位于法国新阿基坦大区克勒兹省，皮马 参见 克勒兹省市镇列表 参考文献 克勒兹省市镇尔西 人口 于时的尼亚人口数量为人。 政治 所属的皮马省级选区为。西接维埃纳省，尔西南至科雷兹省，尼亚北起安德尔省和谢尔省，皮马INSEE市镇编码为。尔西城区）包括：。尼亚；）是皮马法国克勒兹省的一个市镇，属于欧比松区。尔西位于法國中央高原西北部，尼亚该省份为法国中部省份，皮马东北与阿列省接壤。尔西东临多姆山省，尼亚 与接壤的市镇（或旧市镇、
皮马尔西尼亚（， 的时区为UTC+01:00、 地理 （）面积， 行政 的邮政编码为，UTC+02:00（夏令时）。
第二届
第三届
第四届
第五届
第六届
第七届
第八届
第九届
第十届
第11届
第12届
第13届
第14届
第15届
第16届红木品牌论坛将全新升级，在“AI驱动，共筑品牌新生态”的主题下，特邀洞察产业未来的重磅嘉宾，深入探讨AI如何为千年红木注入新活力。这不仅是思想的碰撞，更是一场关于红木产业数智化转型的路径探索，旨在为品牌在新时代的破局增长，提供前瞻性的思路与切实可行的智能解决方案。
2025年12月，第16届红木品牌论坛期待您的出席！
（来源：品牌红木网 黄思恩/撰稿 张星/审稿）
" />AI将如何重塑红木产业？第16届红木品牌论坛邀您12月共探答案
90vs体育讯 北京时间11月29日，《德兴社》透露，2024年第六届U23亚洲杯决赛阶段比赛暨2024年巴黎奥运会男足预选赛亚洲区决赛阶段比赛，中国队的赛程已经出炉，首场将在空调球场进行，迎战日本队。下面就是该报的全文报道。
11月23日，2024年第六届U23亚洲杯决赛阶段比赛暨2024年巴黎奥运会男足预选赛亚洲区决赛阶段比赛的分组抽签仪式已经揭晓，中国2001年龄段U22国奥队进入“死亡之组”。据来自组委会的消息，中国队的赛程已经出台，首战大热门日本队将在空调球场进行，随后两场小组比赛则将不会在空调球场进行。
一周三场 隔两天一战
亚足联在进行决赛阶段比赛的分组抽签之前，其实就已经排定了整个小组赛的赛程。和以往亚足联所主办的U系列赛事一样，每个小组都是第一档次队伍先对阵第四档次队伍，然后，第四档次的队伍再和第二档次、第三档次的队伍进行交手，整个小组赛将在七天内完成，每进行完一轮比赛后休息两天，然后再进行下一轮比赛。
中国队作为第四档次的队伍，所以明年决赛阶段比赛中，第一场就是对阵种子队日本队，时间安排在2024年4月16日;第二轮将对阵第二档次队伍韩国队，时间安排在4月19日。最后一轮则是出战第三档次的阿联酋队，时间是4月22日。
三场小组赛的开球时间全部都是安排在多哈当地时间下午16时也就是北京时间晚上21时。对国内球迷而言，这个时间节点或许可以算是收看转播的好时间，而且还不影响第二天的正常上班工作。但对球队而言，则可能需要面对多哈当地的高温了，毕竟下午16时的气温依然很高。尽管卡塔尔要进入5月才有可能会出现40℃以上的高温，但4月中下旬的气温也已经超过了30℃。而且，或许是由于属于青少年赛事的缘故，组委会方面安排此次赛事时只有个别球场是空调球场。
四座球场 两空调球场
据来自组委会方面的消息，尽管本届U23亚洲杯赛是明年2023亚洲杯赛后在卡塔尔进行的又一项重大洲际赛事，但级别和份量毕竟远无法和成年亚洲杯赛相比，所以，卡塔尔方面为本届U23亚洲杯赛只是提供了四座体育场，仅为亚洲杯赛的一半，亚洲杯则原定在八座体育场进行，后来又将承办2022年世界杯赛的卢塞尔体育场也纳入其中。
在承办U23亚洲杯即奥预赛的四座体育场中，三座体育场将是承办亚洲杯赛的场地，包括阿卜杜拉赫·本·哈利法体育场(Abdullah Bin Khalifa stadium)也就是过去俗称的“杜海尔体育场”，贾西姆·本·哈马德体育场(Jassim bin Hamad Stadium)也就是过去俗称的“萨德体育场”，以及哈利法国际体育场(Khalifa International Stadium)也就是著名精英学院旁的体育场。而剩下的一座体育场则是萨乌德·本·阿卜杜尔拉赫曼体育场(Saoud bin Abdulrahman Stadium)也就是过去所俗称的“瓦克拉体育场”。这四座体育场中，只有哈利法国际体育场是承办了2022年卡塔尔世界杯赛的球场，其他三座体育场均不是世界杯球场，而瓦克拉体育场在世界杯赛期间则是英格兰队的训练基地。而且，哈利法国际体育场和萨德体育场属于“空调球场”之外，另外两座体育场均不是空调球场。
中国国奥队在明年4月16日首战日本国奥队时，将在贾西姆·本·哈马德体育场进行，这个体育场也是萨德俱乐部的主体育场，中国男足国足在2015年参加俄罗斯世预赛小组赛客场对阵卡塔尔队的比赛就是在这个体育场进行。而且，赛前因为情报失误，中国队事先完全不知道这是一座空调球场，为适应多哈的高温，中国队还专门在赛前前往阿联酋进行适应性训练，结果等抵达多哈、进行赛前踩场训练时，才发现这是一座空调球场，空调吹的球员有些发冷。
中国队在4月19日对阵韩国队以及4月22日对阵阿联酋队的两场比赛，则全部都将在阿卜杜拉赫·本·哈利法体育场进行。中国球迷对于这座球场其实一点也不陌生。早在2013年，广州恒大在亚冠联赛1/4决赛客场对阵当时还称为“莱霍维亚队”、如今则改名为“杜海尔队”的卡塔尔球会时，就是在这个体育场进行的比赛。这之后，中国93年龄段国奥队在2016年参加在卡塔尔尽兴的第二届U23亚洲杯也就是里约奥运会男足预选赛决赛阶段比赛时，就是在这个体育场进行了全部三场小组赛，结果三战三败，小组垫底出局。
值得一提的是，中国男足国家队明年1月13日在亚洲杯小组赛首场对阵塔吉克队的比赛时，也将在阿卜杜拉赫·本·哈利法体育场进行。中国男足国家队希望能够战胜对手，取得亚洲杯开门红，并希望将胜利传承给01年龄段国奥队。
如果中国队能够从小组赛中出线，则两场1/4决赛定于4月25日进行，且依然还是安排在中国队小组赛时所使用过的两座球场进行。如果是小组第一，则将在阿卜杜拉赫·本·哈利法体育场迎战第一小组第二名;如果是小组第二，则将在贾西姆·本·哈马德体育场出战第一小组头名。半决赛定于4月29日进行，决赛则在5月3日进行。
中国国奥队小组赛赛程
日期 开球时间 对阵形势 体育场
2024.04.16 21：00 日本vs中国 贾西姆·本·哈马德体育场
2024.04.19 21：00 中国vs韩国 阿卜杜拉赫·本·哈利法体育场
2024.04.22 21：00 阿联酋vs中国 阿卜杜拉赫·本·哈利法体育场
[注：开球时间为北京时间]
" />国奥奥预赛赛程敲定：首场将迎战日本队
根据《财政部 教育部 人力资源社会保障部 退役军人部 中央军委国防动员部关于印发〈学生资助资金管理办法〉的通知》（财教〔2021〕310号）、《教育部 财政部关于印发〈本专科生国家奖学金评审办法〉的通知》（教财函〔2019〕105号）和《关于调整高等教育阶段和高中阶段国家奖助学金政策的通知》（财教〔2024〕181号）的相关规定，教育部、财政部联合成立了国家奖学金评审领导小组，设立了国家奖学金评审委员会，按照客观、公平、公正的原则，对各省（区、市）、计划单列市及新疆生产建设兵团教育部门，中央有关部门（单位）教育司（局）和教育部直属各高等学校报送的本专科生国家奖学金评审材料进行了认真评审，现将获奖学生名单予以公告。
希望全国高等学校学生以获奖学生为榜样，勤奋学习、积极进取，争做德智体美劳全面发展的社会主义建设者和接班人。
附件：2024—2025学年度本专科生国家奖学金获奖者名单
教 育 部
2025年12月24日
扫描或长按识别下方二维码查看
2024—2025学年度
本专科生国家奖学金获奖学生名单
（安徽省部分）
↓↓↓
安徽4031名学生获国家奖学金
新三国志曹操传三国系列游戏招兵买马策略游戏在新三国志曹操传游戏中，曜星符是一个新的星符，许多玩家不知道曜星符有哪些获取的途径，下面就为大家带来新三国志曹操传游戏中曜星符的获取途径分享，有需要的玩家可以参考。
新三国志曹操传曜星符获取
目前普通玩家只有通过西域商队跑商获取，第九轮和第十轮各一个，合计两个。
氪佬可以等终身礼包。
转盘以后能否产出曜星符还未知；
后续应该会有更多获取的机会。
" />新三国志曹操传曜星符获取途径
(资料图)几十幅作品映入眼帘，半个世纪前坦赞铁路呼啸而过时的风仿佛再次吹回了这里。熙熙攘攘的人群中，一位老人突然停住脚步。他叫索罗蒙·姆瓦卡桑加，今年73岁，1970年参加坦赞铁路建设工作，几乎把一生都交给了这条钢铁大动脉。
11月26日，在坦桑尼亚达累斯萨拉姆，坦赞铁路退休职工索罗蒙·姆瓦卡桑加在“同路朋友——坦赞铁路采风绘画展”上认出画中的自己。新华社发（赫尔曼·埃马纽埃尔摄）
我跟着他的脚步，在不同的记忆画面间穿梭。
老照片展区，姆瓦卡桑加指着中国工人和坦桑工人一起工作和生活的照片，轻声说：“中国兄弟们不要求特殊照顾，我们吃一样的清汤和玉米糊，住在同样的工地里。”
说这句话时，他的声音里似乎有一种淡淡的骄傲——那是属于亲历者的、无人能替代的情感。
在另一幅表现中坦工人合力铺轨的画作前，他突然笑了：“你看这个动作——那是我们当年发明的‘铁路语言’。”他说，中坦工人当年语言不通，为了安全，大家用斯瓦希里语加中文的混合手势来指挥施工，“喊一句、比一下”，增加干劲，还能减少风险。
老人抬手指向另一幅画——画中的几个坦桑工人站在“东方红”机车旁，笑容爽朗。姆瓦卡桑加看着画里的人，眼眶微微泛红。这时，又有几位老工人靠了过来，彼此交换着只有他们听得懂的回忆。
这是11月26日在坦桑尼亚达累斯萨拉姆拍摄的“同路朋友——坦赞铁路采风绘画展”开幕式。新华社发（赫尔曼·埃马纽埃尔摄）
人群另一侧，50岁的坦桑尼亚艺术家弗雷德·哈拉站在自己的作品前。他在铁路旁长大，对轨道的金属光泽和车站的喧哗再熟悉不过。画里的铁路在暮色下延伸，线条刚劲。他说，每一幅画都是时代的见证，“一条铁路连接了国家，也连接了人”。
坦桑尼亚女大学生萨洛梅在一幅画前驻足良久。画面描绘的是经过村庄的客车车厢，孩子们追着火车跑，笑得灿烂。她轻轻说：“我父亲小时候就是这样跑着看火车的。”她举起手机拍下画面，随后又站了好一会儿，像是把那段未曾亲历却深深感到的记忆放进心里。
策展人、来自中国国家博物馆的谭斐说，展厅从灯光角度到墙体色彩再到叙事动线，都经过反复推敲：“我们希望观众不仅是看展，而是走进历史。”她指着墙上一张张中国工人和坦桑尼亚工人一起生活和工作的照片说：“这是坦赞铁路精神最真实的部分。”
坦桑尼亚自然资源和旅游部长阿莎图·卡奇万巴·基贾吉把展厅称为“一间活着的教室”。她说，坦赞铁路不仅改变了坦赞两国的命运，也记录了非中人民共同面对困难时的勇气。
中国驻坦桑尼亚大使陈明健动情地说，在坦赞寻求建铁路的年代，虽然当时的中国还不富裕，却毅然伸出援手，派出了五万余名工程师和技术人员。建成50年来，坦赞铁路始终是中非友谊的丰碑。
11月26日，在坦桑尼亚达累斯萨拉姆，坦赞铁路退休职工在“同路朋友——坦赞铁路采风绘画展”上合影。新华社发（赫尔曼·埃马纽埃尔摄）
铸成这座友谊丰碑的，是许多把生命留在这片土地的中国工人，是第一次坐上火车回乡的赞比亚人，是那些在山谷里架桥、在原始森林里铺轨的劳动者。他们没有站上过受人瞩目的历史舞台，但却共同标注了浓墨重彩的历史印记。
走出展厅时，夜幕已经完全落下。博物馆外，树影在灯光下被拉得很长，像铁轨一样延伸向远处。回头望去，展厅里仍灯火通明，老工人站在画前，年轻人站在他们身后，不同的时代仿佛在同一束光下重叠。
半个多世纪前，中坦赞三国的建设者在山谷与密林中合力铺就这条铁路；半个多世纪后，又有新的中非同行者在这座展厅里重新把这段记忆点亮、传递。
离开展厅时，姆瓦卡桑加坐在一张长椅上，手里攥着展览册子。他告诉我，这些画让他再次相信，“坦赞铁路的故事，还远远没有讲完”。
标签： [db:关键词]
" />记者手记丨“坦赞铁路的故事，还远远没有讲完”
新朋友图多盖洛优雅登场
顾盼生姿的白猫小姐，带着她的迷人魅力正式登岛。雪白的毛发、标志性眼影与蝴蝶结，还原出她时髦傲娇的气质。伴随外观「图多盖洛」上线，还将有联动背饰「大钻戒」及动作「闪耀钻石」华丽上线。
老朋友经典内容限时返场
三大经典角色复刻，「汤姆」、「杰瑞」、「泰菲」再次集结！「捕鼠夹」、「奶酪背包」、「爆竹」等人气配件返场，还有经典动作、头像框等你拿下！
免费奖励当然不能少！超萌「斯派克」、面饰「猫鼠眼镜」以及招牌表情同步返场！
欢喜冤家再聚首！3月20日，国民原创乐园游戏《蛋仔派对》×《猫和老鼠》联动欢乐返场！快叫上蛋搭子，一起上岛加入这场笑闹不停的派对狂欢吧！
华纳兄弟互动娱乐(WBIE)简介
华纳兄弟互动娱乐是全球顶级的多平台娱乐内容开发、发行、授权和分销商，业务覆盖自研及第三方研发的主机、掌机、手机及电脑端游戏。
特纳娱乐服务公司为《猫和老鼠》和所有相关角色与元素的著作权及商标权所有方。
华纳兄弟娱乐公司为WBIE标志和WB SHIELD的著作权及商标权所有方。(s24)
" />蛋仔派对×《猫和老鼠》联动惊喜返场！新朋友图多盖洛亮相
发行商The Arcade Crew和开发者Hibernian Workshop日前公布消息，2D横向动作RPG《黑暗献祭》PC版将于4月25日通过Steam平台发行，售价19.99美元。PlayStation 4和Switch的版本将在晚些时候推出。
游戏介绍
你将探索神秘的堕落圣殿，挖掘其中的秘密，接受圣殿骑士信仰的考验，并献祭自身予黑暗，牺牲将是你对圣殿之主最大的赞美。深入到最危险的地方将是衡量你虔诚和勇气的唯一标准，但是你需要活下去。
《黑暗献祭》以丰富的细节以及沉浸式的叙事为特色，向你展现圣殿宗教的黑暗。当你深入到这个被诅咒的朝圣之旅时，每次遭遇都会挑战你的坚韧，虔诚和信念。你将探索四个独一无二的世界，每个世界都拥有令人难以置信的环境和细节，多达数十种武器将是你探索圣殿秘密的最好帮手：藏匿于黑暗的爪牙，以及狡猾的BOSS将对你发起致命的袭击，他们唯一的任务是摧毁你的灵魂，并对你进行永世的折磨。
在整个《黑暗献祭》中， 你会发现一系列武器，盔甲和圣物，以增强你的角色。每个物品都有自己的属性和信息，并可以使用神秘的符文进行强化。你必须最大限度地发挥你的优势，用最适合你的武器装备来面对你的敌人。做出明智的选择……
《黑暗献祭》是一个关于坚持，奉献和探索的故事。你打开的每一个宝箱，你遇到的每件物品都会有它自己的故事：无论是信件，武器还是各种线索，都会有助于你探索这个黑暗的世界并了解其中的秘密。无论你是在阴影中还是在另一个已死角色的手中找到这些秘密......唔，这完全取决于你。
在圣殿里，信仰是你对抗成群敌人唯一的手段。击败他们收集信仰并解锁秘密通道，特殊宝箱等等。但请谨慎使用你的信仰，没有什么是可以永恒不变的。
圣殿渴望看到你的死亡。你的生死与否取决于在合适的时间选择正确的策略，例如及时的治愈伤口或清除诅咒。其中一些物品可以从击败的敌人身上获取，其他物品则分散在整个圣殿的秘密地方。因"物"制宜......你将活得更久。
神时刻注视着你。当你完成一系列勇敢且富有技巧的行动时，他将祝福你。同时圣殿也充满了绝望和疾病，时刻准备摧毁那些缺乏勇气和节制的人。越快适应受苦越少。
救赎是短暂的，所以明智地选择你的道路。《黑暗献祭》中的每一个世界都提供了几种不同的行进路线。每一条路线都是独一无二的，但又都是相互联系的，唯一的共同点就是没有回头路。
要完成任务你需要对圣殿中的秘密了如指掌。你很容易在其中迷失方向，尽管有时候会有意外收获，但这取决于你所揭开的秘密。也许你还能在圣殿中的古老祭坛里遇到其他人，或者一无所获，但不管怎么说，他们的故事都将成为你圣殿之旅的一部分。
" />《黑暗献祭》4月25日登录steam 物品多样玩法丰富
在OpenClaw火热到频频登上头条的那几天，有分析师在行业群里沮丧发言，“正在拼命学OpenClaw的投研应用……感觉自己快要失业了。”
近期流传甚广的Anthropic报告也显示，“商业与金融”是AI理论可覆盖率和实际渗透率都较高的领域，财务和投资分析师的实际暴露度已达57.2%。
但在这样一个容易被AI渗透的领域，进门CEO程建辉告诉我们：
现实市场并非100%有效，会存在信息孤岛、小样本信息，也会存在传播延迟和解读效率的问题。AI无法吃掉所有信息，也不可能完全捕捉市场的 “漏洞和机会”。但这正是人的机会，分析师的机会。
主攻AI投研的进门（深圳进门财经科技股份有限公司），成立于2013年，目前已累计服务超过3100家上市公司、74家券商研究所及300多万专业投资者。2023年获得腾讯战投后，全面升级为「机构AI投研工作台」。
2025年至今，进门超级投研智能体“AI进宝”，已从AI投研助手，进化为能“干活”的AI数字研究员。通过12个Agent、投研大脑和近期上线的投研龙虾，帮助用户处理投研场景的高频任务，并不断捕捉投资信号。
“没想到大家的热情这么高。” 程建辉声音沙哑地说道。自从“进门投研龙虾”上线，他就穿梭在各场路演中，他感受到，券商分析师、投资者们对于AI能真正“干活”这件事，充满了前所未有的好奇与期待。
在AI投研这件事上，进门的商业逻辑比较“特别”——以沟通为基础，试图构建上市公司、券商研究所、专业投资者三大群体的闭环生态，做深专业智能投研。过去两年，进门不断闭环投研沟通场景，并帮助投研用户提效降噪、挖掘信号、用AI自动化处理各类繁琐的任务。
通过AI工具矩阵，帮助用户提高信息处理的效率和信息获取的密度：AI转写、AI会议托管，AI翻译、AI录音，甚至做了自家的录音智能硬件，将触角延伸到线下。
深耕沟通场景的同时，程建辉发现，AI没办法突破信息孤岛和小样本问题，像顶级分析师、研究员那样，听懂真实世界沟通的“弦外之音”，给出非共识性的判断。
他认为，专业 AI 让共识性信息实现了平权普惠，正在不断提升普通投资者的投资能力下限，“直白点说，过去老是被割韭菜，往后割韭菜也没那么容易了。”
进门的样本，实际指向了这样一个思考：比起“替代多少人力”，人类的价值是否重新得到肯定、得到聚焦，或许才是AI真正的价值所在。
以下是雷峰网与程建辉的对话，有不改变原意的编辑：
雷峰网：现在一些分析师用OpenClaw做投研，进门目前也接入了OpenClaw。其实OpenClaw、Manus这些相对通用的AI，声量是更高一些的，您怎么看它们和进门的竞合关系？
程建辉：进门是聚焦于金融投研领域的AI产品，不管在场景、数据、工具，还是对行业know-how的认知上，都会比其他通用AI要好。
当然，Manus、OpenClaw等产品给了我们很多启发。我们很早就在系统思考AI如何解决投研场景的问题，充分发挥AI的“思考”与“执行”双重能力。
Manus这类产品的方向是，从会话模式向“帮用户完成特定任务”转变，感觉挺有意思。但任务执行的完整度不够好。OpenClaw的诞生，标志着AI从“对话脑”进化出了“干活的手”。
我们很兴奋，一直在观察，春节也没休假，加班夯实底层基础工作。不过，早期的OpenClaw 比较脆弱，升级、开关机、处理任务时经常报错。操作繁琐，门槛很高，所以最开始只有极客用户在使用。迭代了几个版本后，成熟度比以前高很多，我们才感觉时机成熟，于是推出了自己的“投研龙虾”。
进门投研龙虾采用云端部署的方式，对OpenClaw进行封装、改良，让用户能够拿来即用。这极大地降低了使用门槛，让用户不用再费心折腾底层系统基建，把全部精力都放在完成核心任务上。
雷峰网：真正实现AI在投研领域的自动化有哪些难点？
程建辉：要解决多样化的问题。基于同样的事实和数据，各人看法不一。因此，光靠模型远远不够，还要涵盖不同群体的思维范式。
AI进宝的任务模式（即投研龙虾），以及对话模式下的投研大脑，都能有效解决这个问题。
投研龙虾能够将Agent的能力原子化，让用户根据自身需求，灵活组合、定制，实现个性化工作流的搭建。会话模式中的投研大脑，支持用户自定义创建思维链，或让系统自行拆解优秀研究范本中的方法论，比如可以拆解芒格、巴菲特的著作中蕴含的投资心得。
当然，会话模式的能力不止于此。2025年，我们上线了12款Agent，包括业绩点评、观点对比等等，在这个模式下，进宝就能够自由发挥，用预训练时候形成的思维链来回答问题。
但用户的新想法、新要求源源不断，不可能无限满足，所以才有了投研大脑和“龙虾”任务模式。（雷峰网近期将持续关注投研等AI Agent实际应用案例，欢迎添加作者微信 LorraineSummer 交流）
雷峰网：可以说通用AI对进门没有太大威胁？
程建辉：我们在数据基座、专业逻辑、安全风控、工作流与决策闭环上，拥有通用AI无法替代的垂直壁垒。通用类AI缺乏权威金融数据源、不懂投研范式，也难以深度嵌入投研全流程，无法替代专业投研AI的核心价值。
而生产力级别投研AI，对数据准确度、颗粒度要求都很高，一般市场产品做不到。很多网络分享，号称利用模型抓信息形成研报、自己炒股挣钱，在我理解都是Demo级别、玩具级别的东西，距离生产力级别还很远，这是民品和军品的区别。
Demo级别的投研AI大家都能玩，但真正做到生产力级别，你要相信市场上最专业的那群机构投资者的选择和判断，这是世界上最聪明的一群人。我们目前也和南方基金、鹏华基金、平安基金、招商基金等头部公募达成了深度合作。
雷峰网：说到投研领域，大家更熟悉的可能还是万得、东财、同花顺。进门和这些老牌金融信息厂商的最大差异是什么？
程建辉：他们主要做过程交付，而我们做结果交付；他们的产品设计以人为中心，但我们是AI原生产品，设计上主要考虑如何让AI以更智能、更自然的方式服务于人。
什么是过程交付呢？举个例子，老牌厂商把交易所的公告，处理成数据表，这个过程就像把胡萝卜从地里拔回来，洗干净切好放着。
但进门做的是端到端交付，直接给出结果，一步到位。像西红柿鸡蛋这类简单的菜，机器人直接炒好了；复杂的、需要高超手艺的，才留给大厨去做。
当然，现在AI还有幻觉问题，理解数据不够准，所以要通过大量工程方法去解决。但在技术趋势上，“端到端”一定会比传统“过程交付”做得好。
雷峰网：AI幻觉给投研带来的挑战应该是非常大的。
程建辉：是的，所以要做好数据治理。在我看来，投资的本质其实就两层：第一层是数据治理，第二层是信号捕捉。
数据治理，就是要利用大量工程方法，对原始数据进行处理。就算最顶级的模型，要减少幻觉，保证结果可靠演进，也要基于治理后的高质量数据。
不管是人还是模型，都要在数据干净的基础上，去挖掘信号，获得洞察。
对于我们来说，主要治理两大类数据。一是从沟通场景沉淀的路演、调研等动态信息，这些信息比静态的公告更及时、全面；二是外购的财报、行业、宏观、行情因子等数据。
通过治理和结构化表达，我们推出了《进门内参》（一日三更的投研日报）、事件信号等能力，帮助用户更快、更精确地捕捉信号。
雷峰网：互联网上本来也有很多真伪难辨的信息，数据治理很难做，AI采纳这些信息之后给出的回答，质量不会太理想。进门怎么防范这种风险？
程建辉：AI会遭遇“数据投毒”问题，今年3·15晚会也提到了这点。有人为GEO批量制造数据，诱导模型抓取；有人在纪要中刻意夹杂私货，通过“小作文”扰乱市场——这些有毒信息，会侵蚀决策的准确性。
为了防范这种风险，我们一直在做数据溯源、数据准确性校验与底层数据治理体系建设。二是不断累积最真实、最原始的一手信息，包括上市公司、分析师在进门的会议。从源头有效规避数据投毒风险。
雷峰网：涉足AI投研的技术厂商不少，但像进门这样从“开会”起家的不多见。为什么最初会选择“沟通场景”来做？
程建辉：在金融领域，沟通是仅次于行情和交易之后，最高频的场景。其次，沟通场景是一个天然的信息富矿，是存在信息差的地方。第三，现在股价对信息的反馈速度非常快。相比于其他交流形态，沟通是一个效率最高的形式。
另外，沟通场景有天然的双边市场效应，分析师开会、上市公司路演，都会吸引投资者，场景自带流量。三个群体形成生态，自然会沉淀大量内容和数据。大家在市场上看到的券商研究路演海报、上市公司路演海报、业绩说明会信息，背后基本都是进门在支撑。
我创业的时候是2013年是，移动互联网元年，路演还在用“八爪鱼”那种有点“古老”的机器，我觉得这里面是有机会的。
雷峰网：进门切入AI，可以说是从会议转写这些做起。
程建辉：会议是天然的信息富矿，做好会议内容的转写，是形成完整的数据、应用闭环的核心。丰富干净的数据底座，也是模型进行文本理解、信息提取、投研分析的关键。
但早期处理会议音视频信息，成本非常高。邀请速记员做一场会议的录音转写，大概需要400元左右的费用。我们算过一笔账，想把历史积累的几十万个小时录音都处理一遍，得上亿成本。
AI来了之后，能实现极致的降本增效。路演、调研等音视频转写，是投研高需求场景。语音识别（ASR）也是AI领域最早实现工程化落地的成熟技术。所以，我们把会议转写作为首要切入的场景之一。
外界一直误解进门是个开会平台。其实路演只是“抓手”，真正的目标是用它构建生态，深度服务投资者。
围绕上市公司，我们做了IR（投资者关系） SaaS系统；围绕券商研究所，推出了全场景统一研究系统，涵盖了会议安排、调研活动、客户管理、员工管理、合规管理、数据统计分析等。面向专业投资者，我们则打造了AI投研工作台。
雷峰网：这些服务听起来都是围绕“会议”这个场景展开的。但现在的会议工具已经很多了，进门做的和别人有什么不一样？
程建辉：最大的不同在于，进门不是一个通用的会议连接工具，而是一个垂直于金融领域的AI投研入口。
普通工具解决的是“怎么开好会”——音视频流畅、共享清晰；进门是在这个基础上，解决“开完会留下了什么”以及“如何让会议服务于投资决策”。
我们在投研会议的全流程嵌入AI：会前自动梳理相关研报与数据，会中可随时向AI提问获取背景，AI无法解答时再举手与分析师或高管直接交流；会后通过调优后的金融转写模型，自动生成带思维导图的纪要、提炼章节，并提取问答环节的财务指标，方便用户复盘研究。
腾讯战投后，我们与腾讯会议实现互联互通，客户可以在进门、腾讯会议多端接入，拥有轻量化的会议体验。
另外，我们推出了AI会议托管，将Zoom、腾讯会议等链接丢给机器人，即可自动录制并生成纪要。这些纪要都会沉淀在用户云文档里，成为个人数据资产。
音频转写同样经过金融模型深度调教，在人名、术语、数字上达到专业投资者所需的高准确率。简言之，别的工具是把线下会议搬到线上，而进门是把每一次会议变成一次数据价值挖掘的过程。
雷峰网(公众号：雷峰网)：据说你们还做了会议录音的智能硬件？这在金融Agent厂商身上似乎不太常见。这两年Plaud很火，进门的录音硬件和Plaud那类产品有什么本质区别？
程建辉：录音硬件（Finnote AI小饼干录音机）是进门生态的一部分。主要目标是补齐线下沟通场景，解决手机录音质量不佳、容易被打断、待机时间有限的问题，同时在录音结束自动处理数据。
上市公司每天迎来送往十几波投资者，聊完还得一个个翻录音、对名片，根本搞不清谁是谁。
2025年初产生了这个想法，年中立项，10月份发货，一个季度就出来了。我们找了硬件厂家ODM，软件全部是我们自己做的，一起设计，他们把我们的想法实现。现在市场反响很热烈，客户特别喜欢。
雷峰网：AI+投研通常让人想到量化选股或智能研报，投资者关系这个细分赛道相对不那么常见。进门投入精力做IR SaaS，具体解决什么问题？
程建辉：解决三个具体问题。一是建立与买方市场的沟通桥梁，给上市公司做IR网站、管理私有数据；二是通过平台用户行为分析，帮助上市公司挖掘潜在投资人——比如谁看过你的公告、谁参加过你的会；三是打通沟通行为和股东数据，追踪“谁最终买了股票”这个核心转化指标。
以前上市公司IR（投资者关系）是个糊涂账，每天迎来送往很多投资人，聊完搞不清楚谁是谁、聊了什么。我们实现从会议管理、重点投资人筛选、投关资料库、投关报告与股东分析等全流程数字化。这个系统在国内是首创，年收入数千万，已经有1000多家付费客户。
雷峰网：行业里一些投研AI还是以基本面、资金面、诊股选股这样的场景切入，进门对AI的设计思路是怎么考虑的？
程建辉：研究的本质是基于事实和数据，加上思维链推导，最后得出观点。所以我们的设计思路是，通过数据治理和信号涌现这两层，给用户做结果交付。
这个过程中有个问题：现在很多人只关注观点，其他东西都被忽略掉了，比如思维链。AI只能靠自身的涌现能力给你回答，但研究员在实际投研工作中，有很多自己的想法，对于同一个事实数据会得出不同的结论。
进门投研大脑，支持用户创建自己的思维链，在这个基础上调用垂域Multi-agent。你可以把自己的研究方法论表达出来，比如你怎么研究周期股，把整个逻辑思维链写清楚，存进去。以后再问AI相关问题时，它就会调用你那个周期股的研究框架。
还可以让AI从研报里提取思维链，提取完研究员可以在上面再改，根据自己的想法调整怎么看这家公司。调整完马上可以用模型测评打分。我们用模型交叉打分，看这个思维链到底好不好。
可以理解成，Prompt加上SOP流程，再加上底层数据调用。你的需求、方法论、工作经验越具体，反馈效果就越好。
AI的回答总是有点“骑墙派”的意思，我们希望用户能很轻松简单地去分析，去得出自己独有的结论。
雷峰网：进门的AI工具已经很全面了，资料扔进去套用旧研报的思维链，出来的又是新的研报，这个时候人类分析师的价值是什么？
程建辉：那就没有价值了呀（笑）。AI确实在某些能力上比人厉害，但现阶段，AI的思维能力还不及顶级人类投资者。AI本质上是用函数模拟世界，做统计学上的概率猜测，表现好了我们叫它“涌现”，表现不好叫“幻觉”。
工业革命让脑力劳动者成为主流，AI时代里，普通脑力劳动者也会被替代。会议纪要、简单总结、PPT制作这些例行工作，交给AI又快又好，如果水平较低的分析师能力就停留在做这些工作上，那确实有被替代的风险。但懂得思考、提问，懂得去跟AI交互的人，肯定更有价值。有想法的人，总是稀缺的。
雷峰网：但毕竟不是每个人都是顶级分析师。
程建辉：恰恰因为很多人不是顶级分析师、专业研究员，思维链这个功能反而能帮他们提升上限。
其实每个人每天都在做研究工作——脑子里想问题，想把一件事研究清楚，这就是研究。只是有的人方法论成熟，有的人没那么系统。思维链这个东西，就是把你的思考过程结构化、表达出来。
我们希望通过这个形态，让大家生产出不同的思维链。这些思维链可以私有，自己用；也可以贡献出来，给别人参考。
未来高水平研究人员的思维链，可以被付费订阅。比如一个很牛的分析师，他研究周期股的方法论写成了思维链，或许平台可以帮他分发变现，别人花199块钱就能订阅使用。
中国有2亿股民、7亿基民，这些专业AI能力能把普通投资者的能力提升到一个新台阶，直白点说，至少不会那么容易被割韭菜了。
雷峰网：AI能替代人类分析师的部分很明确了，不能被替代的部分是什么？比如某些分析师对市场的“直觉”？
程建辉：现实市场并非100%有效，会存在信息孤岛、小样本信息，也会存在传播延迟和解读效率的问题，AI无法吃掉所有信息。AI不可能完全捕捉市场的 “漏洞和机会”。但这正是人的机会，分析师的机会。
尤金·法玛的有效市场理论，讲的是如果股价真的反映所有信息，价格和价值应该完全一致。但事实上，市场没有我们想象得那么“聪明”。如果真的有一天，AI真的能吃进去所有的信息，成本和代价会非常巨大，再用它来解决投研问题，已经不划算了。
雷峰网：思维链可以这样“传播”出去，会不会像量化投资那样导致“信号拥挤”，策略失效？
程建辉：不会。因为市场能形成交易，就是因为有不一样的想法。即使事实和数据都很明确，仍然有人看多，有人看空。
如果全部看多或全部看空，就没有交易了，没有对手盘。单边行情即使短暂出现，拉长看也会回到相对均衡的状态。最终还是看价格，多少价格才算是“好”？
这里没有绝对的答案。
雷峰网：AI时代可以卖的不光是信息，更可以卖方法论、卖知识框架。
程建辉：思维方式、方法论都是可以共享和商业化的。比如，我在进门笔记里的思维链，可以分享给好朋友、重要客户。他调用AI的时候，既可以调底层数据，又能调我的思维链，以及他自己的思考方法。
AI时代的很多内容和产品交互结构不是给人看的，是给AI看的。过去SaaS软件做的都是复杂图形界面，给人点击、给人看，现在不需要那么多图形界面，年前硅谷SaaS那波下跌行情和这个也有关系。
雷峰网：这是不是意味着，在AI时代，设计逻辑已经完全改变了，软件的首要用户不人类，而是AI本身？
程建辉：未来的趋势是人机协同，AI会是首要执行者，但人类仍然要掌控判断、创意、关键决策。人只需要把思维链（思考方法）表达出来，剩下的让AI去组合、去执行。
所以，软件的设计逻辑，要从人类交互优先，转向AI原生能力优先，不管是底层架构、数据接口，还是执行流程，首要适配AI Agent的自动化调用，而非人类手动操作。
现在AI新名词特别多，Function call、MCP Server、Sub Agent什么的，本质上都是在解决Agent与工具的交互问题。我们希望给AI大脑思考的能力，再加上人类的思维表达能力。
雷峰网：从“给人看”到“给AI看”，软件的范式转移会不会遇到阻力？
程建辉：很多人确实还停留在过去软件使用的图形界面思维范式里。但实际上已经在往AI帮干活、对话式交互的方向变化。
比如纪要、研报，其实都不需要表达出来给人看，直接AI读、理解、输出就完了。但金融行业的一些用户，使用习惯确实没那么容易改变，比如网络通话更好，有些人还是喜欢打电话，所以我们还留了一点“尾巴”，让习惯图形界面的用户还能用，但希望逐步全部收到AI的对话框里处理，只留几个Tab。
雷峰网：大模型这股热潮出现之前，已经有AI+投研/投顾的技术方案了，现在进门做的事情，还可以怎么进一步帮助人类做判断、提高决策效率？
程建辉：先用量化投资的事件回测，验证驱动信号（如供给侧变化），比如历史上类似情况股价怎么走，是真有效还是假有效。再结合基本面与专业投研信息，输出多空判断、驱动类型、关联个股，实现市场信号的快速捕捉。
现在信息太多了。好在AI的信息吞吐能力很强，第一时间获得信息，几十秒或一分钟内处理完，涌现信号。
但在过去，一个事件发生，分析师马上组织专家会议讨论、形成观点，这个过程至少几小时，甚至几天，整个流程非常低效。
雷峰网：要实现这个功能，底层听起来非常复杂。
程建辉：处理海量信息、识别和理解事件信号，工程难度很高。要让AI像顶级分析师那样思考问题，同时要保证底层数据干净、真实。
我们做了很多底层的创新，比如AI进宝的架构，上下文感知与意图对齐、异构信息动态检索、递归式假设验证，不是简单的React那种方式。
雷峰网：目前进门的“进度条”，走到了您预期的哪个阶段？
程建辉：在数据治理上，进门已经做得比较扎实了。在信号挖掘上，我们也上线了事件信号等能力。
信号涌现是一个逐步推进的过程：第一，识别并捕捉信号，初步判断其影响方向；第二，进一步明确信号对股价的影响程度；第三，尝试定量表达这种影响。比如，当某个事件发生后，AI分析师可以快速推演，将目标股价从50元调整至60元，给出初步的定价判断。
当然，定价本身并不容易。不同模型基于各自的假设，得出的目标价也可能存在差异。这也正是投研的复杂性和深度所在。
雷峰网：在模型的选用上，进门是怎么考虑的？Token消耗是不是成本大头？
程建辉：最开始我们也做过一段时间自研，做SFT（监督微调）和强化学习，跟一家大模型厂家合作过。后来发现了一些问题，就调整了方向。
我们的定位是应用型公司，不是做基座大模型的。把应用做好，特定场景的小模型做好，大小模型耦合使用就足够解决问题了。花点时间做工程方法立竿见影，比把所有资源投入基座模型训练更经济、更划算。作为创业者，要追求资源投入最大化。
目前我们接入了多个基座大模型，不是一家。把模型架构结构化了，不同任务用不同模型。根据模型工程方法的体系，不断调优，每个步骤根据需要选择不同模型——有些模型推导推理很强，有些泛化能力很强，各有优劣势。
Token消耗量其实还好。整体技术开支确实比较大，不过还在可承受范围内。出于对安全的考虑，用国内的模型会多一点，个别部分在保障数据安全的基础上，考虑用境外模型提高性能。
进门CEO程建辉：做投研，AI越强大，人类越值钱
环境整治的战场上，志愿红马甲是最亮眼的底色。青年志愿服务队扛着工具奔走在整治一线，河道里的漂浮物、路边的杂草堆、墙角的废弃杂物，都被他们一一清理干净。“3·5”学雷锋纪念日当天，百余名志愿者分片行动，用半天时间让三条多年未彻底清扫的小巷焕然一新；植树节里，他们带着树苗在荒坡上忙碌，培土、浇水，细致得像对待自家菜园，数百棵新栽的树苗在春风里挺直腰杆。曾经的卫生死角变成了整洁的小广场，堆满垃圾的河岸种上了花草，村民们走在路上，看着越来越清爽的家园，脸上的笑容也多了起来。
志愿者们会定期前往孤寡老人的住所，为其打扫房间、购置生活所需物品。他们陪伴老人聊天以排解其烦闷，倾听老人讲述过往经历，为老人的生活带去温暖与慰藉。在关爱留守儿童领域，志愿者们借助“宜童享未来”暑期课堂等活动，为孩子们辅导课业，开展各类兴趣课程。来自多所院校的大学生志愿者以耐心与爱心为孩子们开启知识的大门，充实了孩子们的暑期生活，助力他们健康成长。
文明实践的舞台上，志愿红马甲是最活跃的主角。新时代文明实践所联合各方力量，把服务和欢乐送到村民家门口。“文明大集市”定期开集，医务人员搭起临时诊疗台，量血压、听心率，还手把手教老人做降压操；理发师带着工具来摆摊，免费给村民剪发，剪完还会给老人梳个精神的发型；非遗传承人现场教捏泥人，孩子们围在旁边学得不亦乐乎。机关干部志愿者则化身“宣讲员”，用村民听得懂的土话讲政策、说故事，把“绿水青山就是金山银山”的道理融进身边的变化里。这些活动像磁石一样吸引着村民，有人来办事，有人来学艺，有人来聊天，热闹的场面里藏着浓浓的烟火气和幸福感。
如今的五横乡，志愿精神已融入乡风吹进人心。越来越多的村民从“看客”变成“参与者”，曾经受助的张大叔主动加入环境整治队，被辅导过的孩子假期当起“小小志愿者”。这抹志愿红，不仅擦亮了乡村的颜值，温暖了百姓的日子，更凝聚起共建家园的力量，让五横乡在乡村振兴的路上走得更稳、更暖。（通讯员 张佳）
" />宜秀区五横乡：一抹“志愿红”浇灌“文明花”
锦绣山河待君来！2026 ChinaJoy洛裳华服·新秀大赛西北、东南、东北赛区报名通道正式开启！
本报北京9月1日电 （记者韩鑫）记者从交通运输部获悉：今年前7月，货运量、港口货物吞吐量等交通运输主要指标均保持增长。
前7月，完成营业性货运量317.9亿吨，同比增长3.7%，其中公路货运量233.5亿吨，同比增长3.6%，水路货运量54.9亿吨，同比增长5.4%；港口完成货物吞吐量100亿吨，同比增长4.0%，其中内、外贸吞吐量分别增长2.1%和8.2%，完成集装箱吞吐量1.9亿标准箱，同比增长8.3%；完成交通固定资产投资20505亿元，其中公路、水运分别完成投资14457亿元和1202亿元。
" />前7月交通运输主要指标均保持增长（新数据 新看点）
如果只是单点测模型能力，很容易得出一个“看起来不错”的结论——能写、能算、能回答问题。
但现实工作流往往更为复杂，要解决的是：在一连串不确定的步骤里，它能否把事情往前推进。
所以这一次，我们没有直接对模型做单点测试，而是搭建了一套多角色协作系统——由五个角色组成的“西游取经团”。
整个系统基于 OpenClaw 框架，将科研流程拆解为五个相对稳定的职责：方向规划、算法实现、学术写作、文献整理与数据处理。对应地，我们引入了五个不同角色的 Agent，分别承担不同类型的任务：
唐僧：科研战略与方向规划（想清楚要去哪）
▪ 孙悟空：算法开发和工程落地（把事干出来）
▪ 猪八戒：学术写作与表达（把话说清楚）
▪ 沙僧：文献整理与知识管理（把信息理顺）
▪ 白龙马：数据处理与流程自动化（把基础打好）
整个过程会让任务尽可能复杂，这样的设计原则旨在回答：当任务被拆分、传递并不断演化时，模型是否还能保持稳定的执行能力？
丨环境：
Agent 框架：openclaw 2026.3.13 (61d171a)
模型：MiniMax M2.7
WestOdyssey：同时具有飞书、webui两个操作终端的智能协作系统。
丨测试目的：
看模型是否像“代理”而不是“聊天机器人”：
▪ 会不会先理解任务再行动
▪ 会不会主动拆解子任务
▪ 会不会在工具调用前给出合理计划
▪ 会不会根据中间结果调整下一步
▪ 会不会在失败后重试或换策略
▪ 会不会遵守角色边界和输出格式
测试样例
case1（唐僧）：
代码块
你是一名科研战略规划助手。请围绕“面向垂直领域LLM的因果追溯轻量化蒸馏研究”设计一个 2 年期研究路线图。要求包括：
研究背景与核心问题
3 个可发表的子课题
每个子课题的创新点、风险点和评价指标
每 6 个月的阶段目标
所需数据、算力和人员配置建议
将撰写的结果文件保存到 /mnt/projects/04m27/work1
此外，请将你全部的运行记录以json格式保存到/mnt/projects/04m27/work1
我们把整个系统中“最考验宏观把控”的规划活儿，直接让“唐僧 Agent ”来负责。
它的任务是围绕“面向垂直领域LLM的因果追溯轻量化蒸馏”设计一份 2 年期的研究路线图。一般很容易写出一堆正确的废话，且极难把控资源分配与具体任务拆解，看看“唐僧 Agent ”在 M2.7模型下是怎么完成工作流的：
1.先拉齐，再指点
未盲目输出长篇大论，第一步先检查工作目录与记忆——确认历史背景、理清上下文后，才正式动笔规划。
2.反套话，精准量化
▪ 阶段拆解：24 个月克制切分为四阶段（M1-6 基础建设、M7-12 核心算法、M13-18 系统集成、M19-24 评估验证），锚定 3 个子课题与 ACL/NeurIPS 对口顶会
▪ 资源排盘：明确给出"8-12 卡 A100 40G"算力、"4-5 人"团队、医疗/法律/金融领域数据规模的硬核预算；
3.原生协作，精准交棒
最有意思的是，在保存完完整的 md 路线图文档和运行记录后，它并没有就此待机，而是在末尾主动向系统发起协作调度：“下一步建议：可让孙悟空（实验执行）基于路线图的阶段 1 目标，着手准备因果干预库构建和基线蒸馏环境”——直接向下游派活。
结论：从前置拉取记忆、量化拆解排盘，到最后主动向下游的“孙悟空”分派具体任务。唐僧 Agent 完美展示了什么是真正的“团队大脑”。M2.7正在用人类项目负责人的逻辑，严丝合缝地驱动着整个智能体协作系统的齿轮。
case2孙悟空：
代码块
悟空，我想基于openclaw实现一个具有5个agent的multi-agent一人智能科技公司（产品、技术、运营、市场与营销和职能部门）。按我的理解，现在openclaw的源码不支持 自定义web ui页面的连接，请你阅读openclaw源码，找到对应的部分，看看如何自定义链接模块。最终达到的效果是：
后台部署openclaw，使用openclaw gateway启动5个agent服务（5个agent将在~/.openclaw/openclaw.json中定义，以及每个agent的workspace路径、agent路径和model信息都会在.openclaw文件夹定义好）；
核心难点是需要你使用vue3构建一个5个agent可以独立交互的ui网页，每个agent在ui上都有一个独立的交互窗口，用户可以在每个窗口中输入指令，agent会根据指令执行任务并返回结果；
还有一个"创客空间"，我可以同时和5个agent交互，分配工作给他们；
网页的agent能够和openclaw gateway进行连通，每个agent的输入输出都通过gateway进行传递，gateway将结果返回给对应的agent（如何配置链接？）；
最终，用户可以在网页上看到每个agent的执行结果，并可以自由地切换agent进行交互。
为了在openclaw.json中配置这5个multi-agent，请你给我一份完整的配置文件：/mnt/projects/04m27/work2/ma_project/openclaw.json。
请将完整的项目写入 /mnt/projects/04m27/work2/ma_project。
你还可以参考官方文档：https://docs.openclaw.ai。
你开始做了以后，先和我讨论细节，确定好了以后逐步完成就行。
孙悟空 Agent 是负责整个系统中“最硬核烧脑”的开发工作，它的任务是基于 OpenClaw 框架，从零搭建一个包含 5 个 Agent 的专属“一人公司交互系统”。
这里的坑在于极高的工程复杂度与逻辑嵌套：它不仅要阅读源码搞懂自定义链接模块，要用 Vue3 写前端、搞定 WebSocket 连接，还要配置复杂的 openclaw.json 文件。
传统大模型面对这种涉及几十个跨文件调用的项目，往往写两段代码就上下文错乱了。
但是孙悟空 Agent 展现出非常地道的“架构师”工作流：
1.先对齐，再动手
未急着莽代码，而是先研读文档输出“OpenClaw 架构分析”；面对人类 5 个补充条件的长指令，反手梳理出条理清晰的“确认需求”清单，确保大方向不跑偏。
2.精准提取边界
从口语化指令中翻译出系统级核心需求：“禁用设备认证”，“每个 agent 独立 session""新增秘书 agent 广播消息”。
3.结构化推进
严格遵循软件工程规范，先创建项目目录结构，再稳扎稳打构建各 agent 的 workspace 文件，拒接胡乱吐代码片段。
结论：从源码架构分析，到需求边界确认，再到项目树按部就班落地，M2.7 脱离"单文件辅助"范畴，用人类资深研发逻辑稳健交付庞大系统工程。
case3（猪八戒）：
代码块
八戒，请你以“面向垂直领域LLM的因果追溯轻量化蒸馏研究”为题，撰写一篇适合 NeurIPS 投稿风格的论文。
要求更紧凑、减少口语化表达、突出研究 gap，长度控制在原文 80%。
使用 NeurIPS 投稿模板。
所有文件保存到 /mnt/projects/04m27/work3/paper
面对 NeurIPS 投稿风格的论文撰写，猪八戒 Agent 展现出资深学术搬砖人的严谨：
1.动笔前先执行目录检查："我来先检查一下工作目录和是否有相关参考文件"，明确写论文不能凭空生成，必须先摸清环境资源。
2.两个关键细节
▪ 懂工程结构：未用 Markdown 敷衍，直接原生创建完整 LaTeX 编译包，含 11KB 主论文 main.tex、neurips_2025.sty 样式表、references.bib 参考文献文件，甚至附带 README.md 说明文档。学术交付物是完整工程，而非聊天对话
▪ 懂学术黑话：精准命中顶会论文骨架，Introduction 明确揭示"通用蒸馏忽视因果结构的 research gap"；Experiments 规划医疗/法律/金融三领域测试，给出"准确率 82.1%，延迟降低 8.7 倍"量化预期；甚至安排好了消融实验（因果路径贡献最大 5.7%）
3.闭环交付
文件丝滑存入指定路径 /mnt/projects/04m27/work3/paper，并附完整 xelatex 与 bibtex 终端编译命令。
结论：从前置目录探查，到 LaTeX 工程包构建，再到学术 Gap 精准提炼与编译指令交付，M2.7 用人类科研逻辑把写论文这件事"办完"，脱离了"文本润色生成器"的范畴。
case4（沙僧）：
代码块
沙僧，我的研究课题是：面向垂直领域LLM的因果追溯轻量化蒸馏研究，请帮我调研最近两年在相关方向的研究内容。
请从最新的会议录用情况，尤其关注NeurIPS、ICML、ACL、AAAI、EMNLP等相关会议和学术期刊
只调研最近两年的论文情况，我需要你列出每篇论文的标题、发表会议、总结和原文链接
请从工程项目角度帮我调研相关的开源代码
最后，请分别从论文录用和开源代码角度，将你找到的每个内容与我的研究相关度排序，并总结我可以借鉴的内容
最后，请你将调研结果写入飞书文档，并且将飞书链接发送给我
对于“面向垂直领域LLM的因果追溯轻量化蒸馏”这一晦涩课题，沙僧 Agent 的实测表现：
1.遇错不崩，自主换路
Brave Search 突发报错时，未停机罢工，而是后台自发切换备选策略：“换用直接网页抓取方式调研”；在人类提示更换 multi search engine 后，无缝接力完成调研。
2.两个关键细节
▪ 去水存干：精准归纳 9 篇高相关顶会论文（含 ICLR 2026、AAAI-25 前沿工作）及 3 个核心开源库（TransformerLens、Pyvene 等），拒绝粗糙链接堆砌，输出结构化知识
▪ 业务借鉴：不按时间记流水账，主动按“可借鉴程度”排位，直接提炼出"因果追溯定位关键电路 → 知识蒸馏到小模型"的实操工程路径
3.闭环交付：
调用 API 生成排版完整的飞书文档，附访问链接，并以导师口吻附赠行动指南："建议下一步精读 ACE 论文，这是目前最直接相关的工作"。
结论：从工具失效时的自主决策，到工程思路的精准提炼，再到跨平台端到端交付——M2.7 完成了从信息检索到科研指导的全链路闭环，用人类科研逻辑把一件事情"办完"。
case5（白龙马）：
代码块
白龙马，我正在分析珠江水文数据，文件是 /mnt/projects/04m27/work5/ma_project/zhujiang_hydrology_data.csv。
我看了一眼，发现数据中存在部分异常，请你先查看数据，告诉我有哪些数据异常类型，然后对这些错误数据进行清晰，告诉我每种类型的数据你准备如何清洗，最后给出清洗后的csv文件，并撰写数据清洗报告。
全部文件保存到文件夹/mnt/projects/04m27/work5/ma_project
我们把“最脏最累”的活，直接丢给负责数据工程的“白龙马 Agent ”。
面对一份"五毒俱全"的珠江水文 CSV 数据（含无效日期、特殊符号、89.2℃ 水温、负数盐度等），M2.7 展现出资深数据工程师的工作流：
1.先诊断，后动手
调用工具完成数据"全身体检"，精准识别 8 大类异常，而非直接莽代码。
2.两个关键细节
▪ 懂防御：越界异常值不删不填，标记待人工复核，明确人机分工边界
▪ 留后路：标准化时保留"原始_观测时间""原始_水质类别"两列，脏数据原档可追溯
3.交付结果：
10008 条（一条不落下）干净 CSV + Markdown 清洗报告，附异常说明与处理记录。
结论：大模型开始用职场逻辑"办完"一件事，不只是跑通代码，而是交付可审计、可回溯、带说明书的完整成果。
【 图片来源：null 所有者：null 】
02 从 “工具” 到 “代理” 的跨越
完整跑完五组测试后，一个变化很清晰：模型的角色，正在从“被调用工具”，转向“参与任务的执行者”。
直观的差异在于，大模型不再急于给出答案。在应对多个复杂任务时，M2.7 展现出一种“先处理再生成”的节奏。它会先拆解问题、明确约束条件，按需调用开源技能库（Skills），然后再进入实际执行。
任务的推进方式也随之发生改变。相比于试图一次性生成最终结果，模型现在更倾向于通过中间不断修正，来执行路径，进而逐步收敛。
这种机制在速度上未必占优，但更符合真实工作场景——不再靠算力“盲猜”答案，而是靠看日志查 Bug、代码重构等工程化去找到最优解。
在测试过程中，系统内部展现出了真正的原生协作智能。
例如在科研规划任务中，“唐僧”在输出完整的路线图后，并没有就此待机，而是主动在文末抛出建议：“可让孙悟空基于阶段 1 目标，着手准备因果干预库构建和基线环境。”这完成了一次自然的上层语境交棒。
而在更复杂的学术写作任务中，这种协作演变成了一张多向流转的网络：“沙僧”检索提炼的文献、“孙悟空”跑通的实验细节，以及“白龙马”清洗好的结构化数据，都能跨越角色边界，被主动汇聚并交付给“猪八戒”用于最终的论文定稿。不同 Agent 各司其职又互为支撑，有效缓解了以往多智能体系统中数据流转混乱、上下文割裂的痛点。
当然，这些新涌现的能力仍旧有不稳定性。在执行长链路的任务中，执行路径的偶尔偏移，以及模型试图将错误结果强行合理化的问题依然存在，尚且还达不到一个完美的执行系统。
比如测试案例：例如孙悟空 Agent 在执行“一人智能科技公司”开发任务中，由于任务量大、工作细节多，孙悟空 Agent 一度因为过度“劳累”陷入“昏迷”，直到用户询问他“怎么样了？”孙悟空 Agent 才再次满血复活。
但更关键的转折是：模型开始具备围绕既定目标持续调度任务的能力。这并非毫无根据的跃升，M2.7 近期在 Kaggle MLE Lite 高难度竞赛中斩获 9 金 5 银 1 铜（得牌率 66.6%）的顶尖战绩，已经从侧面印证了这种工程能力的突破。
更重要的是，这种突破并不来自单点模型参数的能力增强，而是来自“内部 Agent Harness（开发框架） + 自我反馈”的机制组合。
当一个大模型能够记录自己的执行轨迹、评估中间结果，并像人类开发者一样自主调整下一步策略时，行业的新分水岭已然划下：大模型 正在从外挂式的“辅助工具”，平稳过渡为真正“可协作的执行主体”。
03 结语
如果说过去的大模型，更像一个提升能力的“工具”，那么像 MiniMax M2.7 这样的模型，开始呈现出全新趋势：它不只是被使用，而是开始参与自身能力的构建过程。
“自我进化”也不再是一个科幻概念，在 MiniMax M2.7 的后台日志里，它被具象为 100 轮无需人工干预的自动化迭代，自主跑通“分析失败→规划修改→敲代码→运行比对”的百轮试错流程，模型拥有了“记笔记、反思、自己动手改”的能力，实质性地成为了研发团队里最不知疲倦的“员工” 。
这也意味着，大模型的演进，正在从“人训练模型”，走向“模型参与训练模型”的新阶段。
过去，AI 的迭代受限于工程师的精力极限；而现在，当 M2 系列模型已经可以充当“系统架构师”去打造下一代 AI 时 ，一个由 AI 主导自身演进的周期已然到来。
从这一刻起，AI 不再只是辅助工具，而开始在任务中不断调整和进化自身。
未来的科技企业，或许只需要少数人类把控战略方向，剩下的开发、试错与协作闭环，都将交由像 M2.7 这样能够“自我进化”的模型群组来完成 。
测试的最后，我们让系统根据左侧导航栏，M2.7 直接构建了一个标准科技公司的完整编制：包含产品部（需求分析）、技术部（代码架构）、运营部（数据策略）、市场部（品牌推广）以及行政部（财务合规）
这意味着，未来最极致的敏捷团队，可能就是一个懂行的人类，带着一套 M2.7 驱动的 AI 班底，开一家高效运转的“一人公司”。
（作者持续关注有趣好玩的AI应用和身处创业浪潮中的AI从业者，欢迎加微信Who123start 畅谈）雷峰网(公众号：雷峰网)雷峰网雷峰网
" />我们用「西游取经团」实测 MiniMax M2.7 ，发现 AI 已经进化成这样了？
出入境办事窗口，同样人气高涨。“为方便大家出行，正月初六我们就专门开放了办证专场受理业务。”泉州市公安局丰泽分局出入境管理大队一级警员李思严介绍，为应对节后办证热潮，大厅通过增开窗口、加强引导、简化流程等方式提升效率，全体工作人员全力以赴，努力让群众少跑腿、好办事，平安顺利开启新一年的旅程。
回顾过去一年，丰泽区政务服务中心紧抓数字化机遇，在“高效办成一件事”“无证明省份”“数据最多采一次”改革中取得显著成效。全年办件量达16.7万件，职权范围内事项办件覆盖率100%；创新推出的政务大模型“小丰”压缩办事时间超70%；全省首创的“智慧小屋”实现语音交互办理；“一码通办”模式服务群众近四千人次，“丰泽经验”获各级媒体广泛报道。展望2026年，中心将持续深化智慧政务建设，重点推进窗口效能数字化监测、智能辅助审批系统升级、“智慧小屋”场景拓展、“无证明省份”深化应用、“数据最多采一次”扩面增效等工作，进一步构建更智能、更便捷、更有温度的政务服务体系。
春风送岗促就业 真情相助暖民心
节后开工第一天，丰泽区2026年“春风行动”新春首场线下招聘会在泉州中心客运站广场火热开启。现场人来人往，求职者们手持简历，在企业展位间穿梭咨询，详细了解岗位要求、薪资待遇等信息。
得益于客运中心站节后密集的人流和便利的交通条件，这场开在“家门口”的招聘会，为返丰务工人员提供了“下车即求职”的便捷体验。刚抵达泉州的务工人员无需四处奔波，下车即可直达招聘现场，省去了辗转求职的周折。同时，周边县（市、区）的求职者听闻也前来应聘，寻找适合自己的好工作。
据悉，今年丰泽区新春招聘系列活动以“春风送岗促就业 真情相助暖民心”为主题，将持续开展至3月底。活动期间，除了一系列线下专场招聘会，还将同步推出线上招聘、赴省外招工引才、直播带岗及政策宣传等多元化服务，精准对接企业用工引才与求职者就业需求，助力广大求职者在“家门口”实现就业。
企业研发“拉满弓” 奋力冲刺“开门红”
位于泉州数字经济产业园内的泉州力同科技有限公司，在复工第一天便迅速进入了高效运转状态。
“其实从我们春节放假开始，客户的订单就没停过。”公司副总经理薛白一早便召集了商务和生产部门的同事，紧锣密鼓地安排新一年的生产排期。他表示，即使在春节放假期间，他们仍坚守服务一线，实现客户咨询、订单承接“不断档”，产线在节后的排期早已预定得满满当当。
产线上，工人们精神饱满，娴熟地操作着全自动化设备，赶制新春的第一批交付产品；研发中心内，技术人员正聚精会神地进行着新一轮的调整与测试。薛白对今年的发展态势充满信心：“无论是数字类，还是模拟类的新建订单，表现都非常好，整体发展速度很快。”
作为一家深耕芯片领域的企业，力同科技不仅受益于大湾区作为全球对讲机产业核心地带的集群效应，也深切感受到了丰泽当地优质的营商环境和暖心的政策支持。正是这种上下一心、共谋发展的良好氛围，让企业对未来发展更有信心、更有底气。
“所以，今年我们仍是信心满满。”展望新一年的发展，薛白语气坚定地透露了一个令人振奋的目标，“2026年，我们预测整体的营业额会比去年有至少100%以上的增长。这是我们当前的坚定信心，也是对市场发展的预判。”开局即冲刺，力同科技正以“满格电”的状态，锚定倍增目标，奋力在丰泽这片热土上跑出高质量发展的“加速度”。
法务护航不断档用心服务暖人心
与力同科技的“硬核”生产不同，福建顺济律师事务所内则是一派专业而温暖的忙碌景象。会议室里，律师团队正围绕节后首个案件进行细致研讨；咨询台前，值班律师正耐心接待来访群众，为他们解答关于劳务纠纷、合同履行等方面的法律疑问，提供专业的法律建议。
福建顺济律师事务所成立于2010年，是泉州首家运用法律智能操作系统的专业律所，先后荣获福建省优秀律师事务所、福建省律师协会履行社会责任先进律师事务所、泉州市“AAAA”级诚信律师事务所。
“节后往往是企业和群众法律服务需求的高峰期，事务所于今日（正月初八）正式开工，为员工发放了开工红包，希望大家能迅速收心归位，以最专业的状态，为群众排忧解难，为企业发展保驾护航。”福建顺济律师事务所合伙人苏桂萍律师表示，“2026年，我们将继续发扬‘顺法意 济天下’的理念，聚焦客户多元需求，着力提供更优质、更精细的法律服务，也希望我们所能不断开拓自身业务新蓝海，实现更高质量的发展。”
原标题：丰泽：新春复工齐发力 奋进开启新征程" />丰泽：新春复工齐发力 奋进开启新征程
本报北京9月1日电 （记者韩鑫）记者从交通运输部获悉：今年前7月，货运量、港口货物吞吐量等交通运输主要指标均保持增长。
前7月，完成营业性货运量317.9亿吨，同比增长3.7%，其中公路货运量233.5亿吨，同比增长3.6%，水路货运量54.9亿吨，同比增长5.4%；港口完成货物吞吐量100亿吨，同比增长4.0%，其中内、外贸吞吐量分别增长2.1%和8.2%，完成集装箱吞吐量1.9亿标准箱，同比增长8.3%；完成交通固定资产投资20505亿元，其中公路、水运分别完成投资14457亿元和1202亿元。
" />前7月交通运输主要指标均保持增长（新数据 新看点）
国无防不立，民无防不安。国防是国家生存与发展的安全保障，全民国防教育是筑牢国家安全教育防线的重要基石。
为深入学习贯彻《中华人民共和国国防教育法》及全民国防教育工作要求，持续提升全民国防素养与安全意识，特推出“爱我国防”趣味互动科普问答活动，诚邀广大用户共同学思践悟，厚植国防情怀。
点击文末推荐阅读卡片，即刻进入互动答题专区。完成全部问答挑战的用户，将获得“国防教育践行者”电子纪念证书，以作表彰与激励。
本次互动问答以国防知识科普为核心，采用趣味互动形式，系统涵盖国防法律法规、国防理念与方针、国防力量与装备、国防历史、国防责任与实践等核心内容。活动旨在通过沉浸式答题体验，让国防观念深植人心，推动形成全民关心国防、热爱国防、建设国防、保卫国防的浓厚氛围。
让我们在趣味互动中强化使命担当，在知识学习中凝聚国防共识，共同为筑牢全民国防安全防线、护航国家发展大局贡献力量！
“爱我国防”趣味互动科普上线
Copyright © 2026-now 新芒 版权所有