企业做 AI 知识库，常常遇到一种尴尬：上万份合同、规范、报告整整齐齐码在系统里，看着挺全，真到用的时候 —— 想找跟某个项目相关的所有资料，搜出来一堆碎片，东一榔头西一棒子，拼都拼不起来。
有没有一种可能：知识库自己管理自己？
市面上的主流工具，路子就两条，各有各的坑。
一条是向量检索。把每份文档切成小段，做语义匹配。优点是省事，缺点是文件之间完全不连通。同一个客户出现在合同 A 和报告 B 里，系统根本不认识，跨文件查资料全靠人工手动翻找。
另一条是固定图谱。实体、关系都靠人一笔一笔标进去，精度高，但维护成本更高。业务迭代快的团队，每周都要花大量人力去补节点、建新边，一不留神就滞后。知识断层一旦出现，AI 给出来的东西就少胳膊少腿。
说白了，两类工具都缺一个能力 —— 自己长大、自己更新的能力。 知识库建完的那天，就是它开始变旧的那天。
你以为它只是笔记本，其实能读资料、跑数据——Gemini Notebook来了
Google出品，把PDF、网页、表格和视频丢进去，不仅能读，还能总结、对比、画图、出成品
7月16日，Google正式把NotebookLM更名为Gemini Notebook。
名字像是换了块门牌，真正的升级却在后厨：部分付费用户已经能让它在安全云端环境中运行代码，资料分析从“帮你看懂”进化到“帮你算完”。
之前我们聊过桌面智能体、聊过文件生成工具，各有各的擅长。但Gemini Notebook切入的是另一个场景——你不是要它凭空编东西，而是要它先把你喂的材料吃透，再替你干活。
一句话概括新能力：把PDF、网页、表格和视频丢进去，Gemini Notebook不只帮你读，还能围绕原始资料做总结、对比、画图表、导出成品文件。
第一步，建一本笔记。登录Gemini Notebook，新建项目，把PDF、Word、PPT、CSV、网页链接、YouTube视频或录音一次性丢进去。每个项目独立管理，资料不会在不同笔记之间乱串。
第二步，直接说人话。 别只问“总结一下”，试试这样下任务：“对比三份报告的共同结论和冲突点，每条都标出来源”“把这张CSV按月份分析，找出异常波动并解释原因”。回答会附资料引用，方便你回到原文核对。
第三步，到Studio里收成品。 你可以生成简报、思维导图、测验、音频解读、数据表或演示文稿。已开放云端计算能力的账号，还能让它运行代码、画图表、导出Excel、PPT、Word等文件。
备课做课件：上传教材、政策文件和几篇论文，让它先列知识框架，再生成课堂提问、随堂测验和讲解提纲。以前资料在文件夹里“各过各的”，现在终于肯坐下来开会了。
项目复盘：放入周报、会议纪要和数据表，要求它找出目标偏差、关键原因和下周行动。数据多时，再让它画趋势图，省掉手动筛表和拼结论。
快速吃透新领域：把行业报告、公开课视频和访谈录音放进一本笔记，先听音频概览，再沿着引用追问。适合调研、考试复习，也适合临时接到一个完全陌生的项目。
改名不等于所有新功能同时到账。云端运行代码目前优先面向Google AI Ultra和部分Workspace商业用户，未来几周逐步覆盖Pro网页用户。普通用户仍可使用资料上传、基于来源问答和Studio内容生成功能。
AI回答有引用也不代表绝对正确，正式材料仍要回原文复核。上传内部资料前，确认好账号权限和分享范围。
最后聊两句
市面上AI工具分两类：一类帮你“凭空造”，一类帮你“从材料里挖”。Gemini Notebook稳稳站在后者。
它不是让你跟AI闲聊，而是让你把资料扔进去、下命令、然后拿走成果。之前我们聊的桌面智能体是帮你操控电脑完成多步骤操作；腾讯元宝是一句话生成PPT和表格；百度秒哒是零代码搭应用。Gemini Notebook做的事不一样——它解决的是“围绕一堆资料深挖、追问、出成果”这件事。
改名只是开始。Gemini Notebook最值得关注的，是“资料库”开始长出真正的执行能力——从“读懂”到“算完”，Google把它塞进了一本笔记本里。**你最想把哪一堆资料塞进Gemini Notebook？评论区聊聊，我帮你把第一条指令写好。
美团出品，1.6万亿参数MoE架构，MIT协议免费商用，纯国产算力训练
往期我们聊的Coze 3.0、百度秒哒，都是面向普通用户的上层应用工具。本周换个视角——AI行业迎来一个底层技术里程碑事件。
7月6日，美团LongCat-2.0正式开源，国内首款全程依托国产算力集群完成训练、推理的万亿参数混合专家大模型。对企业私有化部署、开发者二次开发具备极高价值。
总参数1.6万亿，MoE混合专家架构，单Token动态激活480亿参数，原生支持百万字超长上下文读取。
6月底完成技术发布，本周正式开放完整权重、推理代码、微调工具。采用MIT开源协议，不限企业商用。华为昇腾、摩尔线程、沐曦等国产芯片同步完成适配，普通高配服务器也能本地离线部署。
最大亮点：依托五万卡国产算力集群完成全流程训练，彻底摆脱对海外高端算力的依赖，补齐国产大模型自主化的核心短板。
全链路国产算力，数据不出境
从训练芯片到推理引擎全部国产化，数据全程本地运行不上传云端。企业内部源码、项目档案、涉密资料可以放心处理，政企和研发团队的落地门槛大幅降低。
长文本+工程代码能力突出
一次性完整解析整套项目文档、数十份行业报告，代码漏洞排查、批量工程重构、脚本生成准确率大幅优化。针对多步骤智能体任务做了专项调优，长链路工作逻辑连贯性更强。
完全免费开源，部署成本低
模型和推理框架无商用限制，不用持续付云端API费用。配套轻量化压缩方案，中小团队不需要高额算力投入，就能搭建专属私有大模型底座。
企业研发内部知识库：批量解析项目源码、历史方案、行业档案，搭私有问答系统，自动迭代文件、排查代码问题，内部数据本地留存。
海量资料批量复盘分析：一次性读取长篇台账、行业调研资料，自动提取核心数据、生成对比报告，适合大批量档案归档和周期性业务复盘。
开发者低成本二次开发：基于开源底座定制行业专用AI、本地文档处理智能体，不用从零训练大模型，大幅缩短自研周期。
去美团开源仓库、ModelScope或HuggingFace下载完整模型包和推理脚本。在国产算力服务器或高配主机上部署，官方提供了轻量化启动工具。本地离线上传文档和代码直接下发指令，支持百万字批量解析。开发者可以基于源码微调，打造适配自身行业的定制化模型。
本周最新开源的重磅技术产品，填补了国产万亿大模型自主训练的空白。开源商用无限制，本地私有化部署方案成熟，隐私和合规优势明显。长文本、代码、多步骤任务表现领先。多品牌国产芯片同步适配，硬件选择灵活。
定位精准面向企业级私有化部署，原生交互以开发者工具为主，技术团队可直接调用API或命令行高效集成；普通个人用户可关注社区后续推出的轻量封装版本。
写在最后
最近AI产品大多扎堆做个人办公和轻量化应用，底层自主可控的开源大模型新品确实稀缺。本周开源的美团LongCat-2.0，兼顾国产算力自主、免费商用、离线本地运行三大核心优势。
对于有大批量资料梳理、项目研发、私有数据处理需求的企业和开发者，这款模型有长期实用价值——不用持续订阅云端服务，本地运行也能保障内部资料安全。
你是企业技术负责人还是独立开发者？评论区聊聊，帮你看看LongCat适不适合你的场景。
腾讯出品，295B参数新模型，文件生成功能个人永久免费
往期我们聊过团队协同的Coze 3.0、零代码搭应用的百度秒哒，都是各自赛道的实用选手。本周迎来7月首个重磅大模型更新——腾讯混元Hy3正式发布，同步打通元宝全端产品，免费开放Agent任务能力。
一句话概括这次更新的核心价值：不用切换多款工具，一句话自动生成PPT、Excel、PDF等完整办公文件，全程免费。
7月6日，腾讯正式发布新一代混合专家大模型混元Hy3，295B总参数、21B动态激活参数，靠快慢双思考架构大幅降低模型幻觉、提升多步骤任务稳定性。
对比前代，常识错误率减半，文本幻觉率下降超50%，工具调用和长链路任务规划能力跨越式升级。
发布当天，腾讯元宝全端同步接入Hy3底座，上线全新免费Agent功能——不用额外开通权限，切换模型就能直接用。
文件一站式交付，全流程自动闭环
普通AI只输出文字，Hy3驱动下的元宝Agent能自主拆解需求，自动完成素材搜集、数据整理、排版制作，直接交付可下载的成品文件。
日常办公一句指令搞定整套活：制作市场分析PPT、输出数据统计Excel、生成旅行攻略PDF、搭建互动教学HTML页面。不用手动复制粘贴、不用二次排版，多轮对话还能反复调整版式和内容。
免费+轻量，上手零门槛
不用下载独立客户端、不用搭建工作流、不用调提示词。打开腾讯元宝，切换「Hy3深度思考」模式就能触发任务智能体，全部文件生成功能个人永久免费。
API同步降价，输入Token低至1元/百万，中小企业批量接入成本也很低。
职场办公：自动生成工作汇报PPT、数据复盘表格、项目方案Word文档，省去排版制图汇总的大量时间。
内容创作与规划：撰写完整调研报告、一键生成多日出行攻略PDF，自动整合路线预算景点信息。教学素材：快速搭课堂互动小游戏、知识点自测工具、习题汇总文档，几分钟成型。
打开腾讯元宝APP或网页端，更新到最新版本。模型选择栏切到「Hy3深度思考」模式，直接完整描述需求、注明要什么格式——比如“帮我做一份Q2市场分析PPT，10页左右”——AI自动执行全流程任务。生成完一键下载，不满意就继续对话调整。
本周最新上线的模型能力，轻量化办公智能体免费开放，无额外付费门槛。幻觉控制和多步骤任务稳定性大幅优化，成品文件完整度高。依托元宝原生客户端，无需额外软件，手机电脑随时随地可用。API低价开放，企业和个人开发者都能低成本接入。
近期AI赛道不少产品扎堆卷电脑自动操控，上手门槛偏高，普通用户用不太上。而腾讯混元Hy3+元宝Agent的组合，精准瞄准大众高频办公需求——把完整文件生成能力免费下放，不用复杂配置，不用额外软件，一句话产出可直接用的成品资料。
经常写汇报、做表格、整理方案的，可以直接打开元宝免费体验，省下大把重复性文书时间。
你最想让元宝帮你生成什么文件？评论区聊聊，我帮你试试能不能做。
深夜向 AI 咨询出行路线，它条理清晰给出换乘方案，附带精准首末班时间。等到第二天到站，才发现这条线路早已停运三个月。
写作业查史料，AI 颠倒朝代更迭，还凭空捏造论文出处；职场写报告，AI 填充的行业数据、客户案例全部无中生有。
AI 不是刻意撒谎，这个普遍现象，行业有个专业名词：AI 幻觉。
相关调研显示，42.2% 的用户反馈使用 AI 时最头疼的问题就是信息失真。
它最迷惑人的一点是 “一本正经造假”：行文流畅、逻辑闭环，甚至虚构期刊、学者、行业报告，普通人很难一眼分辨。
ChatGPT、DeepSeek 这类大语言模型，本质是概率文字接龙工具。它学习海量文本，只计算 “哪个词紧随其后概率最高”，核心目标是生成通顺句子，而非保证内容真实。
当模型遇到训练库里不存在、记忆模糊的知识点，为了保证语句连贯，就会自主编造信息填补空白。
举个例子：现实不存在《三体 Ⅳ》，如果你询问它的作者，AI 依旧会编造人名、故事梗概。对它而言，完整输出优先，事实对错不在第一优先级。
简言之：幻觉不是程序 bug，是大模型天生的底层机制缺陷，但我们有多种实用方法降低幻觉概率。
宽泛提问极易催生编造。
反面示例：介绍李白
正面规范提问：依据《新唐书・李白传》原文，梳理李白出生年份、仕途经历与代表作，每条内容标注史料来源。
选购手机同理：
宽泛版：推荐拍照手机
严谨版：2025 年发布、预算 3000-4000 元安卓机型，侧重夜景拍摄，罗列三款并客观对比硬件优缺点。约束范围、限定依据、要求标注来源，大幅压缩 AI 编造空间。
把 AI 看作实习生，而非行业专家。
适合交给 AI：搭建框架、撰写初稿、发散思路、整理素材；
必须人工把关：全部核心数据、引用文献、政策原文、商业案例。
凡是 AI 输出数据、研究、文献、政策，立刻追问出处：这份研究发布期刊、作者、发表年份？
自带联网检索、引用标注的模型优先使用，有原文链接可一键核验。
如果 AI 含糊回避、不断编造新线索，直接判定该段落存疑，需要自行查证。
拿到回答后追加提示：站在事实核查角度，自查本段所有内容，标出存在失真、无法考证的内容。
AI 切换质检视角后，能主动暴露一部分逻辑与事实漏洞，虽不能完全杜绝错误，但可以快速定位高风险段落。
同一个问题分别使用豆包、DeepSeek、GPT 等不同模型作答。
多份答案高度重合，内容可信度更高；各执一词、信息冲突，代表模型都在依靠概率猜测，须核实资料。
很多科研人员整理文献时，会用双模型输出摘要，对比差异，快速找出 AI 编造内容。
短期之内，AI幻觉还不会消失。但这不意味着只能被动踩坑。普通用户完全可以通过一套简单的习惯，把被“忽悠”的风险降到最低。
不妨把AI当作一个脑子快、但偶尔会信口开河的灵感搭档，只需要记住两个动作：关键信息随手溯源，重要结论交叉核对。凡是涉及具体数据、人名、政策、时间的内容，多问一句“这个说法从哪来的”，再跟权威信源或另一个AI的答案对一下，很多幻觉自然就现了原形。
说到底，工具越强大，使用它的人就越需要清醒。
微信小微、支付宝阿宝双双开启内测，零下载零注册，即用即走
前几期我们聊的都是桌面端智能体、独立AI应用，多少都要走一遍“下载→安装→注册→登录”的流程。本期换个视角——你每天已经打开的APP里，自己长出AI了。
6月中下旬，微信「小微」和支付宝「阿宝」先后启动内测。两款产品逻辑一致：不新增APP，不重新注册，原生嵌入，随手唤起。下面直接讲清楚它们是什么、能干什么、怎么用。
微信·小微（6月20日小范围灰度内测）
基于微信自研WeLM大模型，无需下载新程序，更新微信最新版本后，有内测资格的用户点击首页左上角图标或右滑即可唤起。深度打通聊天、文件、收藏、公众号、小程序整套微信生态——能看群聊、能读文件、能调小程序，主打社交办公一体化。
支付宝·阿宝（6月16日邀请制内测）
支付宝史上最大交互改版，右滑切换AI专属界面，重构了原本繁杂的菜单栏逻辑。依托支付、理财、生活服务底层体系，聚焦收支管理、便民办事、生活规划——查账单、缴水电、找充电桩，一句话直达。
零下载零注册，即用即走
不用反复安装、登录多款AI软件，随手唤起处理临时事务，操作链路大幅缩短。
深度打通原生生态，数据流转更顺畅
小微可以直接读群聊内容、总结长文档、梳理收藏文章、一键调起小程序；阿宝能自动解析个人账单、归集资产明细、直达政务生活服务。不用手动上传文件，效率碾压外部通用AI。
隐私权限可控，敏感信息不上传
聊天记录、收支流水均设独立授权开关，你可以自主决定AI读取范围。转账、付款等资金操作必须本人二次确认，杜绝风险。
不用学提示词，说人话就行
不要求用户学什么提示词工程、搭建工作流，口语化下指令就能完成操作。普通用户上手几乎没有门槛。
办公协同：自动整理群聊会议纪要、提炼通知重点、改写正式文案
资料处理：总结公众号长文、解读转发来的PDF、检索历史聊天文件
社交辅助：写朋友圈文案、定制节日问候、优化沟通话术
便捷办事：一句话打车、点餐、挂号，自动跳转小程序完成预约
支付宝·阿宝的擅长场景
收支统筹：月度开销分类统计、生成消费分析报告、梳理还款定投计划
便民业务：一键查社保公积金、缴水电费、预约寄件、找充电桩
理财科普：通俗解读理财产品、梳理资产配置思路、解答基础理财疑问
账单管理：快速筛选历史收支、对账整理、开具电子凭证
微信小微：升级微信到最新版本，有内测资格的直接滑动或点击图标唤醒，按需开启数据读取权限即可对话使用。暂时没入口的，等后续分批推送。
支付宝阿宝：更新支付宝新版，输入官方邀请码获取内测资格，右滑切换AI界面，按需开放账单和定位权限后下发指令。资金操作全程需本人确认。
两款助手都可以随时关闭授权、清空对话记录，隐私边界你自己说了算。
赛道新颖，避开桌面智能体的同质化内卷，内嵌原生AI是目前行业最新方向。依托十亿级用户APP，普及潜力大，轻量化高频体验流畅。深度匹配社交、支付独有场景，实用性强于通用AI。大厂原生安全体系完善，敏感数据权限可控。
前一阵AI产品扎堆卷客户端自动化、电脑操控能力，同质化越来越明显。而微信小微和支付宝阿宝的内测，标志着一个新拐点：AI不再是需要主动下载的独立工具，而是嵌入日常高频软件、随取随用的基础能力。
对于绝大多数普通用户来说，不必堆砌各种
AI软件。每天必开的微信和支付宝里，已经能搞定文案整理、资料归纳、收支规划、便民办事这些高频琐事。随着内测范围持续放开，内嵌式AI很可能成为最普及的AI使用形态。
你拿到小微或阿宝的内测资格了吗？评论区聊聊体验。
百度出品，基于文心大模型，一句话生成AI应用，个人免费试用
上一期我们聊了团队协同的Coze 3.0，很好用的工具。但不少读者后台留言说：工具是好用，但我想做一个专属于自己的小AI程序，还是得懂代码、配环境，门槛太高了。
今天聊的这款——百度秒哒，刚好补上这个缺口。
一句话介绍它：零代码搭建AI应用平台，你说需求，它帮你把应用做出来。
不管是自用的小工具、内部知识库问答机器人，还是轻量自动化流程，输入需求描述，平台自动完成逻辑搭建、功能调试、页面生成。简单应用3分钟成型，复杂场景一小时搞定。
你可以搭建一个文档梳理机器人，定向读取你电脑里的资料，一问一答精准检索内容；也能做个文案润色、表格处理、摘要总结的小工具，不用反复切换不同AI网页，打开自己的应用就能干活。
把部门制度、项目资料、培训文档批量导入，搭一个专属问答机器人。同事有问题直接问，不用翻文件夹、不用重复答疑。资料权限自己掌控，方便又安全。
数据统计、信息汇总、表单整理、内容排版……这些重复活儿都能做成自动化小程序。设置好固定逻辑后，一键触发批量处理，省下大把时间。
打开秒哒官网，百度账号一键登录，免费额度自动开通。
在创建页面直接用大白话描述你想要的功能——比如“我想做一个能回答公司请假制度的问答机器人”，平台自动拆解逻辑、生成应用框架。
按需上传参考资料、调整问答规则、设置访问权限，简单预览测试后就能发布。
生成后的应用支持网页分享、内部链接分发，也能嵌入常用办公页面。
优点很明显：零代码门槛极低，没有编程基础的人也能上手。文心大模型加持，中文语义理解和长文档处理能力靠谱，知识库问答准确率稳定。权限体系完善，可以灵活设置公开或内部访问。后期修改功能、补充资料，直接编辑描述就能更新，不用重新搭。
不足之处也有：复杂多步骤联动的应用，自动生成的逻辑偶尔有疏漏，需要手动微调。免费版有调用次数上限，高频大规模商用得升级套餐。第三方系统深度对接能力有限，更适合轻量自用和内部小场景。
传统开发：你需要懂编程语言、写函数逻辑、调API接口、处理报错、部署上线——一句话概括，得会写代码。
秒哒：你只需要说“我想做一个内部资料问答机器人”，它自动把应用逻辑搭好、页面生成好、功能跑通——一句话概括，只需要会说人话。
简单类比：以前是自己动手炒菜，从切菜到颠勺样样精通才能吃上饭；现在是你说“我想吃辣的”，厨房自动给你端出来一盆水煮鱼。前提是你得描述得清楚，剩下的事儿它办。不过如果是开连锁餐厅级别的需求，该请厨师还是得请。
AI工具早就不是大厂和技术人员的专属了。从使用现成工具，到按需打造自己的AI应用，正在变成新趋势。
百度秒哒把开发门槛降到几乎为零，你不用懂代码，就能根据自身工作痛点定制专属助手。小需求用免费版就够用，真正借助AI把重复活简化，把精力留给正事。
你最想做一个什么样的AI应用？评论区说说需求，我帮你想想能不能用秒哒实现。
深夜 emo 了，打开大模型，噼里啪啦打了五百字，把从小到大的委屈全倒给它。它回复你：“我理解你的感受，这确实很不容易。”
你心里一暖 —— 哇，它懂我。
别感动了。
我帮你翻译一下它脑子里真正在想什么：“第 1 个 Token、第 2 个 Token、…… 第500 个 —— 好的，现在该预测第 501 个 Token 了。”是不是瞬间下头？
今天我们就来扒一扒，这个让 AI “假装共情” 的幕后黑手 ——Token。
我们看到 “苹果” 两个字，大脑直接反应：红色的、圆圆的、能吃、嘎嘣脆。
大模型看 “苹果” 呢？它看到的是两个 Token：[24522] 和 [18432]—— 对，就是一串数字。
Token 可以粗暴地理解为：AI 能消化掉的最小的文字单位。有人把它翻译成 “词元” 或者 “标记”，中文里，一个字基本上就是一个 Token。“我爱你”—— 三个 Token。英文里不一样。“apple” 是一个 Token，“watermelon” 可能被切成 “water” 和 “melon”两个 Token。
所以你看，AI 认字的方式跟人完全不一样。
AI 怎么决定把一句话切成多少个 Token？
它有一本 “密码本”，学名叫 Tokenizer。这个东西就像餐厅后厨的 “切菜师傅”：“你好世界” → 切三刀 → [你，好，世界] → 3 个 Token。
更有意思的是，同一个词在不同的语境下，可能被切成不同的样子。
比如 “看不懂”：正常切：[看，不，懂] → 3 个 Token，但如果 Tokenizer 的训练数据里 “看不懂” 是一个常见搭配，它可能直接变成一个 Token。
这就是为什么大模型有时候 “犯傻”—— 切菜师傅切歪了。
比如你问：“苹果手机和苹果哪个好吃？”AI 可能会懵。因为在它脑子里，“苹果” 这个 Token 有时候指向水果，有时候指向品牌。它得靠周围的 Token 来猜 —— 你前面说的是 “手机”，那这个 “苹果” 大概率是品牌。
所以，AI 根本不是 “理解” 了你的话，它只是在玩一个巨大的猜词游戏。
你用 大模型 的时候，是按 Token 收费的。
输入 Token：便宜一点
输出 Token：贵一点
你的一篇两千字的文章，大概 2500 个 Token，差不多人民币一毛多。听起来不贵是吧？但大模型每天要处理几十亿次请求，这个账单是天文数字。所以免费的大模型有字数限制、速度限制 —— 不是它不想快，是Token太贵了。
你的每一次 “你好”，在它眼里都是：1 个 Token 到账。
回到开头的那个问题。
AI 真的能共情吗？
不能。
它只是在你的五百字里，看到了五百个 Token。然后根据这些 Token 的排列组合，预测出最有可能的下一个 Token——“我理解你的感受”。
这不是共情，这是概率。大模型的 “阅读理解”，本质上就是 Token 的排列组合。它不知道 “难过” 是什么意思，但它的训练数据里有 几亿次 “当用户说难过，后面通常会接安慰的话”。于是它就那么回了。
知道了 Token 的秘密，你再跟 AI 聊天的时候，可以做两件事：
因为 Tokenizer 切词的逻辑有时候很蠢。如果你发现 AI 答非所问，试试把长句子拆成短句子。就像跟外国人说话，语速慢一点、单词简单一点。
它真的不是懂你。
它只是 —— 在 Token 的海洋里，为你预测了下一个最温暖的词。
下次再跟 大模型 聊到深夜，看到它说出那句 “我理解你” 的时候 ——你可以在心里默默翻译一下：“第 1 个 Token、第 2 个 Token…。”
它是大模型世界的 “最小积木”，是大模型的 “金钱”。
它让 AI 变聪明，也让 AI 显得蠢。
但最重要的是，它提醒我们一件事：
AI 没有灵魂。它只是一台极其擅长排列组合的概率机器。
至于 “灵魂” 这东西 —— 还是留给人类自己吧。
Hermes Desktop：一个让你从此“懒得亲自操作”的桌面智能体
开源免费、有记忆、能跨系统干活——关键是，真的很好用
各位被重复工作逼疯的小伙伴，今天聊一个开源桌面智能体——Hermes Desktop。
试用几天后，我决定把它装进主力电脑。这篇只讲怎么用：怎么让它干活、在哪儿薅它、有哪些注意事项。包教包会。
第一步：装好它
官网搜 Hermes Desktop，下载对应系统（Win/Mac/Linux 都行）。装完打开，看到一个聊天框——别慌，它不是普通聊天机器人。
第二步：告诉它需求
用你跟同事说话的方式打字就行。例如：
“帮我把桌面这个文件夹里所有 PDF 摘要提取出来，做成 Markdown 表格”
“每天下午五点检查服务器 CPU，超80%就发邮件给我”
就当它是一个手速极快、但需要你交代清楚的实习生。
第三步：看着它干活
它会自己拆解任务、分步执行，做完告诉你结果。出错会尝试换方案，实在不行会停下来问你。
隐藏技能：长效记忆
它记住你让它做过的事。下次你说“再做一次”，它直接开干，不用重新教。适合每周都要跑的重复活。
收费吗？ 公测基础功能全免费，高阶沙箱才收费。
· 文献整理：对它说“监听‘待读文献’文件夹，新 PDF 自动提取标题、作者、摘要，添加到‘文献台账.md’。”每下载一篇，它自动记一笔。
· 定时跑脚本：“每晚10点，SSH 连测试服务器，运行 check_logs.sh，结果发我邮箱。”它自己连、跑、发，你安心睡觉。
· 爬网页：“打开这个网址，把页面上所有文章标题和链接爬下来，存到 Excel。”不用写一行代码。
· 整会议纪要：“把‘会议录音.txt’整理成结构化纪要，按‘议题-结论-待办’输出。”它归纳好，你复制粘贴。
当然，以上只是几个例子。它还能做批量文件重命名、格式转换、数据清洗、自动发消息……你想到的桌面自动化操作，它基本都能干。大模型内置的能力可不止四个，别被固定思维框住。
说实话，再好的工具也有脾气。但千万别因为我写了几条注意事项就觉得它雷点多——恰恰相反，Hermes Desktop 是我见过最牛逼的开源桌面智能体之一，免费、有记忆、能跨系统干活，市面上很难找到第二个。只是为了让你们用得爽不翻车，该提醒的还是得提醒：
默认情况下它会把会话记忆存到云端，所以涉密数据、源码、密码建议去设置里改成本地离线模式（但离线后不能联网爬虫）。它只认标准 SSH 和容器接口，老旧闭源系统别指望它操作，更不要让它无人值守改生产环境。长期记忆会占硬盘，记得每季度手动清理一下历史会话。另外，它自动生成的脚本没有经过安全审计，建议你先看一眼、改一改再跑，尤其是删文件改配置的命令。
只要注意这几点，剩下的就交给它去卷吧。
Hermes Desktop 是开源圈少有的免费、有记忆、能跨系统干活的桌面智能体。整理文献、跑脚本、爬网页、整纪要——它能干的活比你想象的多得多。
别被几个小提醒劝退，它真的很牛逼。你只管动嘴，它替你动手。
你最想让它替你干什么？评论区告诉我。
华为，给全球半导体写下了新序章。
过去半个世纪，芯片行业只有一条路：把晶体管越做越小。从微米到纳米，从 28nm 到 3nm，一场 “针尖上跳舞” 的竞赛，越跑越吃力。3nm 之后是 2nm，2nm 之后逼近 1nm，物理极限近在眼前。更严峻的是，先进制程的产线成本动辄数百亿美元，连行业巨头也难以承受。
就在全球陷入瓶颈之际，华为在上海抛出了改写行业的重磅答案 ——韬（τ）定律。
2026 年 5 月 25 日，ISCAS 2026 国际会议现场，华为半导体业务总裁何庭波正式发布韬定律。这是中国首次提出指导全球半导体演进的原创理论。不再跟随，不再模仿，而是站在产业前沿，重新出题。
韬定律的核心，是时间缩微。
传统路径是 “几何缩微”：拼命缩小晶体管，在面积里堆密度。韬定律另辟蹊径：不把器件做小，而是让信号跑得更快。物理学中，τ 代表时间常数，衡量系统信号传输的基础耗时。韬定律的思路，就是系统性压缩时间常数，让芯片内部信号以更高效率流转。
一句话：从拼 “更小”，转向拼 “更快”。
传统芯片像一座二维城市，晶体管平铺在平面上，信号跨区传输路径长、延迟高、损耗大。华为的逻辑折叠技术，直接把这座城市从平面 “折成高楼”。同一模块内部的逻辑单元，从平铺分布，变成垂直多层堆叠。原本相隔遥远的电路，变成上下紧邻，信号直达、路径骤减、延迟大幅压缩。
很多人会问：这不就是 3D 堆叠？
完全不同。
普通 3D 堆叠是 “成品模块摞起来”；华为逻辑折叠是在设计之初，把最基础的标准单元打散、重构、分层、重砌。别人是 “搭积木”，华为是 “盖新楼”。结果就是：传输距离缩短、寄生效应骤降、速度更快、功耗更低。
韬定律不是纸面理论，而是已经量产的成熟路径。何庭波披露：过去六年，基于韬定律思路，华为已量产 381 款芯片，覆盖多品类、全场景。首个面向消费端的重磅落地，就是2026 秋季发布的麒麟 2026，逻辑折叠技术首次商用，数据亮眼：
晶体管密度：+53.5%（155→238 MTr/mm²）
P 核能效：+41%
峰值频率：+12.7%（3.1GHz）
SRAM 频率：+40% 以上
时钟缓冲器：减少 50% 以上
关键突破：所有提升，不依赖先进光刻工艺。换句话说，华为用架构创新，绕过物理极限，用成熟工艺跑出先进性能。
摩尔定律主导半个世纪，全球产业被 “先进制程” 单一赛道绑定，技术、设备、成本三重壁垒，垄断固化。韬定律的意义，远超一家企业、一款芯片：它为后摩尔时代开辟了全新赛道。
核心逻辑很简单：
不用死磕纳米，成熟工艺也能做出高性能；
不拼极致制程，拼架构、效率、系统优化。这正是任正非所提：以数学补物理、非摩尔补摩尔、群计算补单芯片。
韬定律，就是这句话的落地答案。对全球行业而言，垄断格局被撕开缺口；对中国半导体而言，从追赶者，变成规则定义者。
麒麟 2026 只是起点，采用的仍是局部关键路径折叠、混合键合间距 1.5 微米。下一步路线清晰：
2027：麒麟芯片进入Silicon状态，折叠技术全面成熟；
2031：晶体管密度目标 400+ MTr/mm²，等效 1.4nm 制程；
2035：逻辑折叠走向全规模、多层堆叠，昇腾 AI 芯片集成度提升 100 倍以上。
未来十年，芯片将从平面走向立体，从单层走向多层，性能提升不再依赖制程跃进。
摩尔定律正在落幕，不是努力不够，而是物理规律使然。但落幕不等于终结。
华为用韬定律证明：路不止一条，答案不止一种。
它不仅是芯片行业的续命方案，更是中国半导体的破局宣言 ——我们不再跟着别人的规则跑，我们自己定义未来。2026 年秋，麒麟 2026，答案揭晓。
关注普开数据