维护(知识): 重构金鹏 2026-05-29 文章格式与摘要命令
- 将关联文章归入"驾驭AI"父条目，按六层架构组织 - 层级标签从来源行移至子文章标题前方 - 优化 arno-article-summary 命令，匹配最终文章格式
This commit is contained in:
@@ -18,55 +18,80 @@ $ARGUMENTS
|
||||
|
||||
### 1. 读取文章内容
|
||||
|
||||
- 如果是 **URL**：使用 `mcp__web-reader__webReader` 或 `WebFetch` 获取文章内容
|
||||
- 如果是 **本地文件**：使用 `Read` 工具读取
|
||||
- 如果是 **GitHub 仓库链接**：使用 `mcp__zread__read_file` 或 `mcp__zread__get_repo_structure` 了解项目
|
||||
- **URL**：使用 `mcp__web-reader__webReader` 或 `WebFetch` 获取文章内容
|
||||
- **本地文件**：使用 `Read` 工具读取
|
||||
- **GitHub 仓库**：使用 `mcp__zread__get_repo_structure` 了解项目结构
|
||||
|
||||
### 2. 分析文章
|
||||
|
||||
提取以下信息：
|
||||
- 文章标题和原始链接
|
||||
- 来源/作者/发布平台
|
||||
- 核心论点（一句话总结）
|
||||
- 关键要点（3-8 个，用缩进列表）
|
||||
- 独到见解或可引用的金句（用 **加粗** 标注）
|
||||
提取：标题和链接、来源/作者、核心论点、关键要点（3-8个）、可引用金句。
|
||||
|
||||
### 3. 输出格式
|
||||
### 3. 提取核心观点并构建体系
|
||||
|
||||
**严格遵守以下格式**，与 `知识/金鹏.md` 中已有的详细文章条目保持一致：
|
||||
**最关键的一步**，在编写具体内容之前完成：
|
||||
|
||||
1. **提取核心命题**：通读全部文章，提炼一个能串联所有关联文章的核心命题，2-4 字（如"驾驭AI"）
|
||||
2. **划分层级**：将关联文章按递进逻辑分层——总纲→实践层（团队/流程/产品）→战略层（组织）→根基层（文明/哲学），每层一个 2-3 字标签
|
||||
3. **排序**：体系内按层级递进排列，独立工具/项目放在最后
|
||||
4. **确定父条目**：为核心命题创建一个父条目——标题用核心命题，链接用首篇文章URL，配一张代表图片和一句金句标签
|
||||
|
||||
### 4. 输出格式
|
||||
|
||||
#### 4a. 体系内文章组（有关联的文章，用父条目分组）
|
||||
|
||||
```markdown
|
||||
- [文章标题](原始链接)
|
||||
- [核心命题](首篇文章URL)
|
||||
- 
|
||||
- 来源/平台
|
||||
- 一句话核心摘要
|
||||
- 补充说明（可选）
|
||||
- 要点一
|
||||
- 要点二
|
||||
- **关键洞察或金句（加粗）**
|
||||
- 金句标签（核心命题的精髓表达，一句话）
|
||||
- 层级标签： [文章标题](子文章URL)
|
||||
- 定位描述——用一句话说明本文在体系中的位置，**粗体**突出关键词
|
||||
- 来源名称
|
||||
- 具体要点一
|
||||
- 具体要点二
|
||||
- **关键洞察或金句（加粗）**
|
||||
- 层级标签： [下一个文章标题](URL)
|
||||
- 来源名称
|
||||
- 定位描述——承上启下，用"这与XX呼应""与XX一样"等词语串联
|
||||
- 具体要点...
|
||||
```
|
||||
|
||||
### 格式规则
|
||||
**规则**：
|
||||
- 父条目缩进 0，子文章标题行缩进 4 空格，子文章内容缩进 8 空格
|
||||
- **层级标签在子文章标题前面**：`层级标签： [文章标题](URL)`，如 `总纲： [驾驭AI：...](url)`、`团队层： [角色分工：...](url)`
|
||||
- 子文章标题：`动作名词：具体内容`，不超过 20 字
|
||||
- 来源行只写平台/作者名（如 `腾讯云`、`极客鑫`），**不在此处加层级标签**
|
||||
- 总纲的定位描述放在来源之前（因为它是全组的总起），其他子文章的定位描述放在来源之后
|
||||
- 定位描述承上启下，用关联词串联上下文
|
||||
|
||||
1. 图片占位使用 `` 格式，日期与文章所属日期一致
|
||||
2. 来源行简洁明了：如"知乎"、"微信公众号"、"GitHub"、"阿里云开发者"等
|
||||
3. 核心摘要保持在一行内，提炼文章最重要的观点
|
||||
4. 要点使用 4 空格缩进，每条要点提炼一个独立观点
|
||||
5. 特别重要或精辟的表述用 `**粗体**` 强调
|
||||
6. 多个子文章时，每个子文章独立成段，使用缩进层级组织
|
||||
7. GitHub 项目类文章：简要说明项目用途、技术亮点、Star 数（如有）
|
||||
8. 文章标题要简化，控制不超过20个字，突出文章的核心要点
|
||||
#### 4b. 独立文章（不属任何体系的工具项目或单篇文章）
|
||||
|
||||
### 4. 提取核心观点并排序
|
||||
```markdown
|
||||
- [文章标题](URL)
|
||||
- 来源名称
|
||||
- 一句话核心摘要
|
||||
- 补充要点
|
||||
```
|
||||
|
||||
- 结合全部文章的标题、描述，提取一个核心观点
|
||||
- 修改第一篇文章的标题，体现这个核心观点
|
||||
- 修改其他文章的标题和描述，让多篇文章之间在标题, 描述上有一定体系和连贯性
|
||||
- 按造重要程度和文章间的关联性对文章进行排序，重要的放在上面
|
||||
**规则**：
|
||||
- 缩进 4 空格，不加层级标签
|
||||
- GitHub 项目：简要说明用途、技术亮点
|
||||
|
||||
### 标题命名
|
||||
|
||||
| 类型 | 格式 | 示例 |
|
||||
|------|------|------|
|
||||
| 父条目 | 核心命题，2-6 字 | `驾驭AI` |
|
||||
| 体系内子文章 | `动作名词：具体内容`，≤20字 | `角色分工：gstack 的虚拟工程团队` |
|
||||
| 独立文章 | 简洁直白，≤15 字 | `实时数字人` |
|
||||
|
||||
### 描述编写
|
||||
|
||||
1. **粗体**用于：核心命题、关键洞察、金句、颠覆性结论
|
||||
2. 每条要点控制在 1-2 行
|
||||
3. 忠实原文观点
|
||||
4. 子文章定位描述必须说明该文在体系中的位置，并与前文建立关联
|
||||
|
||||
### 注意事项
|
||||
|
||||
- 保持客观，忠实于原文观点
|
||||
- 中文表达流畅自然
|
||||
- 避免过度冗长，每个要点控制在 1-2 行
|
||||
- 如果有多个相关链接，用缩进组织在主文章下方
|
||||
- 图片占位 ``，日期与文章日期一致
|
||||
- 多个相关链接（GitHub、官网等）用缩进放在描述最后
|
||||
|
||||
@@ -15,55 +15,58 @@
|
||||
|
||||
## 2026-05-29
|
||||
|
||||
- [驾驭AI：从 Prompt 到 Harness 的工程进化](https://mp.weixin.qq.com/s/TB6RvHG6LbuPcC7idiDV7g)
|
||||
- 腾讯云 · 总纲
|
||||
- **驾驭AI** 是本期核心命题。本文是总纲——系统梳理驾驭AI的三层工程框架：Prompt Engineering（说清楚）→ Context Engineering（给够信息）→ Harness Engineering（系统可靠），三者层层嵌套而非替代
|
||||
- OpenAI 内部实验：3-7 人团队 5 个月，AI 生成近 100 万行生产级代码，效率约为纯人工的 10 倍——但初期 Agent 频繁跑偏，转折点在于实施了三大 Harness 策略：上下文治理（压缩 agent.md 至百行索引+动态加载）、验证闭环（Chrome DevTools + 可观测性 + 强制 Lint/测试）、技术债自动清理
|
||||
- Anthropic 的 F-Harness：Planner（规划）+ Generator（生成）+ Evaluator（独立评估）三 Agent 模式，成本 $200 vs 单 Agent $9，但输出从"勉强可用"跃升为"生产环境级别"——**20 倍的时间和成本代价，换来质的飞跃**
|
||||
- **Harness 衰变定律**：模型能力越强，所需 Harness 越简单——Claude 3.0 时代需要极严格的 Harness 约束，到 3.5 后大量规则自然不再必要。实践启示：**不要过度设计那些模型未来能自我解决的问题，把精力集中在业务逻辑边界和外部环境接口**
|
||||
- 工程师衡量标准正在切换：从"每天写多少行代码"→"Harness 能支撑多高的代码产出率"；从"个人产出"→"系统杠杆"
|
||||
- **Human steer, agents execute——工程师的价值正在向上迁移：定方向、搭架子、做判别**
|
||||
- [角色分工：gstack 的虚拟工程团队](https://zhuanlan.zhihu.com/p/2036011527019425792) [git gstack](https://gitea.szis.com.cn/github/garrytan-gstack)
|
||||
- 极客鑫 · 团队层
|
||||
- 驾驭AI的团队实践：**用角色分工为每个Agent划定行为边界**——这与总纲中 F-Harness 的 Planner/Generator/Evaluator 三角色模式一脉相承
|
||||
- gstack 是一套 MIT 开源的 Claude Code 自定义斜杠命令集合，GitHub 80,000+ Stars，由 Y Combinator CEO Garry Tan 创建并维护
|
||||
- 核心理念：**把 AI 从一个「写代码的助手」升级成一个「完整的虚拟工程团队」**——每个 `/` 命令对应一个特定角色（CEO、工程经理、设计师、QA 负责人、安全官、发布经理），有明确的职责边界和行为约束
|
||||
- Garry Tan 本人用这套系统在 60 天内交付了超过 60 万行生产级代码（其中 35% 是测试代码），同时还在全职运营 Y Combinator
|
||||
- **gstack 不引入任何新框架（不依赖 LangGraph、CrewAI 等），纯基于 Claude Code 原生机制实现角色驱动协作——"用机制而非框架解决问题"**
|
||||
- [流程编排：Skills 驱动的全链路自动化](https://mp.weixin.qq.com/s/2oMizbzhvbKeZvOStW75Jw)
|
||||
- 新智元 · 流程层
|
||||
- 驾驭AI的流程实践：**用Skills编排替代手写prompt，让AI从"会聊天"变成"会交作业"**——与gstack的角色命令一样，都是在模型之上建立可复用的驾驭机制
|
||||
- 商汤开源 SenseNova-Skills：一套 MIT 协议的办公场景 Skills 集合，覆盖数据分析、深度研究、PPT 生成、搜索四大类任务
|
||||
- 实测场景一：存储芯片价格分析——6 家厂商 13 种品类 7 个月报价，Agent 先跑数据审计再"按品类×应用场景×厂商"交叉分析，精准捕捉价格拐点，**结论犀利：本轮上涨是 AI 服务器需求带动的结构性修复，不是普涨**
|
||||
- 实测场景二：低空经济行业调研——只给题目不给资料，Agent 自主检索、比对厂商、用 TAM/SAM/SOM 框架测算市场规模，交付有判断框架+数据支撑+可视化图表的完整报告
|
||||
- 实测场景三：23 页完整 PPT——七段式框架，每部分匹配对应视觉表达，生成即交付
|
||||
- 配套模型 SenseNova 6.7 Flash-Lite：同量级第一（PinchBench 92 分），原生多模态架构，Token 消耗在搜索场景直降 60%
|
||||
- **大模型竞争正在回到"交付"——靠的不是更大的模型，而是模型背后那套被打磨过的 Skills**
|
||||
- [SenseNova-Skills](https://github.com/OpenSenseNova/SenseNova-Skills) [SenseNova 6.7](https://github.com/OpenSenseNova/SenseNova6.7) [Agent Pack](https://github.com/OpenSenseNova/agent_pack) [办公小浣熊](https://xiaohuanxiong.com/)
|
||||
- [产品取舍：手机端 AI Coding 的路线选择](https://mp.weixin.qq.com/s/4QufSVTP7xIOFMDFPUkTIQ)
|
||||
- 韦东东 · 产品层
|
||||
- 驾驭AI的产品实践：**在"自建工具"和"等待官方"之间做取舍判断**——这与总纲中 Harness 衰变定律呼应：不要过度设计模型未来能自我解决的问题
|
||||
- 深度使用 nexus4cc 一个月后，作者意识到自己不是其目标用户，转而自建了一套基于 Session Reader 的 AI Coding Workbench——从"镜像终端"到"读会话文件"的路线变迁
|
||||
- 远程监控 AI 编程任务已从伪需求变成真痛点：单次任务时长从几十秒跳到几十小时（GPT-5.3-Codex 连续跑 25 小时、Claude Code 27 小时），人不可能一直盯着
|
||||
- 作者自建的 Workbench 选型：**Reader 而非镜像**——直接读 `~/.codex/sessions/` 和 `~/.claude/projects/` 的 JSONL 会话文件，不接管客户端，只读监控
|
||||
- 接续 vs 派生：running 状态禁止接续（避免两条路线交错），completed/idle 默认走派生（读旧会话最近 N 轮关键消息拼上下文开新 session）
|
||||
- **通知不等于打扰**：HID idle time 判断人在不在电脑前——人在时 Pet 桌面悬浮已显示不发飞书，人离开后才推 IM 通知
|
||||
- 真正能长期留下来的 4 类资产：**团队路由表、业务 Skills 和 Prompt 模板、工作流约定、过程数据**——边界宽且与模型厂商能力无重叠
|
||||
- **工具变便宜不等于产出更有价值——写代码越快，越容易忘掉"这段代码到底解决谁的什么具体问题"**
|
||||
- [组织设计：大型企业的 AI 转型顶层架构](https://mp.weixin.qq.com/s/yP_s7aPsfHwTxLBkWPt67A)
|
||||
- 侯宏文存 · 组织层
|
||||
- 驾驭AI的组织实践：**从工程问题上升到组织架构的顶层设计**——个人的驾驭靠Harness和Skills，组织的驾驭靠架构和制度
|
||||
- 基于学术研究的理性中立声音，面向大型企业高管的 AI 转型培训框架，题为《AI 如何重塑组织：超越喧嚣》
|
||||
- 两大核心焦虑：AI 与裁员的关系剪不断理还乱；散点式试点拼凑不出顶层设计——**如果这两个问题想不清楚、定位混乱，对一号位下定决心及后续宣贯执行都有巨大隐患**
|
||||
- 提出 3I 框架（技术-组织-战略三者融合的系统思考），强调**智能体互联网是商业模式再造的战略性机遇**
|
||||
- 结尾点睛：**当机器可能接管企业的运营核心，人类员工将不断拓展组织边界——不要把 edge 理解为 margin，它是人类不断拓展可能性前沿、改变组织命运的壮丽努力发生的地方**
|
||||
- [文明根基：道德、知识与人的不可替代](https://mp.weixin.qq.com/s/iTobbugjJRu8aMmQMhJ_Fg)
|
||||
- 学习时报 · 文明层
|
||||
- 驾驭AI的文明根基：**回答"为什么是人驾驭AI，而非相反"**——前面五层讲"怎么驾驭"，这一层讲"凭什么"：有德者为人，无德者自为禽兽，驾驭技术的资格来自于人的道德自觉
|
||||
- 中华文明以道德体系、知识体系和礼仪制度构成其核心内涵——**道德为成人之本，知识为立身之本，礼仪为治世之本**，形成中华文明的"三要三本"
|
||||
- 文明的关键是"文"——内心之文德彰显于外。先贤对文明的理解：文明社会必须由文明的人建立，文明社会既不可能靠野蛮人建立，更不能由技术和财富定义
|
||||
- 考古证据：至迟在 7000 年前（湖北秭归柳林溪遗址"五田文"陶器），修德成人的文明观已经建立完成
|
||||
- **"并不是新技术就必然比旧技术文明，假如新技术用来制作杀人武器，那就根本不是文明，而只能是野蛮"**——技术与文明的关系取决于掌握技术的人是否有德
|
||||
- [驾驭AI](https://mp.weixin.qq.com/s/TB6RvHG6LbuPcC7idiDV7g)
|
||||
- 
|
||||
- 把工程精力集中在业务逻辑边界和外部环境接口
|
||||
- 总纲： [驾驭AI：从 Prompt 到 Harness 的工程进化](https://mp.weixin.qq.com/s/TB6RvHG6LbuPcC7idiDV7g)
|
||||
- **驾驭AI** 是本期核心命题。本文是总纲——系统梳理驾驭AI的三层工程框架：Prompt Engineering（说清楚）→ Context Engineering（给够信息）→ Harness Engineering（系统可靠），三者层层嵌套而非替代
|
||||
- 腾讯云
|
||||
- OpenAI 内部实验：3-7 人团队 5 个月，AI 生成近 100 万行生产级代码，效率约为纯人工的 10 倍——但初期 Agent 频繁跑偏，转折点在于实施了三大 Harness 策略：上下文治理（压缩 agent.md 至百行索引+动态加载）、验证闭环（Chrome DevTools + 可观测性 + 强制 Lint/测试）、技术债自动清理
|
||||
- Anthropic 的 F-Harness：Planner（规划）+ Generator（生成）+ Evaluator（独立评估）三 Agent 模式，成本 $200 vs 单 Agent $9，但输出从"勉强可用"跃升为"生产环境级别"——**20 倍的时间和成本代价，换来质的飞跃**
|
||||
- **Harness 衰变定律**：模型能力越强，所需 Harness 越简单——Claude 3.0 时代需要极严格的 Harness 约束，到 3.5 后大量规则自然不再必要。实践启示：**不要过度设计那些模型未来能自我解决的问题，把精力集中在业务逻辑边界和外部环境接口**
|
||||
- 工程师衡量标准正在切换：从"每天写多少行代码"→"Harness 能支撑多高的代码产出率"；从"个人产出"→"系统杠杆"
|
||||
- **Human steer, agents execute——工程师的价值正在向上迁移：定方向、搭架子、做判别**
|
||||
- 团队层： [角色分工：gstack 的虚拟工程团队](https://zhuanlan.zhihu.com/p/2036011527019425792) [git gstack](https://gitea.szis.com.cn/github/garrytan-gstack)
|
||||
- 极客鑫
|
||||
- 驾驭AI的团队实践：**用角色分工为每个Agent划定行为边界**——这与总纲中 F-Harness 的 Planner/Generator/Evaluator 三角色模式一脉相承
|
||||
- gstack 是一套 MIT 开源的 Claude Code 自定义斜杠命令集合，GitHub 80,000+ Stars，由 Y Combinator CEO Garry Tan 创建并维护
|
||||
- 核心理念：**把 AI 从一个「写代码的助手」升级成一个「完整的虚拟工程团队」**——每个 `/` 命令对应一个特定角色（CEO、工程经理、设计师、QA 负责人、安全官、发布经理），有明确的职责边界和行为约束
|
||||
- Garry Tan 本人用这套系统在 60 天内交付了超过 60 万行生产级代码（其中 35% 是测试代码），同时还在全职运营 Y Combinator
|
||||
- **gstack 不引入任何新框架（不依赖 LangGraph、CrewAI 等），纯基于 Claude Code 原生机制实现角色驱动协作——"用机制而非框架解决问题"**
|
||||
- 流程层： [流程编排：Skills 驱动的全链路自动化](https://mp.weixin.qq.com/s/2oMizbzhvbKeZvOStW75Jw)
|
||||
- 新智元
|
||||
- 驾驭AI的流程实践：**用Skills编排替代手写prompt，让AI从"会聊天"变成"会交作业"**——与gstack的角色命令一样，都是在模型之上建立可复用的驾驭机制
|
||||
- 商汤开源 SenseNova-Skills：一套 MIT 协议的办公场景 Skills 集合，覆盖数据分析、深度研究、PPT 生成、搜索四大类任务
|
||||
- 实测场景一：存储芯片价格分析——6 家厂商 13 种品类 7 个月报价，Agent 先跑数据审计再"按品类×应用场景×厂商"交叉分析，精准捕捉价格拐点，**结论犀利：本轮上涨是 AI 服务器需求带动的结构性修复，不是普涨**
|
||||
- 实测场景二：低空经济行业调研——只给题目不给资料，Agent 自主检索、比对厂商、用 TAM/SAM/SOM 框架测算市场规模，交付有判断框架+数据支撑+可视化图表的完整报告
|
||||
- 实测场景三：23 页完整 PPT——七段式框架，每部分匹配对应视觉表达，生成即交付
|
||||
- 配套模型 SenseNova 6.7 Flash-Lite：同量级第一（PinchBench 92 分），原生多模态架构，Token 消耗在搜索场景直降 60%
|
||||
- **大模型竞争正在回到"交付"——靠的不是更大的模型，而是模型背后那套被打磨过的 Skills**
|
||||
- [SenseNova-Skills](https://github.com/OpenSenseNova/SenseNova-Skills) [SenseNova 6.7](https://github.com/OpenSenseNova/SenseNova6.7) [Agent Pack](https://github.com/OpenSenseNova/agent_pack) [办公小浣熊](https://xiaohuanxiong.com/)
|
||||
- 产品层： [产品取舍：手机端 AI Coding 的路线选择](https://mp.weixin.qq.com/s/4QufSVTP7xIOFMDFPUkTIQ)
|
||||
- 韦东东
|
||||
- 驾驭AI的产品实践：**在"自建工具"和"等待官方"之间做取舍判断**——这与总纲中 Harness 衰变定律呼应：不要过度设计模型未来能自我解决的问题
|
||||
- 深度使用 nexus4cc 一个月后，作者意识到自己不是其目标用户，转而自建了一套基于 Session Reader 的 AI Coding Workbench——从"镜像终端"到"读会话文件"的路线变迁
|
||||
- 远程监控 AI 编程任务已从伪需求变成真痛点：单次任务时长从几十秒跳到几十小时（GPT-5.3-Codex 连续跑 25 小时、Claude Code 27 小时），人不可能一直盯着
|
||||
- 作者自建的 Workbench 选型：**Reader 而非镜像**——直接读 `~/.codex/sessions/` 和 `~/.claude/projects/` 的 JSONL 会话文件，不接管客户端，只读监控
|
||||
- 接续 vs 派生：running 状态禁止接续（避免两条路线交错），completed/idle 默认走派生（读旧会话最近 N 轮关键消息拼上下文开新 session）
|
||||
- **通知不等于打扰**：HID idle time 判断人在不在电脑前——人在时 Pet 桌面悬浮已显示不发飞书，人离开后才推 IM 通知
|
||||
- 真正能长期留下来的 4 类资产：**团队路由表、业务 Skills 和 Prompt 模板、工作流约定、过程数据**——边界宽且与模型厂商能力无重叠
|
||||
- **工具变便宜不等于产出更有价值——写代码越快，越容易忘掉"这段代码到底解决谁的什么具体问题"**
|
||||
- 组织层： [组织设计：大型企业的 AI 转型顶层架构](https://mp.weixin.qq.com/s/yP_s7aPsfHwTxLBkWPt67A)
|
||||
- 侯宏文存
|
||||
- 驾驭AI的组织实践：**从工程问题上升到组织架构的顶层设计**——个人的驾驭靠Harness和Skills，组织的驾驭靠架构和制度
|
||||
- 基于学术研究的理性中立声音，面向大型企业高管的 AI 转型培训框架，题为《AI 如何重塑组织：超越喧嚣》
|
||||
- 两大核心焦虑：AI 与裁员的关系剪不断理还乱；散点式试点拼凑不出顶层设计——**如果这两个问题想不清楚、定位混乱，对一号位下定决心及后续宣贯执行都有巨大隐患**
|
||||
- 提出 3I 框架（技术-组织-战略三者融合的系统思考），强调**智能体互联网是商业模式再造的战略性机遇**
|
||||
- 结尾点睛：**当机器可能接管企业的运营核心，人类员工将不断拓展组织边界——不要把 edge 理解为 margin，它是人类不断拓展可能性前沿、改变组织命运的壮丽努力发生的地方**
|
||||
- 文明层： [文明根基：道德、知识与人的不可替代](https://mp.weixin.qq.com/s/iTobbugjJRu8aMmQMhJ_Fg)
|
||||
- 学习时报
|
||||
- 驾驭AI的文明根基：**回答"为什么是人驾驭AI，而非相反"**——前面五层讲"怎么驾驭"，这一层讲"凭什么"：有德者为人，无德者自为禽兽，驾驭技术的资格来自于人的道德自觉
|
||||
- 中华文明以道德体系、知识体系和礼仪制度构成其核心内涵——**道德为成人之本，知识为立身之本，礼仪为治世之本**，形成中华文明的"三要三本"
|
||||
- 文明的关键是"文"——内心之文德彰显于外。先贤对文明的理解：文明社会必须由文明的人建立，文明社会既不可能靠野蛮人建立，更不能由技术和财富定义
|
||||
- 考古证据：至迟在 7000 年前（湖北秭归柳林溪遗址"五田文"陶器），修德成人的文明观已经建立完成
|
||||
- **"并不是新技术就必然比旧技术文明，假如新技术用来制作杀人武器，那就根本不是文明，而只能是野蛮"**——技术与文明的关系取决于掌握技术的人是否有德
|
||||
- [实时数字人](https://gitea.szis.com.cn/github/datascale-ai-opentalking)
|
||||
- datascale
|
||||
- OpenTalking：开源的实时数字人对话系统，支持多种 TTS、STT、LLM 提供商和数字人合成方案（FlashTalk、MuseTalk、Wav2Lip），事件驱动架构，Docker 一键部署
|
||||
|
||||
Binary file not shown.
|
After Width: | Height: | Size: 70 KiB |
Reference in New Issue
Block a user