以说我就看他的大模型教程入门的，甚至可以说很多小破站上路的零基础课程都有他的意图。其次是亚马逊首席科学家李牧，他的动手学 ai ai 阵系列对小白来说极其友好， 用的是 py torch 实现多 agent 协同框架、工业级任务调度加实时决策代码，以及 jupiter notebook。 再就是 open ai 创始人之一 andrea carti， 他的 from l l m's two agents 适合进阶学习。最后就是吴恩达老师，应该没人不认识吧，作为人工智能界的权威学者，他的 ai agent 专项课非常推荐每一位想要落地智能体的同学观看。

各位学友，我们今天给大家分享的是第五个避坑技巧，那就是论文数据。 我们大部分学友对论文数据这一块听到就有点猛，不知道自己该拿什么数据。就像我们最近有一个重庆大学的学友，他参加了我们的一对一指导 sweep 班型，他说，老师我非常紧张，我不知道我该用什么数据， 我们导师要求一定要用数据。那我们先讲第一个问题，数据主要分哪几种？第一种数据就是一些公开的量化的数据， 你比如说上市公司的各种数据，他们有自己的一些平台，比如同花顺等等。那像写上市公司的数据一般是哪些专业呢？你像 m p a cc， 会计管理专硕，还有小部分的财务专业之类的也会用到， 这是一种。第二种是问卷调查数据，通过你去收集问卷获取的这种个人获取的一些数据，这是一种数据。第三种数据呢？你做调研访谈，这种访谈的数据包括一些内部的档案，这些也是数据。 大家注意我刚刚讲的三种不同类型的数据，不是说只有问卷的才叫数据，只有量化的才叫数据，访谈的也算数据，这个清楚了吗？大家可以在屏幕里面回复一清楚了，清楚，这是第一个类型。 第二个大家要注意，你的数据最难的事情是什么呢？最难的事情是要跟你的论文的类型要进行匹配，你的论文选定什么类型？不同的类型你的数据是不一样的。比如说举个例子， 你是写一篇时政型的论文，那么时政型的论文就一定要么就是客观的一些上市公司的数据，要么就是问卷调查的数据。你像同等学历专业的，写时政的，一般都是问卷调查数据，这是一个。第二个是评价型的论文，评价型的论文什么数据呢？ 一般要找专家的打分，德尔非法等等之类的，他还有可能用到问卷调查，这是评价型的一些数据要求。第三种是专题型的，专题型的就比较宽一点，访谈也可以，问卷也可以， 甚至上市公司数据也行。最后是案例型的，案例型的，注意案例型的数据，很多人以为案例型的数据是不需要问卷的， 不是答案例行的数据是可以有问卷的，但是他可以以访谈内部档案为主。这个清楚了，这个给大家说一下，那我们看看有一个学友问的一个问题啊， 全的 mba 专业，一个礼品公司的竞争策略研究，这个就属于一个专题形态。这个题目呢，还行，还可以，属于一个比较中规中矩的题目。好吧，我们回到这里，继续来给大家讲选择题的匹配。第三个大家特别要注意的是，很多同学啊，搞不清楚， 一上来就觉得我要多少数据之类的，我每次听完之后都忍着，我说你同学慢一点，学友别着急，请听我慢慢道来。一定要考虑到这个数据的难易程度，这个难易程度分两种啊， 第一种是获取的难易程度，有的数据你没法获取，你根本研究不了。你比如说我曾经就指导过一个学友，这个学友他要研究这一块， 我当时就问他，我说你们这个县，你们这个市有执行这个市吗？他说没有，我说你没有，你怎么研究啊？他说，但是我导师叫我研究， 我也觉得可以研究挺好的。我说这个世界上好的选择题特别多的，但是你没有这个数据，你怎么去研究呢？ 你不就造假吗？我说你要造假吗？他说我不造假，那不造假你就不要研究啊，这是一个常识，可是很多同学根本不懂，所以获取难易程度一定要掌握，你获取不了数据的， 研究不了的事情不要去研究。这个意思清楚的学友回复一个二特别重要哦，还有第二个难易程度，就是这个数据你能获取。有的同学说，老师，我的数据很多的，很丰富，但是我不会分析。 注意，你如果不会分析这种数据的话，你要特别小心，尽量的不要搞一种太复杂的，要简单一点的分析，难易程度会比较好，如果太过于复杂，这是非常麻烦的事情。 有的同学这个数据复杂到了根本就是晕菜的。比如说我以前指导过厦门地区的某一个学友，厦门地区的他们导师要求就比较过，使正性的论文有七个变量，当时这个同学快崩溃了弄的， 所以他就必须借助于重新去学一些方法，思路就是你能不能分析，或者说是不是有人协助你帮你分析，如果没有的话，没有指导你去分析，你这个数据是分析不出来的，这很麻烦的。这是给大家讲到的难易程度， 给大家讲的三件事，一个是类型，一个是选题的匹配，还一个是难易程度。我们这里南昌地区有一个学友，南昌大学的这个学友，当时他的数据就遇到了一个问题，他的调研的对象总共只有一百多人， 所以当时我就跟他说了，我说你这个论文呢，有一个比较大的风险，老师们会质疑你的样本有点少，那各位学友遇到这种问题怎么办？所以我就支了他一招，我说你在论文中就详细的说， 你们总共就一百多人，你全部调研，你在答辩的时候一定要说出来这个事儿，不要等他们来问你， 你就直接说我这个论文调研对象总共一百一十人，全部调研到一百一十人啊，那人家老师就不好意思再攻击你了是不是？这就是我给大家讲到的这个学友，这是难易程度，数据相关，所以这个同学特别感谢我 顺利毕业了，后来我们还有来往，他非得要寄我们一些礼物，我也赠送了一本书给他。我们建议大家论文数据一定要提前预备， 规划好可以事半功倍，否则没有准备，你就是在准备失败，你就是在准备延期毕业，这是给大家的一个非常重要的建议。关于这个论文数据， 写论文不用慌张，博士来帮忙，这个避坑技巧就分享到这里，后续干货记得点赞收藏关注哦，想学习欢迎私信。

hello， 大家好，今天咱们要聊的这家公司绝对是最近 ai 圈的大新闻，智普科技要去港交所敲钟了，而且很可能成为全球大模型第一股。 哎，你平时有关注 ai 大 模型这块儿吗？当然有关注啊，毕竟现在 ai 这么火啊。不过智普科技具体是做什么的，我还真不太清楚，你给我讲讲呗。行，那咱们就从它的出身说起。 智普科技全称是北京智普华章科技有限公司，二零一九年从清华大学人工智能实验室出来的，典型的学术孵化企业，创始人团队核心是唐杰教授，这位可是清华计算机科学博士，主导过不少国家级 ai 科研项目。 哦，原来是清华系的，那技术底蕴应该很深厚吧？没错，而且他的发展节奏特别快，二零二一年就开始商业化了，比国内大模型大规模商业化早了整整两年。 他搞了个马斯模式，就是模型即服务，把 ai 大 模型的能力做成 api 接口，开放给开发者，相当于给中小企业提供 ai 水电煤，不用自己砸钱研发，就能用上顶尖技术。 这个模式听起来挺聪明的，能快速抢占市场。那他后来发展怎么样？二零二二年之后就进入高速增长期了，融资一轮接一轮，累计融了八十三亿人民币。二零二三年营收爆发， glm 模型每三到六个月就迭代一次， 赋能领域从教育、医疗扩展到金融、能源，还开始做海外业务。二零二四年营收三点一二四亿，复合增长率百分之一百三十，服务设备超过八千万台，是国内赋能终端最多的独立大模型厂商。 哇，数据确实很亮眼。那二零二五年是不是就是它的上市关键年？对，二零二五年四月启动上市辅导，十二月就通过港交所临训了，现在就差最后一步。 不过光环之下也有挑战。二零二五年管理层变动挺大的，负责商业化的 coo 张帆离职去创业了，融资 v p， 张阔也走了，据说之后融资难度加大了。 核心人员变动确实是个隐患。那他的股权结构稳定吗？毕竟要上市了，控制权很重要。 股权结构相对分散，没有单一控股股东，实际控制人是唐杰和刘德兵。唐杰直接持股百分之七点四左右，是灵魂人物。刘德兵直接持股只有百分之零点二五，但通过持股平台控制百分之十七点四的表决权。 ceo 张鹏直接持股更少，只有百分之零点一三，但在运营层面主导权很强。股东阵容怎么样？有没有大机构撑腰？ 股东阵营星光熠熠啊，美团、腾讯这些互联网巨头都有投资，红杉资本也在里面。二零二五年还有浦东创投、张江集团这些国有基金进来， 创始人团队持股百分之十五到百分之二十，机构占百分之七十，员工激励占剩下的。这种结构能整合资源，但可能决策时会有多方博弈。 那增减持情况呢？毕竟咱们散户最关心这个了，现在还没正式上市。增减持主要在一级市场，二零二五年融了十亿，有原有股东追加，也有新机构进来。减持方面，早期股东中科创新的米雷减持了超过百分之五十，套现一点二亿以上，现在持股不到百分之一， 不过它是非核心股东，不影响控制权，但上市后锁定期满，可能会有减持压力。明白，那它的核心业务到底是什么？靠什么赚钱？ 核心业务围绕 g l m 系列大模型商业化两条腿走路，一条是云端 mas 和订阅，把模型分装成 api， 按调用量收费，现在有两百七十万家企业和开发者用付费流量收入是国产模型里最高的。 另一条是本地部署，给金融、能源这些对数据安全要求高的政企客户提供预训练模型本地服务。比如华泰证券用它的模型做了金融大模型，智己汽车用来做智能座舱。 那业绩怎么样？毛利率高吗？二零二五年上半年营收一点九一亿，毛利率百分之五十左右，在科技行业算中等偏上。海外业务也不错，北美市场年经常性收入超一亿，不过二零二五年没更新大模型了。最后一次是二零二四年十二月的 j l m zero review， 业内说是受技术瓶颈和融资压力影响。行业地位呢？在国内能排第几？按二零二四年收入 在独立通用大模型开发商里排第一，市场份额百分之六点六所有厂商里排第二，仅次于科大讯飞。它是国内唯一全面对齐 openai 的 厂商，技术实力认可， 现在赋能全球一万两千家企业、八千万台设备、四千五百万开发者，中国前十大互联网公司有九家都用它的模型。 这么厉害，那他所处的行业前景怎么样？中国 ai 行业正爆发增长，政策支持力度大。二零二五年两部委发了政务大模型部署指引，催生千亿市场，整个产业链从芯片到模型到应用都在重构。 全球企业级 ai 支出三百七十亿美元，医疗占了百分之四十三的垂直支出。预测中国 ai 产业二零二五年规模三千九百八十五亿，年增长百分之十五点六。 那竞争激烈吗？对手多不多？竞争相当激烈，国内形成了六小龙格局，智普和 mini max、 越智暗面这些并列。智普在 b 端政企领先，越智暗面侧重 c 端。还有阿里云、百度、腾讯搞基础设施，科大讯飞搞语音 ai。 国际上要跟 open ai 竞争，还面临芯片禁运问题。那它的上下游供应链稳定吗？比如芯片这些关键部件， 上游主要是芯片数据标注和云基础设施，早期依赖 nvidia、 gpu 现在受出口管制影响，转向华为 acend 和韩五 g 这些本土芯片数据标注，合作海天瑞声云，用阿里云、百度智能云，国产化趋势越来越明显。能降低外部依赖。 下游客户呢？主要是哪些行业？下游以弊端为主。前五大客户收入占比曾经很高，现在降到百分之四十了。客户多元化做的不错，中国前十大互联网公司九家在用它的模型，还有中石油、中石化这些央企 开发者社区超过四千五百万海外客户，也有 sirbrus、 versa 这些企业。那未来战略是什么？打算怎么发展？ 核心目标是盈利和全球扩张。国内继续迭代 g l m 模型，拓展医疗、文化、传媒领域，优化运营效率，降成本。海外强化北美欧洲布局生化和大厂合作， 长期想构建完整 ai 产业链，坚持高毛利企业服务模式，借助上市资本加速国产化创新。总结一下，质朴科技有清华背景，营收增长快，行业地位高，但也面临管理层变动、技术瓶颈，竞争激烈，这些挑战 对他是中国 ai 产业的缩影。对于咱们散户来说，既要看到赛道前景和公司潜力，也要注意上市后减持压力、核心人员变动这些风险。 ai 确实是个好赛道，但投资需要理性和耐心。 今天聊下来收获挺大的，把质朴科技的方方面面都了解清楚了，希望这些信息能帮到大家做投资决策。没错，投资不能只看表面光环，要深入分析。好了，今天咱们就聊到这，感谢大家收听，咱们下期再见！再见！