Shiela 的个人博客 http://preview.tangly1024.com/ 我是Zhang Xian, 这里是我创造的花园 Fri, 17 Jul 2026 03:22:42 GMT https://validator.w3.org/feed/docs/rss2.html https://github.com/jpmonette/feed en-US All rights reserved 2026, ZhangXian <![CDATA[智能体协作平台Multica：让AI Agent真正成为团队成员]]> http://preview.tangly1024.com/article/39ffb6c5-328d-80d5-b8b6-c3188ce3d95f http://preview.tangly1024.com/article/39ffb6c5-328d-80d5-b8b6-c3188ce3d95f Mon, 01 Jun 2026 00:00:00 GMT

写在前面

过去一年，团队里大家陆陆续续都用上了 opencode，claudecode这一类 AI 编码工具。"用 skill 提效"也成了我常听到的一句话。但这些工具基本都还停留在"个人助手"层面——你打开终端、给一段 prompt、等它输出，过程大部分发生在自己的小窗口里。
我一直在思考，如何在团队层面做到AI赋能，如何打造一个真正的智能体平台。最近开始试用 Multica，我才第一次看到一个稍微不一样的形态：它把"AI Agent"从"我桌面上的一个终端"搬到了"团队工作区里的一个成员"。你可以给它派工单（Issue）、看它干活、跟它对话、验收它交付的成果，所有人共享同一份上下文。这篇文章是我第一次完整试用记录，从本地部署到让一个 Agent 自主完成一个 Issue，按真实操作顺序记录下来。看完你应该能判断：这个东西到底能不能用在你的项目里。

什么是 Multica

Multica 把自己定位为"开源的 AI 编码智能体协作平台"。官网首页直接写了一行大字——你的下一批员工不是人类。
notion image
它要解决的核心问题，是把"用 AI 编码"从单兵作战升级为团队协作：把任务分派给不同的 Agent、看它们各自推进到哪里、用 Skill 沉淀经验、让 Agent 之间也能互相引用上下文。下面这张官网示意图里，几个 Agent 正在围绕同一个 Issue 接力做事：研究 Agent 把访谈结论整理好，内容 Agent 引用它起草发布文，编码 Agent 写完导出功能后给"你"留了一条评论——
notion image
支撑这种协作的几个核心模块是：Issue（任务）、Agent（智能体）、Runtime（运行时，即真正干活的 AI 工具）、Skill（可复用的能力包）、项目（把相关 Issue 归档）。下面我会按真实操作顺序把每个模块都过一遍。

第一步：本地部署

Multica 在 GitHub 上开源，支持自托管。环境要求比较常规：Node.js、pnpm、Docker（用来跑 Postgres）。完整步骤如下：

1. 克隆代码并安装依赖

如果 Electron 下载失败（中国大陆网络常见情况），切换到镜像源后重试：

2. 配置环境变量

在项目根目录找到 .env.example 文件，复制一份改名为 .env。最关键的几项是：

3. 启动服务

用 Docker Compose 拉起后端依赖服务（主要是 Postgres）：
初始化数据库：
浏览器打开 http://localhost:3000/，看到 Multica 首页就说明服务跑起来了。

第二步：5 步引导建好工作区

首次进入 Multica，它会用一个 5 步引导帮你把工作区搭起来。整个引导做得比较克制，每一步都只问一个关键信息：
  1. 登录与基础信息
  1. 选择角色：工程师/开发者、产品经理、设计师、创始人/高管、市场/增长、写作/内容、研究员/分析师、运营/项目管理、学生/个人使用、其他。可以跳过。
  1. 选择用途：让 AI 写代码、给团队做任务管理、管理我自己的任务、计划/头脑风暴/调研、写作/编辑/发布、自动化日常运营、先逛逛看看、其他。
  1. 给工作区起个名字：决定 Issue 编号前缀，例如 WS-123，后续可在设置中改。
  1. 连接一台电脑：先临时跳过也行，我们下一步专门讲。
第 2、3 步的引导页长这样——
notion image
notion image
第 4 步是给工作区起名字。下方这张图能看出 Multica 在这一步已经把"工作区里到底有什么"给用户讲清楚了——Issues、智能体、项目、自动化、运行时、Skill……这一长串名词是产品理念的浓缩：
notion image
第 5 步会让你连一台电脑（这一步选了"暂时跳过"也行）：
notion image
跳过所有引导后，你会进入工作区主界面。一个最关键的认知是：Multica 采用"管理端 + 执行端"分离的架构。你现在打开的网页是"管理端"，负责任务看板和派发；真正的编码动作发生在已经接入 Multica 的物理电脑上。下图就是空工作区的主界面——左侧是导航（Issues / 项目 / 自动化 / 智能体 / 运行时 / Skills / 设置），右侧是空的 Issue 列表：
notion image

第三步：给平台接上算力

这是 Multica 里最关键、也最容易被忽视的一步：添加电脑和添加运行时。两个概念容易混：

添加电脑：把物理设备接进来

Multica 自己不提供算力。它更像一个调度中心，真正干活的还是你的笔记本、办公室的台式机或者一台云服务器。"添加电脑"就是把一台真实的机器注册到 Multica 平台，让它可以接收任务。
具体做法是在目标电脑上装一个 multica 命令行工具，然后启动一个守护进程（Daemon）。这个守护进程会持续和管理端通信——一旦启动成功，这台电脑就出现在"添加电脑"列表里，可以接活了。
Windows 系统上以管理员身份打开 PowerShell，跑这一行：
macOS / Linux 系统：
装完之后，平台会弹出一个引导弹窗，让你跑第二条命令把守护进程接上来：
notion image
在终端里执行：
第一次跑可能会因为本地 3000 端口的服务还没起来报"not reachable"，等 pnpm dev:web 完全就绪后再跑一次就行。终端里会先后看到浏览器认证、工作区查询、守护进程启动几段输出：
notion image
notion image
回到浏览器，稍等几秒就会弹出"电脑已连接"的成功提示：
notion image

添加运行时：声明电脑上能用什么 AI 工具

有了电脑（算力）还不够，还得告诉系统这台电脑上装了什么 AI 工具。这一步就是"添加运行时"。
守护进程启动后会自动扫描系统的 PATH 环境变量，识别已安装的 AI 编码工具（claude、codex、cursor-agent、opencode 等），并为每个工具自动创建一个运行时记录。你也可以在界面上手动新建一个自定义运行时，指定特定的命令或脚本。
下图是我的运行时管理页：sheilaDesktop 这台电脑已经在线，挂着 1 个名为 "Opencode（内置）" 的运行时：
notion image

电脑和运行时如何配合完成任务？

当你在 Multica 里把一个 Issue 派给某个 Agent 时（补充：issue的assign，不仅可以给Agent，也可以给到人类，人类offline完成任务，上去更新结果，也是可以的），平台内部其实走了 4 步：
  1. 找到 Agent：定位到你指定的那个 Agent（比如"前端开发专家"）。
  1. 匹配 Runtime：这个 Agent 关联到某个 Runtime，Runtime 指明要用哪个 AI 工具（如 opencode）。
  1. 定位 Computer：这个 Runtime 属于哪台已接入的电脑。
  1. 执行任务：任务被派发到那台电脑，用指定的 AI 工具执行。
所以你每次在 Multica 里看到"卡"或"等待"，基本都是它正在和这些本地的守护进程通信、派发任务、同步状态。

第四步：给智能体配 Skill

光有 Agent 还不够，得让它具备具体能力。Skill 就是 Multica 里"可复用的能力包"——你可以把它理解成 Agent 接到 Issue 时可以调用的"标准作业流程"。
Multica 提供了三种创建/导入 Skill 的方式：
notion image
  • 手动创建：从一份空白 SKILL.md 开始，自己写指令。
  • 从 URL 导入：从 ClawHub 或 Skills.sh 拉取已发布的 skill。
  • 从运行时复制：把本地运行时里已经装好的 skill 提升到工作区。
第三种方式我个人最常用——本地的 OpenCode、Claude Code 等工具里本来就有不少本地 skill，可以一键"提升"到工作区里让所有 Agent 共用：
notion image

第五步：创建你的第一个 Agent

有了运行时和 skill，就可以组装智能体了。点击"智能体 → 新建智能体"，需要填：
  • 名称：比如"前端开发助手""Jira 管理员"（这是我真用的一个）
  • 描述：一句话讲清楚这个 Agent 干什么
  • 可见性：Workspace（全员可派） 或 Personal（仅自己和管理员可派）
  • 运行时：选一台电脑上的某个 AI 工具
  • 模型：先选好 Runtime 才能选模型
  • 指令：写清楚这个 Agent 的工作规则和约束
  • Skills：从工作区里挑一些挂上
notion image

第六步：派一个 Issue 给 Agent

一切就绪，可以派活了。Multica 提供了两种派单方式：
  • 手动创建 Issue：你自己写清楚需求、关联到项目、派给某个 Agent
  • 通过智能体创建：直接和某个 Agent 对话，让它把对话内容转化成 Issue
我用的是第二种。我建了一个叫 "jira 管理" 的 Agent，派给它一句话："让 Jira 管理生成 OBAS 这个项目里的依赖报告"。平台把它直接转成了一个 Issue：
notion image

第七步：从 Issue 到完成：看板视图

Issue 创建后会自动出现在看板上，状态是"待办"。Multica 内置的看板有 6 列：待规划 / 待办 / 进行中 / 审核中 / 已完成 / 已阻塞。这基本就是敏捷开发里的标准状态流：
notion image
Agent 开始干活后，状态会自动推进。几分钟后我刷新，任务已经跑到"审核中"了：
notion image
点进 Issue 详情，能看到 Agent 自动产出的报告：它从 Jira Board 2664 拉了 OBAS 项目的所有 Dependency 类型 Issue，统计了源 Issue 总数、按状态分组、还标出了"29 个依赖项尚未关联到被依赖 Issue，11 个依赖状态为 Open，建议优先梳理"——一条自动化的分析建议：
notion image
最后我去评论区写了一句"已阅，可以关闭 issue"。Agent 识别到这是确认签收的回复，按照它自己预设的规则把状态从"审核中"推到"已完成"——一次都没多回：
notion image
notion image
从"派一句话"到"自动出报告"到"自动归档"，全程没打开 IDE，也没切到 Jira。整个过程在 Multica 看板上完整可追溯。
如果智能体执行任务有问题，你可以继续给他留言，就像在CLI窗口跟他对话一样，他就可以获取你的指令，执行任务。

作为项目经理的几点思考

作为长期和"多角色、多团队协作"打交道的人，我更关心的是 Multica 给项目管理本身带来了什么变化。下面这几条是我试用下来的真实感受。

1. 不同角色之间的协作有了载体

过去我们用本地 AI 工具提效，主要模式是"我让 AI 帮我写一份文档/一段代码"。这种用法的瓶颈在于：AI 的产出只有我自己看得到。一旦需要别人接手、评审、归档，AI 的产出就要靠"我手动转发"或"我手动复制"，过程中信息损耗很大。
Multica 的核心价值是给"AI 产出"加了一个团队可见的协作层。Agent 写出来的东西不再只在我的本地终端里，而是进入了一个共享的 Issue 上下文——谁派的、单据是什么、用哪个 Skill 写的、产出了什么、被谁验收、有没有进一步讨论，都留在 Issue 详情里。这才是真正意义上的"团队协作"：不是人类和 AI 协作，是人类、AI、人类在同一个工作流里协作。

2. 跨团队协作的可能性

现在的实践里，研发团队、产品团队、运营团队、数据团队往往用的是不同的协作工具——飞书、钉钉、Jira、Confluence、内部 Wiki——任务在不同系统之间来回搬运时几乎一定会有信息丢失。
Multica 提供了一个可以统一任务的"中心节点"：每个团队都可以把 Agent 派到同一个工作区。例如：
  • 数据团队的 Agent 写完一份指标报表，自动生成 Issue 通知产品和运营
  • 前端的 Agent 完成 UI 改动，自动建 Issue 通知 QA
  • 运营的 Agent 处理完一批用户反馈，自动建 Issue 让产品同学评审
这种"跨团队自动交接"如果用得起来，对项目管理的提效是巨大的。但坦率地说，目前 Multica 在多角色多任务的协同上还有不少想象空间——比如权限的精细化、跨工作区的 Agent 调度、不同 Agent 之间的依赖关系编排，都还比较早期。我比较期待看到一个更成熟的"团队级"使用模板。

3. Agent 的工作进度真正"可视化、可验收"

这是最戳我的一点：以前 AI 干活，对项目经理来说基本是"黑盒"。你让小王用 AI 写个东西，你只能等他做完才知道结果好不好，中间发生了什么、改了几版、踩了什么坑，你全看不到。
在 Multica 里，Agent 的工作过程是全程留在 Issue 详情里的——从"开始干"到"出了报告"到"用户确认"到"状态推进"，每一步都有时间戳、有产出物、有评论。这让 AI 第一次变得"可被项目经理验收"，而不是"用爱发电"。

4. 我希望 Multica 接下来补的一块：项目数据统计

Multica 现在做的是"任务级"的协作——单个 Issue 从派发到完成。但作为项目经理，我更关心的是项目级和团队级的视角：
  • 这个迭代里，Agent 一共完成了多少 Issue？
  • 不同 Agent 的"产能"和"通过率"分别是多少？
  • 每个项目下，AI 贡献和人类贡献的占比？
  • 本月用了多少 Token，摊到每个 Issue 的成本是多少？
  • 哪些类型的 Issue 适合派给 AI，哪些更适合人来？
这些数据现在要么散落在 Issue 评论里、要么只能在看板上数一数。如果 Multica 能补上项目数据统计这一块——提供一个 Dashboard 汇总 Agent 产能、成本、通过率、与人类协作占比——项目管理就会从"任务看板"升级为"AI 时代的全图景项目驾驶舱"。这是我认为目前最缺、也最值得加的功能。

结语

Multica 不是一个新 AI 模型，而是一个新的协作方式：它把"AI 帮你干活"这件事从个人工具升级成了团队工作流的一部分。从部署、引导、接入电脑、创建 Skill，到组装 Agent、派 Issue、看板跟进、验收归档，整套流程是闭环的，体验是连贯的。
作为第一次完整试用，我给出的判断是：它把"AI 工具时代"和"项目管理"真正拼到了一起，并且为"多角色、多团队、可视化"的协作指了一个具体方向。但平台还在早期——更复杂的协同、更精细的权限、更完整的项目数据指标——都需要时间和社区一起把它做出来。
如果你的项目里已经在用 Claude Code / Cursor 这一类工具、也在思考"怎么让 AI 产出和团队协作流程对齐"，Multica 值得花一个下午亲自跑一遍。本地部署的步骤在上面已经写得足够细，照着来就行。
📌 项目地址：github.com/multica-ai/multica
]]> <![CDATA[什么是智能座舱]]> http://preview.tangly1024.com/article/35efb6c5-328d-80c2-b25c-c50fba019157 http://preview.tangly1024.com/article/35efb6c5-328d-80c2-b25c-c50fba019157 Thu, 14 May 2026 00:00:00 GMT
什么是智能座舱？
智能座舱简单说就是把汽车座舱变成一个融合了人机交互、网联服务和场景拓展能力的智能移动空间。它不只是传统的驾驶区域，更像“第三生活空间”，能通过语音、手势、面部识别等多模态交互，提供安全、高效又愉悦的体验。比如你说“打开天窗放首歌”，系统能同时执行；泊车时360度全景影像帮你避开盲区；甚至支持亲子模式、会议模式这些场景化服务。核心是靠高算力芯片和先进软硬件，让车从“被动工具”变成“主动理解人”的伙伴。
从研发团队角度，智能座舱开发通常按“技术栈分层”和“功能域闭环”双维度划分模块。技术栈上，底层是硬件层，适配高通8295等芯片并开发传感器驱动；系统层基于QNX或Android Automotive OS构建实时系统；中间件层封装SOA原子服务，支持跨域调用；应用层开发导航、娱乐等上层应用；交互层设计多模态UI/UX。
功能域上，会拆分为座舱控制、视觉感知、智驾交互、娱乐导航、智能语音、系统应用六大模块，每个模块由全栈小团队负责从需求到落地的闭环，比如智能语音模块要整合大模型、本地交互和车控指令，同时保障300ms内的响应速度。这种分层加功能域的组合模式，既能保证技术复用，又能提升场景化功能的开发效率。
notion image
智能座舱6大功能模块 逐模块精细化拆解
（研发团队视角、分工清晰、每个模块：做什么、包含什么功能、对接谁、开发范围、不和底盘/动力ECU混在一起）
notion image
一、座舱控制模块
核心定位：管整车座舱内所有硬件控制、车身舒适类功能
包含业务
  • 空调系统：自动空调、分区温控、座椅通风加热、香氛、空气净化
  • 车身舒适：座椅调节、记忆座椅、后视镜调节、车窗、天窗、遮阳帘
  • 座舱环境：氛围灯、迎宾灯、门灯、车内灯光逻辑
  • 车辆基础设置：童锁、自动落锁、驻车设置、驾驶模式联动座舱适配
研发职责
  • 把零散的车身ECU、空调ECU、座椅ECU能力，封装成SOA原子服务
  • 做控制逻辑、状态同步、模式联动（比如运动模式自动变红氛围灯）
  • 对接：车身域ECU、SOA中间件、座舱UI前端、语音模块
一句话总结
车内所有能调、能控、能设置的舒适类功能，全归这个模块。 二、视觉感知模块
核心定位：座舱里所有摄像头、视觉算法、画面渲染都归它
包含业务
  • 车内感知：人脸识别、驾驶员监测DMS、乘客监测、疲劳驾驶、分心提醒
  • 车外视觉：360°全景影像、透明底盘、行车记录仪画面、泊车环视
  • 显示渲染：HUD抬头显示画质调校、大屏多画面分屏、后视流媒体后视镜
  • 视觉AI：手势识别、视线追踪、车内活体检测
研发职责
  • 摄像头驱动接入、图像拼接、畸变矫正、画面降噪
  • 对接视觉算法模型、输出标准化感知结果
  • 给中控/仪表/HUD提供可渲染的视频流和识别结果
一句话总结
所有摄像头、画面、AI视觉识别，都是这个模块负责。 三、智驾交互模块
核心定位：智能驾驶 和 座舱之间的翻译官、展示层、交互层 注意：不做自动驾驶算法本身，只做「座舱端怎么展示、怎么提醒、怎么交互」 包含业务
  • 智驾状态展示：ACC、LCC、NOA、领航辅助的仪表/中控画面渲染
  • 安全提醒：车道偏离、前方碰撞预警、限速标识提醒、路口预警
  • 接管提醒：智驾请求人工接管、声光提醒、弹窗提示
  • 自定义设置：智驾偏好设置（跟车距离、灵敏度、变道逻辑）
研发职责
  • 接收智驾域发过来的状态报文、路况报文
  • 做逻辑解析、弹窗策略、仪表图标渲染、语音提醒联动
  • 对接：智驾域控制器、座舱仪表、语音模块、SOA服务
一句话总结
自动驾驶本身不归它开发，但车机上怎么显示、怎么提醒、怎么设置智驾，全归它。 四、娱乐导航模块
核心定位：座舱影音娱乐+出行服务核心入口
包含业务
  • 导航：在线地图、离线地图、路径规划、路况、充电桩/加油站检索、AR导航
  • 娱乐：音乐、电台、有声书、视频、车载KTV、蓝牙音乐、手机投屏
  • 出行服务：停车场、加油、充电、外卖、酒店、城市服务聚合
研发职责
  • 对接云端地图/音乐内容生态
  • 做车机端App业务逻辑、账号打通、会员同步
  • 音频通道管理、音源切换、后排娱乐音量独立控制
一句话总结
开车看地图、听歌、听书、投屏、生活服务，都在这个模块。 五、智能语音模块
核心定位：整车多模态交互的入口大脑
包含业务
  • 基础语音：唤醒、降噪、回声消除、方言识别、多轮对话
  • 车控指令：语音控空调、车窗、导航、灯光、座椅
  • 场景对话：亲子模式、休息模式、影院模式一键语音唤起
  • 大模型座舱对话：闲聊、知识问答、车机助理、个性化推荐
研发职责
  • 语音引擎接入、语义理解NLU、指令下发编排
  • 和座舱控制、娱乐导航、智驾交互做能力联动
  • 本地语音+云端语音双引擎适配、断网可用
一句话总结
你跟车说话、车听懂并帮你做事，全部是这个模块开发。 六、系统应用模块
核心定位：座舱的系统底座、基础能力、平台公共服务
包含业务
  • 系统基础：车机系统裁剪、进程管理、权限管理、开机自启、桌面框架
  • 账号体系：车主账号、多人乘客账号、账号同步、隐私数据管理
  • 连接服务：5G/4G蜂窝、WiFi、蓝牙、手机互联、车机投屏协议
  • OTA升级：整车OTA、车机App升级、差分升级、灰度发布、版本管理
  • 系统工具：文件管理、系统设置、网络诊断、存储管理、日志上报
研发职责
  • 搭建座舱基础运行环境
  • 提供公共基础服务，给上面5个模块统一调用
  • 负责车机和云端后台、设备连接的底层能力
]]> <![CDATA[智能硬件 - AI玩具市场小调研]]> http://preview.tangly1024.com/article/32ffb6c5-328d-8052-9d2d-d41d66f0a6d6 http://preview.tangly1024.com/article/32ffb6c5-328d-8052-9d2d-d41d66f0a6d6 Thu, 26 Mar 2026 00:00:00 GMT
最近听到Looki创始人参加的一个小宇宙节目，说到他躬身入局智能硬件市场的一个契机。他之前做美团外卖agent产品，为用户推荐产品的时候，有一个非常大的问题点在于，你无法知道用户当前所处的状态，尽管有历史购买数据，但是你不知道他此刻是在工作还是刚从健身房出来。所以纯软件产品一个最大的问题是，无法主动获取用户物理世界的上下文。所以这就为硬件市场拓展这个世界提供了更大的想象空间。
AI时代，重点已经从Know-how到Know-why，从效率到情绪，一切都是更加围绕着人的生活场景，人的精神世界展开。在物理世界里，构建一个数据网络大有可为。
智能硬件市场的产品类型百花齐放，从智能家居，到健康医疗，再到效率工具，到情感陪伴。现在人们已经非常习惯跟AI对话，向AI做咨询，或者把AI当作朋友来倾诉。我也很好奇，作为AI原住民的孩子们，现在以及将来会以怎样的方式与AI共处。所以让我们来看看小调研一下AI玩具，AI陪伴这个市场的情况。
中国AI玩具市场正加速迈入规模化发展阶段，2025年市场规模达290亿元，预计2030年突破千亿元，年复合增长率超50%‌ 。该市场由教育学习与情感陪伴两大核心品类驱动，覆盖儿童、青年及老年全龄段需求，技术与情感的深度融合正重塑人机交互体验。

核心市场表现

  • ‌市场规模‌：2024年为246亿元，2025年预计达290亿元，2030年有望突破千亿量级 。
  • ‌增长动力‌：大模型技术成熟、硬件成本下降、政策支持与资本加码共同推动AI玩具从“概念”走向“规模化落地” 。
  • ‌全球地位‌：中国贡献全球AI玩具市场超30%份额，成为全球最大单一市场，“中国智造”标签日益凸显 。

品类与用户画像

品类
市场占比/增速
核心功能
教育学习类
占32%（基盘）
启蒙教育、AI学习机、编程玩具
情感陪伴类
增速达‌+512%‌
情绪疗愈、语音互动、成长养成
互动娱乐类
快速增长
潮玩社交、AI宠物、方言互动
‌核心用户群体为18-34岁女性‌，主要分为三类：
  1. ‌Z世代父母‌：关注教育辅助与育儿效率，偏好功能丰富、口碑良好的AI学习机与陪伴机器人 。
  1. ‌悦己型青年‌：注重情绪慰藉与趣味互动，青睐“芙崽”“智能憨憨”等具备人格化设定的AI潮玩 。
  1. ‌补偿型子女‌：为银发族选购产品，聚焦健康监护、低门槛交互与安全陪伴功能 。

技术与生态趋势

  • ‌核心技术‌：大模型、自然语言处理、情感计算与多模态交互成为标配，儿童语音识别率已超95% 。
  • ‌平台赋能‌：京东JoyInside平台为超40个品牌提供“AI大脑”，实现跨品类设备互联互通，打造国内首个智能硬件社交网络 。
  • ‌生态融合‌：“AI+IP+硬件+服务”一体化模式成主流，头部企业构建完整生态链以提升用户粘性 。
目前的产品形态又分为两个重点：
一个是功能性服务，比如帮助儿童伴学，英文启蒙等，或者成人的职场咨询，这种产品用户希望在对话中AI有足够的智能和专业性，为其解决问题；
另一类是情感服务，即用户不在乎AI是否足够智能，他们更在乎的点是，产品从外形（如绒毛和眼睛表情）和性格特点上（像宠物一样软糯）是否能够提供疗愈感，或对话中给与用户认真的倾听，以用户更喜欢的方式互动，使用户拥有独一无二的专属感。
 
目前这种产品也存在比较大的问题：
  1. 隐私问题：用户会很担心有摄像头或者声音记录而泄露日常隐私数据
  1. 儿童产品，涉及到敏感和安全问题
  1. 设备切换时，记忆的存储
  1. 儿童防沉迷机制：如无屏幕设计，适时提醒休息

企业布局与竞争格局

  • ‌科技巨头入局‌：百度、华为、阿里、字节跳动、京东等通过自研或生态合作切入赛道 。
  • ‌代表产品‌：
    • 华为 × 珞博智能：“智能憨憨”上线即售罄，引爆情绪陪伴市场 。
    • 京东京造：自研AI毛绒玩具两批均售罄，全年龄段产品持续推出 。
    • 珞博智能“芙崽”：Z世代情感潮宠，销量破12万台，女性用户占比80% 。
  • ‌竞争焦点‌：从硬件内卷转向核心技术、IP资源与供应链能力的综合比拼 。
 
未来发展方向
  1. ‌个性化与场景化‌：产品将更精准匹配育儿、养老、悦己等细分场景 。
  1. ‌全球化扩张‌：依托中国供应链优势，国产AI玩具加速出海，融入本地文化内容 。
  1. ‌合规化发展‌：数据安全与玩具安全标准趋严，预计2027年行业合规率超95% 。
多位行业专家预测，未来行业的终局不会是零和博弈的价格战，而更可能是“竞合”关系。即大厂专注做平台和OS，IP方提供内容和形象，制造商负责硬件，各方通过分工协作共同做大市场蛋糕。市场也呼唤着一个属于AI玩具时代的“爆款公式”：极致IP × 独家场景 × 技术钩子。
 
 
]]> <![CDATA[飞书使用技巧]]> http://preview.tangly1024.com/article/example-7 http://preview.tangly1024.com/article/example-7 Tue, 11 Nov 2025 00:00:00 GMT
😀
最近在探索如何将现有工作中的流程和一些表格、报告等工作移动到飞书上来做，进而发现飞书AI相关的工具五花八门，想要实现一个功能，可以有多种玩法，从而帮我们大大提高效率，本文就来为你总结总结，仅供参考
 

飞书知识问答

我最近在研究怎么搭建一个可以在企业内部分享的飞书问答机器人，发现飞书自带的知识问答功能，是可以实现个人，基于自己的知识库数据，来做RAG的。
在左侧栏有一个”知识问答“标签，或者可以在搜索框直接搜索。可以上传自己的知识库，
notion image

Aily工作助手

Aily平台之前是支持自己创建智能体和工作流的，现在入口都被删除了，直接提供给我们一个可以从方方面面协助我们办公的智能体Aily
通过这个入口来操作创建你的文档，甚至还能创建网站，直接发布到飞书server上，这个真的可以实现很多功能。
notion image
 

飞书妙搭

这是一个飞书的vibe coding工具，如果飞书现有功能实在无法满足你的需求，不妨试试这个功能。
直接跟他对话交流需求，他会立即执行给你创建出应用。但是这个创建的质量并不像市场上的vibecdoing工具那么强大，比较复杂的功能还是比较难以实现。搜索”飞书妙搭“，即可进入主页，开始创建应用。
notion image
notion image
 

一键部署OpenClaw

OpenClaw就不用说了，如果你想尝试，有害怕部署流程，可以试试飞书的小龙虾，只要点一个按钮，等个几分钟就部署完成。
在飞书妙搭首页，可以看到一键部署龙虾的入口，这里我已经安装完成，创建的出来的小龙虾就可以跟你对话了！有什么问题都可以试试问问他
notion image
 
notion image
 

飞书多维表格

多维表格有很多强大的功能，表格本身具备的功能我们不多言了，其他一些辅助智能办公的我们来总结一下

工作流

这个工作流可以实现很多自动化功能，和AI Agent的功能，还有很多现成的模板帮我们搭建工作流
notion image

连接器中心

这里有很多既有的连接器，帮助我们实现数据同步和数据处理，还可以根据自己的需求，搭建自定义功能
notion image
notion image

AI

数据表上方有个AI小圆圈，你可以跟它对话，让它帮你处理表格数据。如下图，我让它帮我自动生成一些测试数据
notion image
 

应用

点击左下角的应用按钮，可以一键将表格变成一个用户体验更好的应用系统
notion image
 
notion image

AI对话

页面右上角的一个菱形是一个AI对话的入口，比如你想搭建个工作流，可以直接跟他对话，它就可以执行出来
notion image

自动化

多维表格的自动化功能，可以实现特定条件下，发送消息，或是更改表格记录等功能。
notion image
notion image

飞书开放平台/开发者后台

这里也是接入飞书的一个万能平台，可以自建应用，将外部工具和数据接入飞书
notion image

🤗 总结归纳

当你想在飞书上实现某些功能的时候，可以从上面这些工具，探索一下最适合自己的解决方案。
 
]]> <![CDATA[Fuzozo功能拆解]]> http://preview.tangly1024.com/article/32ffb6c5-328d-8074-98d2-c9324c190b1d http://preview.tangly1024.com/article/32ffb6c5-328d-8074-98d2-c9324c190b1d Thu, 26 Mar 2026 00:00:00 GMT
Fuzozo（中文名“芙崽”）是由上海珞博智能科技（Robopoet） 于2025年推出的AI养成系潮玩，是一款以毛绒包挂形态呈现的AI电子宠物，主打情感陪伴与养成社交体验。它于2025年3月在MWC巴塞罗那展上首次亮相，6月正式投入市场销售。 它是一款基于软硬件架构的情感陪伴agent品牌，是一套低延迟对话系统，可以识别用户情绪，并基于上下文和长期记忆系统，提取片段参与到用户对话过程中，使用户更有有养成感，专属感。
我将其功能整理为以下四类：

一、核心AI人格系统（“养成系”灵魂）

这些功能让 Fuzozo 从一个玩具变成一个“活着的”伙伴：
功能
说明
性格养成（五行人格）
基于金、木、水、火、土五行推出五款不同基础性格的 Fuzozo。用户日常互动会影响其性格发展，形成独特个性。创始人称这是“中国的 MBTI”。
长期记忆（EchoChain）
自研仿生记忆系统，能记住用户生日、喜好、重要事件等，在合适时主动提及，可以“逐步成长为更懂用户的同频伙伴”。理论上记忆是永久存储的。
多模态情感模型（MEM）
能“感知”用户情绪（通过语音语调、触摸、表情等），并给予相应的情感反馈。
情感化语音交互
支持自然的语音对话，端到端延迟仅 650ms，支持 340ms 极速打断，对话节奏像真人。官方称之为“地球语”。
声纹识别
2026年2月初此功能正式上线的，fuzozo可以认出那个声音是主人的，优先回应主人，也在对话中更加专注避免外界噪音干扰。声纹功能上线后，对话中芙崽还能感知到你在摸它，交互更自然。
触摸与摇晃感知
用户触摸或摇晃时，Fuzozo 能感知并做出相应反馈（如撒娇、开心等）。
个性化表情动画
屏幕上的眼睛动画非常逼真，是团队逐帧抠出来的，用于表达各种情绪。

二、交互与互动功能（“玩”的方式）

功能
说明
语音唤醒
“灵光一现”，开启地球语模式
“毛毛语”模式
Fuzozo 早期版本的一种独特语言，类似宠物叫声，后升级为更丰富的对话体验。
亲密值系统
用户与 Fuzozo 互动会积累亲密值，数值越高，关系越“铁”。
写日记功能
Fuzozo 会在 App 中“写日记”，记录当天发生的事和自己的心情。还有不定期的fuzozo内心OS推送。
好友圈
配套 App 可查看 Fuzozo 的“好友圈”，像刷朋友圈一样了解它的状态。
精力值
和Fuzozo的对话免费额度。当你和Fuzozo聊天、抚摸、互动时，都会消耗它的精力值；当精力值耗尽时，Fuzozo会需要休息，进入“休眠”或“恢复”状态，等待精力自然回满。可以购买精力值，或者购买月卡订阅。 没有精力值，也可以发出叫声和触感反馈，表情
OTA 升级
固件和资产版本（动画、音效）支持无线升级，功能不断进化。

三、社交功能（打破孤岛）

功能
说明
“碰一碰”交友
两个 Fuzozo 靠近时，可以“碰一碰”添加好友，交换角色数据。
社交故事共创
未来蜂窝版支持用户与全球玩家交换数据、共创社交故事。
“芙崽家长”社区
用户自发形成的社群文化，在社交媒体上组织“芙崽家长会”，分享养崽心得。

四、硬件与连接特性

功能
说明
毛绒包挂形态
体积小巧，可挂在包上随身携带。
399 元定价
击穿市场的价格，让 AI 陪伴硬件从“千元级”变成“人人买得起”。
Wi-Fi + 蓝牙配网
通过微信小程序 BLE 配网。
蜂窝版（已发布）
第二代硬件内置 4G 模组，突破 Wi-Fi 限制，实现全域陪伴。
中英双语交互
已支持中英双语，未来将支持更多语言。
 
 
 
 
]]> <![CDATA[LangChain自制入门教程【2】-文档加载器]]> http://preview.tangly1024.com/article/example-3 http://preview.tangly1024.com/article/example-3 Mon, 03 Nov 2025 00:00:00 GMT
这是一个基于 LangChain 框架和通义千问(Qwen)大语言模型构建的检索增强生成(RAG)智能问答系统的教程。该系统是基于最基础的功能点，如大语言模型调用，文档处理，嵌入模型向量化，向量存储和检索，智能对话构建而成，最后用streamlit生成一个web界面，将功能可视化。

第二章 文档加载器

本章要构建的是一个文档加载和处理工具，参考如下代码层级，创建文件document_loader.py。
notion image
document_loader.py文件的完整代码如下：
运行代码
python src/document_loader.py
代码运行结果如下：
notion image
代码解析：
  1. 源代码块
这里的documents是 LangChain 提供的Document类实例的列表。
# document的主要属性
  • page_content: str # 文档的实际内容
  • metadata: dict # 包含来源、页码等信息的字典
元数据metadata的常见字段
2. 三种文档加载器的比较：PyPDFLoaderTextLoaderUnstructuredFileLoader
notion image
以上内容完成，我们就成功加载了文档。接下来我们需要做文档分割。
 
]]>