逸趣网(cmd8.com)

科研版Codex？论文邪修4.0来了！

Fri, 03 Jul 2026 09:21:30 +0800

如果晚生几年，我一定要重新搞科研！

倒不是突然爱学习了，而是因为现在的研究生工具，已经进化到有点离谱了！

之前给大家推荐过 Scholaread（靠岸学术），老粉应该不陌生。

但最近，小坚果又试了一下它新出的研究功能，也就是 Agent，我只能说：

牛哇牛哇！

如果说以前 Scholaread 是帮你重排版读文献、翻译文献、拆图表公式来提高效率的话，

那现在的它更像一个导师，而且这个导师无微不至，有问必答。想要现成的图表？只要你要他就立马给，而且还是可编辑的SVG形式。

从定选题、查文献、搭框架，到写开题、小论文、毕业论文补文献，只要你找他，它就能插一脚。

Scholaread 官网入口放在文末喽~想直接上手的同学可以拉到最后。

🟢 研0定选题

导师一句“你先看看”，文献我找了一篇又一篇

打开知网、Google Scholar，输入几个关键词，下载一堆PDF...

两周后打开文件夹，这篇和我有关系吗？

但是如果你用 Scholaread 的 Agent 功能，就可以帮你把研究方向搓开了揉碎了，再帮你重新按照相关性安排阅读顺序，而且是可以直接点进去下载阅读的哦，不用自己再去找了。

方向先拆清楚，后面才不会越查越乱。

研0阶段最重要的不是读完100篇论文，而是先搞明白：这个方向能不能做，我到底从哪里切进去。

🟡 研一开题

文献综述憋不出来or流水账？

以前自己整理，要找综述、筛经典论文、补近几年进展，还要总结每类方法的优缺点，真的很容易崩。

现在可以直接让 Scholaread Agent 帮你：

“请围绕XX研究方向，梳理国内外研究现状，按研究主题分类，总结每类方法的代表文献、主要贡献、存在不足，并指出适合继续研究的切入点。”

这样你就不用再写：“A学者研究了什么，B学者提出了什么。”

而是直接拔高成：

“目前该方向主要形成了三类路线，其中已有研究解决了XX问题，但在XX方面仍存在不足，因此本研究拟从XX切入。”

这就从“我看了很多文献”，变成了：我知道这个领域怎么发展，也知道我的课题站在哪里。

🟠 写小论文

又卡在相关研究了

写小论文最痛苦的地方，往往不是实验，是“相关研究”这部分。

满脑子都是文献，但一篇都不听话。

Scholaread 这个 Agent 功能，很适合帮你把文献分层：

哪些是经典基础论文、哪些是主流方法、哪些是最新前沿；
哪些和你方法最接近、哪些能支撑你的创新点；
哪些适合拿来对比，甚至可以直接帮你找出论文间差异点。

再继续追问它：每类方法解决了什么？代表论文是谁？现有不足在哪里？我的方法可以接在哪个空白上...

论文根本不用硬凑字数，而且能自然地引出你的研究价值。

文献不是用来堆引用的，是用来证明：你的工作为什么值得做。

🔴 毕业生

论文写完反向找文献？也不是没救

还有一种痛，小坚果愿称之为：毕业生限定之反向补文献。

这个时候，已经不是读文献堆量可以解决的问题了。

你需要的是精准补文献。

Scholaread Agent 可以围绕你已经写好的内容，帮你反向梳理：

只需要将想要匹配文献的段落复制粘贴上去，他就能反向定位到能够匹配的上的文献，而且能够显示被引用数，并直接给出文献的下载链接，两分钟搞定。

当然这个研究（agent）板块的功能远不止于此，你只需要把他当导师，当科研搭子，就能用好他，不再局限于某一板块，有问题就问，他就能给你最准确最不绕弯子最科学的回答。

用上 Scholaread Agent，你将成为你导带过最省心的那一个。

最后Scholaread官网放这了，点击下方图片进入⬇️⬇️⬇️

全新的腾讯网盘来了，行业迎接“大换血”

Fri, 03 Jul 2026 09:17:11 +0800

当前，国内网盘行业竞争格局加剧，呈现出明显的两极分化态势。一方面，老牌网盘在高昂的服务器与带宽成本重压下，纷纷通过会员涨价、限制免费用户权益及清理长期未登录账号等方式压缩运营成本；另一方面，行业尚未失去活力，新玩家依然逆势入局——今年4月，迅雷推出光鸭云盘，主打免登录下载与全链路不限速传输以及2TB永久免费存储空间；与此同时，手握社交与办公生态的腾讯，也终于在网盘赛道落下了一枚关键新子。

6月中旬，腾讯网盘官网在毫无预兆的情况下悄然上线。打开官网后，页面中央醒目地显示着“COMING SOON”（即将推出）的字样，目前暂不支持新用户注册，也没有发布PC端或移动端App。尽管尚未正式开放，但官网底部已经完整地展示了这款新产品的六大特色核心能力。

众所周知，腾讯公司此前已推出云存储服务“腾讯微云”。腾讯微云于2012年7月上线，已运营十余年，是一款智能云存储应用，深度联动微信、QQ社交生态，主打社交文件快速存储与轻量化文件管理，目前已有超4亿用户。那么为何腾讯还要再做一款全新网盘？传统网盘主打空间出租，用户主动上传，它帮用户存储，其核心价值始终围绕“装得下、传得快、分享方便”展开，竞争焦点始终停留在存储空间大小、下载速度快慢的浅层维度。

此次全新推出的腾讯网盘，并非微云的迭代版本，更不是一个简单的“文件存放地”，其从立项之初即围绕人工智能构建，能连接多款AI应用，统一存储AI生成的数据。

过去很长一段时间里，腾讯旗下的AI与办公产品各自为战：元宝生成的对话记录、ima产出的创意素材、腾讯文档里的项目方案、腾讯会议的录制纪要、企业微信沉淀的沟通资料……海量数据散落在数十个独立应用中，彼此之间形成了难以打通的信息孤岛。

用户想要让AI处理一份跨应用的资料，往往需要手动在不同软件间反复导出、上传，耗费大量精力搬运数据。

而腾讯网盘的出现，就是为了彻底终结这个痛点：它会自动、安全地归集用户在腾讯全系产品中产生的所有数据，形成一个统一的个人数字资产库。未来用户调用任何AI工具时，都无需手动上传资料，AI可以直接从这个“记忆库”中调取完整上下文，让数据真正实现“一次沉淀、处处可用”。

从官网披露的六大核心能力来看，腾讯网盘的每一项设计，都精准指向了“让数据能被接着用”的核心目标：

多应用数据互通：腾讯网盘会与腾讯文档、WorkBuddy等应用无缝协同，确保数据落盘有归属，统一沉淀为可复用的数字资产。

简言之，腾讯把自家的这几个办公软件打通了，用户在任何一个软件里产生的数据，都会自动、安全地存进网盘里集中管理。以后当用户想用这些旧资料时，随时都能直接拿来用，省时又省力。

OneID统一身份：一个账号即可通用网盘、文档、WorkBuddy等全系应用。登录即认人，资产随人调用，实现统一权限与安全策略。

过去用户使用不同的软件，可能需要记住多个账号和密码，或者每次都要重新登录。现在有了“OneID”，只要登录了这一个账号，不管是网盘、文档还是WorkBuddy，用户都可以直接进入，不用再重复登录。并且，系统能立即识别出用户身份，用户在网盘里存的资料、在文档里写的草稿等，在其登录成功后便会被安全、方便地送到手边，让用户在各个软件间无缝切换。

跨应用全局搜索：突破单一应用边界，一次搜索即可横跨多应用，快速检索图片、文件、文档等全部数字资产。

用户只需要在桌面的那个统一搜索框里输入一个关键词比如“年度总结”，系统就会像雷达一样，同时去用户的腾讯文档、网盘、WorkBuddy等所有软件里查找。不管它藏在哪个软件里，都能一次性揪出来。

高效共享协作：支持按组织架构、项目维度或成员关系灵活创建共享空间，助力团队高效共创共维。

用户可以按部门（比如“财务部专属”）、按项目（比如“A产品发布筹备组”），甚至按私人关系（比如“我的几个核心搭档”）建立一个共享空间，团队成员可以直接在里面一起写文档、同步更新资料，彻底告别“文件传来传去、版本越攒越多”的协作乱象。谁更新了什么，所有人立刻就能看到，真正实现了“无缝协作”。

支持Agent调用：开放接口，允许AI智能体（Agent）通过CLI/MCP等标准化协议直接调用网盘数据，让AI真正用上数据资产。

如果说前面的功能是给人用的，那这个功能就是专门给AI用的。我们可以理解为腾讯网盘给AI发了一张“内部员工通行证”。有了这个功能，无需用户主动喂数据，AI智能体（Agent）就可以像个真正的员工一样，自己去网盘里“翻箱倒柜”。在用户授权后，它不仅能看，还能根据用户指令自主完成数据检索、读取、整理等工作，让AI真正拥有了调用用户私有数据的能力。

多版本灵活交付：提供个人版、SaaS版、VPC版及私有化版等多种部署方案，按需取用，灵活适配个人与企业的落地场景。

腾讯网盘的入局，标志着网盘行业的竞争焦点已经从过去“拼存储空间、拼下载速度”的浅层竞争，正式转向了AI时代的“数据底层入口”争夺战。

如今所有头部互联网巨头都意识到，网盘的终极价值从来都不是“租空间”，而是成为所有AI应用的“数据底座”。

比如，百度通过‌GenFlow通用智能体，实现文库和网盘两大平台的深度能力打通与协调，GenFlow 作为统一调度中枢，可直接授权调用网盘存储的私有文件与文库的公有专业资源，用户无需手动下载或跨平台搬运。

阿里巴巴旗下的夸克把浏览器、搜索、网盘、扫描、拍题等 AI 能力整合到“超级框”里，在执行复杂任务（如学术报告、行业分析）时，AI可以突破应用壁垒，直接‌调取用户网盘内的私有素材‌作为生成依据。

腾讯则依托自身的社交与办公生态，利用OneID统一身份系统将微信、腾讯文档等全系应用打通，把网盘打造成了覆盖用户全场景的“全域记忆库”。

当BAT三家巨头全部完成在AI网盘赛道的布局，网盘行业的这场“大换血”才刚刚进入深水区。过去用户选择网盘，看的是“免费空间多大、下载速度多快”；未来用户选择网盘，或许看的是谁能更好地帮自己沉淀、激活、复用散落在各个角落的数字资产。网盘不再是互联网世界里一个不起眼的“文件仓库”，而是AI时代不可或缺的新型基础设施——谁能率先打通不同应用之间的数据壁垒，在合规框架下建立起用户可控的Agent授权机制，让AI智能体在明确的权限边界内安全地管理、聚合并调用用户的私有数据，谁就能在这场全新的行业变革中，坐实 AI 时代个人与企业的"长期记忆"底座，把网盘从配角推回互联网叙事的中央。

不用 Wi-Fi 也能做智能家居:谷歌OpenThread，让 ESP32-C6 直接组 Thread Mesh

Fri, 03 Jul 2026 09:13:16 +0800

别再用 Wi-Fi 硬堆智能家居了：谷歌开源的 OpenThread，让 ESP32-C6 直接组 Thread Mesh
做智能家居或多节点无线项目时，很多工程师的第一反应是：传感器挂 Wi-Fi，子设备走 BLE，再不行上 Zigbee 模组。这很正常。但真把十几二十个低功耗节点铺到一套房子里，你会发现 Wi-Fi 又费电又占 AP 连接数，BLE 跳不出星型拓扑，Zigbee 又得自己维护一套私有网关协议——设备越多越头大。

谷歌（Google Nest）把它自家智能家居产品里用的那套网络协议栈直接开源了，叫 OpenThread。更关键的是：它跑的 Thread 协议是 IPv6 原生的自愈 Mesh，而你手里的 ESP32-C6 / ESP32-H2 上那颗常被忽略的 802.15.4 射频，恰好就能直接跑它。

OpenThread 到底是什么

OpenThread 是谷歌开源的 Thread 协议栈实现，用 BSD 3-Clause 许可证发布，可免费商用。它是一个 Thread 认证组件（Thread Certified Component），实现了 Thread 1.4.0 规范定义的全部特性。

一句话定位：它不是又一个私有无线方案，而是一套标准、可认证、IPv6 原生的低功耗 Mesh 网络协议栈。几个对工程师重要的事实：

平台无关：抽象层很窄，内存占用小，可移植性强，裸机和带 RTOS 都能跑。
两种形态：既支持 SoC（协议栈和应用跑在同一颗芯片），也支持协处理器（RCP / NCP）设计。
官方文档在 openthread.io，国内可访问 openthread.google.cn；Border Router 在单独的 ot-br-posix 仓库。

Thread 凭什么成立

表面看，Thread 和 Zigbee 都建立在 IEEE 802.15.4 这层物理/MAC 之上，2.4GHz、低功耗、低速率。区别在更上面：

IPv6 原生：每个 Thread 设备本身就是一个可寻址的 IPv6 节点，不需要私有网关在中间做协议翻译。配合 6LoWPAN 把 IPv6 报文压缩进 802.15.4 的小帧里。
自愈 Mesh，无单点：路由角色可以动态切换，某个路由节点掉线，网络会重新选路，不会因为一个网关挂掉就全瘫。
角色分明：Leader、Router、End Device、SED 等角色各司其职，休眠子设备靠父节点缓存数据，所以能做到电池供电跑很久。
链路层就带 MAC 安全，并有 Mesh Link Establishment、Mesh Routing 这些机制保证可靠传输。

说白了，Thread 把「互联网那一套寻址和路由」搬到了低功耗无线设备上，这正是它能成为 Matter 底座的根本原因。

三种跑法：SoC、RCP、NCP

OpenThread 在工程上有三种典型部署形态，选型直接决定你的硬件成本和拓扑：

SoC / Standalone Node：协议栈 + 应用跑在同一颗带 802.15.4 射频的芯片上。ESP32-H2、ESP32-C6、ESP32-C5 这类芯片可以直接这么用，最省料。
RCP（Radio Co-Processor）：射频芯片只负责收发 802.15.4 帧，IP 协议栈跑在主机侧，两者之间走 Spinel 协议（SPI 或 UART，低延迟优先选 SPI）。做 Border Router 时常用这种：主控（如 Linux / ESP32-S3）+ 一颗 RCP 射频。
NCP（Network Co-Processor）：协处理器承担更多网络栈工作，主机通过 Spinel 下发指令。

另外官方还提供 OpenThread RTOS——用 LwIP + FreeRTOS + mbed TLS 组成的一站式方案；以及 OT Daemon（用户态 RCP 网络接口驱动）和 OpenThread Commissioner（设备入网调试）。

最小上手：用两块 ESP32-C6/H2 组个 Thread 网

ESP32-C6 / H2 自带 802.15.4 射频，是目前最便宜的上手路径。OpenThread 暂不支持 Arduino，需要用 ESP-IDF。烧 ot_cli 例程后，用命令行就能组网、互 ping：

# 在两块 ESP32-C6/H2 上分别编译并烧录 ot_cli 例程
idf.py -p /dev/ttyACM0 flash monitor

# 节点 A：创建并启动一个 Thread 网络
> dataset init new
> dataset commit active
> ifconfig up
> thread start
> state              # 期望最终变成 leader

# 拿到这份网络配置，准备分发给其他节点
> dataset active -x  # 输出一长串 hex 形式的 active dataset

# 节点 B：用同一份 dataset 加入同一个网络
> dataset set active <粘贴上面那串 hex>
> ifconfig up
> thread start
> state              # router 或 child

# 互相 ping 对方的 IPv6 mesh-local 地址
> ipaddr            # 在对端查到 fdde:... 开头的地址
> ping fdde:ad00:beef:0:xxxx:xxxx:xxxx:xxxx

关键点只有两个：同一份 dataset = 同一个网络，以及每个节点都是一个真正的 IPv6 地址。能 ping 通之后，UDP socket、CoAP 这些应用层就都在 IPv6 之上随便用了。想往外连，再加一个 Border Router（比如乐鑫把 ESP32-S3 主控 + ESP32-H2 RCP 集成在一块板上）即可打通到 Wi-Fi / 以太网。

和你熟悉的方案比一比

vs Wi-Fi：Wi-Fi 带宽大但功耗高、连接数受 AP 限制，不适合一屋子电池小节点；Thread 专为低功耗 Mesh 设计，电池设备能跑很久。需要传视频、大文件，还是 Wi-Fi。
vs BLE：BLE 上手快、生态广，但组大规模自愈 Mesh 不是它的强项；Thread 的多跳 Mesh 和 IPv6 寻址在节点数量大、覆盖范围广时更稳。
vs Zigbee：同样的 802.15.4 底层，但 Zigbee 是带私有应用层的整套方案，接入 Matter 还得加桥接；Thread 是 IPv6 原生，本身就是 Matter 三大底层承载之一，少一层翻译。
学术口径：有对比研究指出，小规模静态场景下 Zigbee 的基础开销更低、路由恢复更快；而 Matter over Thread 在多跳、大规模下扩展性和吞吐稳定性更好——这正是「什么时候该选谁」的工程依据。

Thread 和 Matter 是什么关系

这是最容易绕晕的一点：Matter 是应用层标准，Thread 是网络层协议。Matter 负责「设备之间怎么对话」，它可以跑在 Thread、Wi-Fi 或以太网之上；Thread 负责「低功耗设备怎么组网寻址」。

因为 Thread 是 IPv6 原生的，一个 Matter over Thread 的灯泡，可以不经私有翻译层，直接被 Apple Home、Google Home、Home Assistant 这些生态调度。换句话说：你用 OpenThread 把底层网络打通，Matter 在上面负责互通互认——两者是搭档，不是替代关系。

什么时候别用 OpenThread

它很实用，但不是万能钥匙，下面这些情况就别硬上：

要传大带宽数据（音视频、固件大包、图传）：802.15.4 速率有限，这是 Wi-Fi 的活。
只有一两个节点、没有 Mesh 需求：直接 BLE 或 Wi-Fi 更省事，Thread 的组网开销不划算。
手里芯片没有 802.15.4 射频：普通 ESP32 / ESP32-S3 不带 15.4 射频，必须用 ESP32-H2 / C6 / C5，或外挂一颗 RCP 射频，否则跑不了。
想用 Arduino 一把梭：OpenThread 走 ESP-IDF，Arduino 生态支持有限，上手门槛比闪一个 BLE demo 高。
完全不想碰 IPv6 / 网络概念：Thread 的价值正建立在 IP 网络模型上，回避它就享受不到它的好处。

工程师常问的几个问题

Q：普通 ESP32 能跑 OpenThread 吗？

不能直接跑标准节点，普通 ESP32 / ESP32-S3 没有 802.15.4 射频。要么换 ESP32-H2 / C6 / C5，要么给主控外挂一颗带 15.4 射频的芯片当 RCP。

Q：免费可商用吗？

是的，BSD 3-Clause 许可证，可商用。但「OpenThread」「Thread」是商标，宣传时只能如实引用，不能暗示获得 Nest / 谷歌 / Thread Group 的背书或授权。

Q：要做能联网的智能家居，还差什么？

差一个 Border Router，把 Thread Mesh 桥接到 Wi-Fi / 以太网。乐鑫有把主控 SoC 和 RCP 集成的边界路由板；也可以用树莓派 + nRF52840 dongle（RCP）自己搭。

Q：要过 Thread 认证麻烦吗？

OpenThread 本身就是 Thread 参考栈，作为认证基础相对省心，认证流程走 Thread Group。

Q：能抓包调试吗？

可以，Spinel 节点支持 Sniffer，配合 OT Daemon、OpenThread Commissioner 能完成抓包和设备入网调试。

怎么获取

源码：GitHub 仓库 openthread/openthread
Border Router：openthread/ot-br-posix
文档与指南：openthread.io（国内：openthread.google.cn）
ESP32 上手：乐鑫 ESP-IDF 的 openthread 例程（ot_cli / ot_br / ot_rcp）

如果你正在用 ESP32-C6 / H2 折腾 Thread 或 Matter，欢迎在评论区说说：你是直接跑 SoC 单芯片节点，还是用它当 RCP 搭了 Border Router？踩过哪些坑？

如何借助AI用pthyon做一个电脑资产自动统计工具

Tue, 30 Jun 2026 09:30:53 +0800

授人以鱼不如授人以渔，今天我们来学习pthon，如何使用pthyon做一个，电脑资产自动统计工具！

兄弟们，有了AI的加持，现在我们运维也可以自己写软件了，不需要开发工程师给我们写了，今天我使用了python写了一个IT资产信息采集工具，这篇文章记录了，我如何安装python，如何将开发文件打包成exe可执行程序的详细过程。授人以鱼不如授人以渔，兄弟们抓紧行动起来吧！

解决过程

首先，到python官网下载办的。打开官网：

https://www.python.org/downloads/

下载完成，开始安装。

双击安装。

两个都要勾。

非常重要：勾选底部的 "Add Python to PATH"（添加到环境变量）

点击 "Install Now" 即可

如果忘记勾选 "Add to PATH"，后面在命令行输入 python会提示找不到命令。

正在安装中。

现在python软件就已经安装完成了，还是很简单的吧！

按 Win + R，输入 cmd 回车，打开命令提示符，输入

打开终端/命令提示符，依次输入：

python --version 查看版本

如果显示类似 Python 3.12.4，说明安装成功。

pip --version 查看包管理工具

如果两条命令都有输出，Python 环境就配好了，可以直接运行我给你的 IT资产信息采集工具.py：

如果提示 python不是内部命令重装 Python，务必勾选 "Add Python to PATH"。

打开python3.14。

现在打开python是这样的命令行，这样的命令行，我也不会用，怎么办？

不要着急。这里，我们需要下载一个pyCharm，是一个可以调用python的可视化界面的开发工具。

PyCharm 官方下载

https://www.jetbrains.com/pycharm/download

下载步骤

打开上面的官网链接，会看到两个版本：PyCharm Professional（专业版，收费，功能最全），PyCharm Community Edition（社区版，免费，足够用）

选 Community Edition（社区版），点击 Download
下载得到一个 .exe 安装包

双击安装。

下一步。

下一步，按下面选项勾选。

点击安装。

正在安装中...

安装完成。

现在我们已经安装好pycharm了。点击打开。

选择语言和区域。

同意。

不发送。

现在pycharm已经安装完成了。

新建项目。

然后新建python文件。

然后，我们将AI生成的代码拷贝出来。

复制到pycharm中。

那代码有了，但是保存的是.py的文件，双击没有办法使用。

那怎么办呢？

我们还需要使用命令，将这个.py文件打包成，windows系统可执行的exe文件。

打包成 `.exe`（发给没有 Python 的电脑）

在命令行执行以下命令：

# 1. 安装打包工具pip install pyinstaller

# 2. 打包成单文件 exe（无黑窗口，带图标）pyinstaller --onefile--windowed--name"资产采集工具" IT资产信息采集工具.py

# 3. 打包完成后，exe 在 dist 文件夹中

打包后的 .exe 可以直接复制到任何 Windows 电脑上双击运行。

第一步：安装打包工具

打开 PyCharm 底部的 Terminal（终端）标签，或者按 Win + R → 输入 cmd → 回车，输入：

pip install pyinstaller

等待安装完成（显示 Successfully installed pyinstaller 即可）。

`pip install pyinstaller`第二步：执行打包命令

在终端里，先 cd 到你的 .py 文件所在目录，然后执行打包命令

# 假设你的文件在 D:\项目 文件夹里
cd D:\项目

pyinstaller --onefile "电脑资产单机版本.py"

第三步：找到生成的 exe

打包完成后，会在你的文件同级目录下生成两个文件夹：

build/ —— 临时文件，可以删除
dist/ —— 里面就是生成的 资产采集工具.exe

把这个 .exe 文件复制到任何 Windows 电脑上，双击就能直接运行，不需要安装 Python。

进入到dist目录，双击文件。

就可以跳出来自动统计电脑资产工具了。

这个工具，我已打包放到我的官网上了，有需要的兄弟们，自取：https://www.jidaoge.com/h-col-141.html

腾讯云部署小智 AI 服务端教程

Thu, 25 Jun 2026 10:02:26 +0800

小智 AI 服务端基于小智通信协议，为开源智能硬件项目 xiaozhi-esp32提供后端技术支撑。该服务端支持 AI 推理服务与 API 应用的快速部署，可为 xiaozhi-esp32硬件项目提供稳定可靠的运行保障，确保其全链路高效顺畅运作。

该应用模板预置了 xiaozhi-esp32-server，基于 Ubuntu 24.04 LTS 64bit 操作系统构建。

部署小智 AI 服务端

创建小智 AI 服务端实例

1. 登录轻量应用服务器控制台，在服务器页面单击新建。或直接访问轻量应用服务器购买页。

2. 在轻量应用服务器购买页面，选择所需配置完成轻量应用服务器购买。

应用创建方式：选择为使用应用模板 > 小智 AI 服务端，建议购买内存配置 4GB 及以上，其他参数可参见购买方式进行配置。

说明：

应用模板即应用镜像。

查看镜像说明详情请参见基本概念。

地域：建议优先选择小智 AI 服务端使用者当前所在地或网络环境最优的区域，以降低网络延迟、提升本地访问速度。

可用区：默认勾选随机分配，也可自行选择可用区。

注意:

推荐您选择“随机分配”可用区，同一地域不同可用区间的实例可通过内网互访。同地域下不同可用区间可实现故障隔离，若您的应用对于容灾能力有极高的要求，则可将不同实例部署在同一地域下的不同可用区内。但需注意不同实例跨可用区通信的时延较同一可用区会有一定增加。

实例创建成功后，不支持更换可用区。

实例套餐：产品组合售卖方式（包含套餐类型、套餐规格），不同套餐包含不同规格 CPU、内存、SSD 云硬盘、带宽或峰值带宽、流量包的组合。详情请参见基础套餐。

服务器名称：自定义实例名称，若不填则默认使用所选镜像名称。批量创建实例时，连续命名后缀数字自动升序。例如，填入名称为 LH，数量选择3，则创建的3个实例名称为 LH1、LH2、LH3。

登录方式：您可通过该项设置实例的登录方式。

密码登录：

自动生成密码：自动生成的密码将会以站内信方式发送。

自定义密码：自定义设置实例的登录密码。

SSH 密钥：为 Linux 实例绑定 SSH 密钥。

扫码登录：设置后支持通过微信扫码免密码登录 Linux 实例。

自动续费：按照实际需求配置即可。

共享存储：您可以选择实例创建过程中购买共享存储超值资源包，将自动挂载默认对象存储桶，详情请参见介绍。注意事项如下：

2023年10月17日之后购买的实例，可以选择是否购买共享存储超值资源包，之前购买的实例可在对象存储控制台购买套餐包。

当前地域下已有生效共享存储超值资源包，后续购买实例时您可直接选择一键挂载存储桶，不会再提供共享存储超值资源包。

目前仅应用模板和操作系统镜像中的 Linux 镜像支持共享存储。

时长：表示轻量应用服务器的使用时长。

说明:

您可勾选账户余额足够时，实例到期后按月自动续费，开启实例自动续费功能。当实例创建成功后，可参见自动续费修改已有的自动续费设置。

台数：表示需购买轻量应用服务器的数量。

3. 单击立即购买，并根据页面提示提交订单完成支付。

4. 返回轻量应用服务器控制台。

5. 待实例创建完成后，单击实例卡片，进入该实例的详情页，即可进行后续操作。

配置小智 AI 服务端

1. 选择应用管理页签，单击访问智控台地址 (端口8002已默认放通)。

2. 单击新用户注册，进入注册页面，输入用户信息后单击立即注册。

3. 注册成功后，页面会自动跳转至登录界面，输入刚刚注册的用户名和密码，输入验证码，单击登录。

在顶部菜单栏选择参数字典 > 参数管理，在列表中找到参数编码 server.secret，复制参数值。

5. 返回轻量应用服务器控制台，登录目标服务器实例。详细登录步骤您可以参见使用 OrcaTerm 登录 Linux 实例。

6. 单击左上角

，进入 OrcaTerm 文件管理器，在文件路径搜索框内输入/home/lighthouse/xiaozhi-server/data，单击进入。

说明：

本文档使用 OrcaTerm 进行操作，您也可以选择其他方式登录终端。

7. 单击右上角

，显示隐藏文件，找到.config.yaml。单击文件名打开文件。

8. 将.config.yaml中的 secret 修改为步骤4 中复制的参数值，将 URL 改为 http://xiaozhi-esp32-server-web:8002/xiaozhi。

9. 登录智控台，在顶部菜单栏单击模型配置，在左侧选择大语言模型，在智谱 AI 右侧单击修改，将 API 密钥改为您自己注册的智谱 AI 密钥，单击保存。

说明：

小智 AI 服务端支持接入智谱 AI、DeepSeek、豆包、通义千问等大模型，本文档以智谱 AI 为例。

如果您尚未获取智谱 AI 密钥，请访问智谱 AI 开放平台获取。

如果您选择其他大语言模型，您可以前往对应模型的官网获取 API Key。

10. 在服务器终端/命令行中输入并执行以下命令，用于重启 xiaozhi-esp32-server 并查看容器日志。

docker restart xiaozhi-esp32-serverdocker logs -f xiaozhi-esp32-server

当输出以下格式信息时，表示 Server 启动成功。

25-02-23 12:01:09[core.websocket_server] - INFO - Websocket地址是      ws://xxx.xx.xx.xx:8000/xiaozhi/v1/25-02-23 12:01:09[core.websocket_server] - INFO - =======上面的地址是websocket协议地址，请勿用浏览器访问=======25-02-23 12:01:09[core.websocket_server] - INFO - 如想测试websocket请用谷歌浏览器打开test目录下的test_page.html25-02-23 12:01:09[core.websocket_server] - INFO - =======================================================

11. 在服务器页面中，选择并进入服务器实例详情页。

12. 选择防火墙页签，单击添加规则后放通8000端口。如下图所示：

13. 登录智控台，在顶部菜单栏单击参数字典 > 参数管理，在参数编码 server.websocket 的右侧单击编辑，将参数值修改为ws://实例公网 IP:8000/xiaozhi/v1/，单击保存

。

14. 在参数编码 server.ota 的右侧单击编辑，将参数值修改为http://实例公网IP:8002/xiaozhi/ota/，单击保存

。

15. 访问小智 AI 官方 GitHub 仓库，单击 libopus.js 和 index.html，将这两个文件下载到本地，并放到同一路径下。

16. 本地打开 test_page.html，在第一个文本框中输入步骤14 中的 OTA 地址，在第二个文本框中输入步骤13 中的 WebSocket 地址，单击连接。

连接正常，则说明您已成功配置小智 AI 服务端，接下来，您可以开始操作您的 esp32 设备。您可以自行编译 esp32固件或配置使用编译好的固件。

腾讯云搭建 Dify 智能体平台

Thu, 25 Jun 2026 10:00:45 +0800

操作场景

Dify 是一个开源的大语言模型应用开发平台，旨在让开发者甚至是非技术背景的用户，更简单、快速地构建、部署和管理 AI 应用。基于 Dify 搭建的智能问答助手，您可以无缝连接您的知识库。通过简单的授权，该助手就能读取并学习您的知识库文档。之后，您和您的团队成员便可以像与一位精通所有内部资料的专家对话一样，用自然语言提出问题，即时获得基于您的知识库的精准答案，极大地提升了知识检索与利用的效率。

说明：
本文档示例 Dify 应用镜像底层基于 Ubuntu Server 22.04 LTS 64位操作系统。应用镜像会进行不定期更新，请以购买页面实际镜像信息为准。
您可以前往 Dify 官方社区 查看更多 Dify 相关智能体配置教程。

操作步骤

1. 登录 轻量应用服务器控制台，在服务器页面单击新建。

﻿

2. 在轻量应用服务器购买页面，选择所需配置完成轻量应用服务器购买。

应用创建方式：选择为应用模板 > AI > Dify，其他参数可参见 购买方式 进行选择。

说明：
应用模板即应用镜像。
查看镜像说明详情请参见 基本概念。

域名解析：默认不勾选。

地域：建议选择靠近目标客户的地域，降低网络延迟、提高您的客户的访问速度。例如目标客户在深圳，地域选择 广州。

可用区：默认勾选随机分配，也可自行选择可用区。

套餐类型：按照所需的服务器配置（CPU、内存、系统盘、峰值带宽、每月流量），选择一种实例套餐。

实例名称：自定义实例名称，若不填则默认使用“镜像名称+四位随机字符”。批量创建实例时，连续命名后缀数字自动升序。例如，填入名称为 LH，数量选择3，则创建的3个实例名称为 LH1、LH2、LH3。

时长：默认1个月。

台数：默认1台。

﻿

3. 单击立即购买，并根据页面提示提交订单完成支付。

4. 返回轻量应用服务器控制台，待实例创建完成后，单击实例卡片进入详情页。您可以在此页面查看 Dify 应用的各项配置信息。

﻿

5. 在实例详情页内，选择应用管理页签，进入应用管理详情页。

﻿

6. 在应用内软件信息栏中，单击 Dify 的首页访问地址，进入 Dify 管理后台。首次登录时，系统会提示您设置管理员账号，填写邮箱、用户名和密码，单击登录。

﻿

7. 登录 Dify 管理后台后，单击右上角的头像，单击设置，进入模型设置页面。

8. 在设置页面内，单击左侧导航栏中的模型供应商。选择您需要使用的模型卡片，单击安装。并在弹出的对话框中，填入腾讯云 API 密钥的 Secret ID 和 Secret Key 后单击保存。

说明：
Dify 支持多种主流的 AI 大模型，例如 OpenAI 的 GPT 系列、Anthropic 的 Claude、腾讯混元、DeepSeek 等。根据您的需求选择适合的模型。本文以腾讯混元为例。

﻿

说明：
如果没有腾讯云 API 密钥，使用腾讯混元模型时可参见以下步骤获取：
1. 单击从腾讯混元获取API Key 链接跳转至 腾讯云API密钥管理页。
﻿
2. 单击页面左上角新建密钥获取腾讯云 API Secret ID 和 Secret Key。
﻿
﻿

9. 返回 Dify 首页，单击顶部菜单中的知识库，然后单击创建知识库。

﻿

10. ﻿根据页面提示，选择数据源
，上传您准备好的文本文件，Dify 支持 txt、markdown、pdf、html 等多种文件格式。上传完成后，您可以根据页面提示进行文本清洗与分段设置，同时可以自定义索引方式和检索设置。系统会自动为您创建索引，确保AI可以精准地回答问题。

说明：
更换知识库文档内容即可构建不同的问答知识库。

11. 在 Dify 顶部菜单中，单击工作室，然后单击创建空白应用。

﻿

12. 单击聊天助手，输入您的应用名称，其他配置保持默认即可。进入应用配置页面后，输入提示词，单击添加，选择 步骤10 创建的知识库。

13. 配置完成后，单击发布，在弹出抽屉内单击发布更新，发布 AI 问答助手。

﻿

相关操作

将 AI 问答助手嵌入到网站

1. 在发布页面，单击嵌入网站。在弹出的弹窗内，单击选择适合您网站的嵌入方式。

﻿

2. 复制代码到您目标网站的代码对应位置。

﻿

3. 进入对应网站，AI 问答助手已按照您选择的方式嵌入。

﻿

域名与 DNS 解析设置

建议您为自己的 Dify 服务设定一个单独的域名。您可以使用易记的域名访问您的 Dify 服务，而不需要使用复杂的 IP 地址。如果您搭建 Dify 智能体仅用于学习，可使用 IP 直接访问网站，但不推荐这样操作。

如果您已有域名或者想要通过域名来访问您的 Dify 服务，参见以下步骤：

1. 您可以通过轻量应用服务器控制台添加新购域名或已有域名。具体操作请参见 添加域名。

2. 通过轻量应用服务器控制台添加域名后，您可以继续添加域名解析，将域名指向一个 IP 地址，方便您通过域名来访问网站。具体操作请参见 添加域名解析。

开启 HTTPS 访问

可参见 为网站设置HTTPS 为您的 Dify 实例安装 SSL 证书并开启 HTTPS 访问。

海康威视一站式校园人员通道管理！破解校园人“车”通行管理痛点

Tue, 23 Jun 2026 15:28:40 +0800

校园管理场景多样，需求各异：
校门需应对人车混行，实现高效监管；
图书馆要确保进出有序、记录可查；
公寓值守依赖人工，亟待提升效率；
食堂就餐则需保障师生权益、规范秩序……

这些校园管理难题，一套智能闸机系统就能轻松解决。
海康简行和御道等智能系列闸机，凭借一体化设计与全生命周期易维护优势，精准匹配校门、图书馆、公寓、食堂等校园场景需求，实现安全高效的通行管控。
看看这些学校的新鲜案例，通行管理可以轻松简单！

校门口：严控入校权限，也能防冒领错接

校园安全事件的风险防范，学校出入口是重中之重。

小学、中学的校门口堪称“全天下最难管”的出入口，熙熙攘攘，分不清谁家的孩子，谁家的家长。
海康简行在严控入校权限的背后，加持的更是一整个智能通行管控+通知系统：送放学系统联动，实现家长签到，防止冒领错接；实现到离校信息推送，保障学生的安全。

校门口非机动车管理：RFID实现人+车核验

院校非机动车频繁进出，超速、乱停乱放等给校园管理带来管理压力。

海康威视人员通道有方法：在合规非机动车上加装RFID电子标签，配合人员通道的RFID阅读器，实现“人+车”依次核验过闸，杜绝不合规车辆进入校园。
同时搭配车辆通行管控平台，可实现非机动车登记管理、出入口通行管控、违规事件上报、违规记分与处置、数据统计与分析等功能。

图书馆：管理效能与形象双提升

图书馆是校园的形象窗口，需兼顾安全与美观。
御道系列闸机采用一体化极简设计，外观科技感强，支持校园卡、面部验证等多种验证方式，既可确保仅授权人员进入，也能联动图书借阅系统，减少图书流失。高颜值与实用性的结合，“学术殿堂”跃然眼前。

宿舍管理：归寝统计

过去学校宿舍管理靠宿管阿姨人工管理，任务重，效率低，易纰漏。

海康简行来解决：校保卫处在全校公寓引入海康威视校园宿舍管理软硬件系统，实现学生实人实过归寝统计，针对未归/晚归/未出等异常数据及时推送预警，打造放心型学生公寓。

学校食堂：保障师生就餐权益

食堂补贴被"蹭饭族"挤占？高峰期排队拥堵、座位紧张，更造成教育补贴的流失？

海康简行来解决：

通过校园卡、免布验证等实名验证方式精准识别身份，杜绝福利流失与"蹭饭"行为，同时可设置不同人员类型的消费规则，兼顾临时就餐需求与补贴公平。

校园里的每个通行节点

都关系着日常秩序与安全底线。

海康威视人员通道和系统方案，

让校园通行更高效更安全，

让管理更省心！

从30分钟缩短至3分钟，海康大模型让执法案卷评查提效10倍！

Tue, 23 Jun 2026 15:23:22 +0800

多省统计数据显示，交通运输领域年均执法案卷已超15万件。而传统人工评查模式正面临：标准不一、效率低下、评查覆盖率低、结果难追溯等挑战。

海康威视公共服务行业软件推出执法案卷智能评查系统，助力破除这一困境。

系统依托大模型与RAG（检索增强生成）技术，结合文档智能解析与内容审查技术，重塑案卷评查流程，让原本平均30分钟的单案卷评查时间，缩短至2-3分钟，效率提升10倍。

案卷智能解析：

让大模型读懂每一份案卷

海康威视自研文档智能结构化解析算法，能对案卷做深度“阅读理解”。不仅能准确识别常规标题、段落、表格，更能精准提取手写体、图片、印章等关键要素，并形成标准化数据结构。

这意味着，无论案卷格式多么复杂，AI都能精准“读懂”。也能完整还原每种案卷的原始格式，实现关键信息可追溯、可定位、可校验，为后续评查提供高可靠的数据底座。

案卷智能评查：

效率倍增、评查全覆盖

系统基于语义大模型深度推理能力，融合交通执法知识库的图谱构建技术，打造案卷智能评查智能体，实现针对执法案卷AI自动评查、溯源、纠错、评分全流程业务闭环。

效率飞跃：单卷评查从平均30分钟缩短至2-3分钟，效率提升10倍
全面覆盖：评查覆盖率从10%提升至100%，实现应查尽查
精准纠错：系统自动分析、评查、纠错，兼顾精准性与专业度

案卷智能分析：

数据驱动决策，提质增效

可视化图表实时呈现评查任务完成率、问题分布、高频错误等核心指标，直观透视队伍执法能力，将执法模式从“粗放概览”升级为“精准制导”。以客观数据，驱动后续针对性培训、岗位调整和资源配置。

落地案例实践：

华北某交通执法局效率提升超10倍

华北某交通执法局此前主要采用人工逐卷审核，面临耗时长、标准不统一等问题。

通过部署海康威视执法案卷智能评查系统，试运行期间完成上千份案卷自动评查，取得智能评查覆盖率100%等显著成效。

不止于交通，更高的可复制性

该方案具备高度可复制性与拓展性，可广泛应用于交警事故处理、车辆年检与驾照换证、政府“一网通办”等多元化场景，助力执法与服务提质增效。

从“人工抽查”到“AI全覆盖”，海康威视执法案卷智能评查系统正在重新定义执法监督的效率与精度。

数据来源：项目案例数据测算，实际项目不同会有差异

*业务画面为模拟效果；部分配图由AI生成，仅作功能展示

没网没电怎么办？海康威视自组网：密林稳传3km，整机功耗仅6W

Tue, 23 Jun 2026 15:18:19 +0800

中午12点，海南热带雨林深处，一只长臂猿在参天树冠间自由跳跃，它不会知道，红外相机已经悄悄定格下这一幕。穿过层层茂密林木，画面实时流转到百公里之外的监测中心。

放在从前，这根本无法实现—— 90% 的区域都没有运营商基站信号、缺少电力配套，让生物多样性监测工作陷入“看不见、管不住”的困境，传统离线式红外相机方案，数据回收也只能靠人工徒步数日，手动取回。

构建“天空地”一体化

雨林监测从离线走向实时

如今，海康威视带来自组网 + 多渠道传输一体化方案，打造 “天空地” 一体化监测体系，开启生态领域的数字变革。

整套自组网传输系统采用固定自组网+无人机自组网采集方式，视频实时预览，抓拍素材实时传回，数据回传成功率基本达到100%。

固定自组网

具备合适的安装条件

无人机自组网

深山密林安装条件受限

1.自组网设计，1-3公里稳定穿透密林

保护区雨林超2000km²，林木最高超20米，阔叶密林水汽高、无线损耗极强，常规通讯有效距离不足50米。

项目全链路采用自组网：布设2000余台红外自组网相机全天候采集野生动植物数据，配套80余座基站、20余台CPE及10km无线网桥，依靠基站接力组网，密林传输稳达1～3km，空旷区域最远20km。

这也是国内首个大规模落地的自组网野保应用，真正实现设备零布线、免外接供电。

2.最大功耗仅6W，绿色低碳守护原始生态

整套设备功耗超低，最大功耗不超 6W，待机功耗仅 600mW，和一盏小夜灯功耗相当，搭配太阳能系统就能全年自主运转，不用破土布线，全力守护雨林原生环境。

3.远程运维，让巡检从“进山”到“在线看”

同时，依托行业平台，一体化运维组件实现安防＋网络设备远程可视化管理、在线告警等功能，减少人工巡检工作量。

4.多维数据感知，全面守护生态安全

多维数据传输体系，让守护不再单一。除了追踪长臂猿、坡鹿、穿山甲金猫等珍稀野生动物，为物种研究留存珍贵资料，系统还整合火情监测功能，提前预警森林火灾，实现隐患主动预警升级。

全国规模最大案例

无电无网林区生态监测新标杆

去年冬日，相机还拍到了携幼崽活动的海南长臂猿，放在过去，工作人员只能漫长蹲守才能观察到种群情况；而现在实时传输的画面，不仅提升了科研效率，更为珍稀物种保护争取到宝贵时间。

本项目是国内规模最大的无电无网林区生态监测标杆，为自然保护地智慧化打造可落地数字化范本。海康威视依托智能感知与自组网传输技术，持续赋能生态保护，以科技守护生态与生物多样性。

如果你的网络项目也正被无电、无网、地形复杂等监测难题困扰，欢迎留言私信，洽谈定制自组网方案。

矿山专用大模型:海康威视矿山巡检超脑，筑牢煤矿反“三违”智能防线

Tue, 23 Jun 2026 10:38:19 +0800

2026年4月29日国家矿山安全监察局正式印发《关于加强矿山企业反“三违”工作的通知》（矿安〔2026〕63号），文件明确指出：

“大力推广AI智能反‘三违’技术，通过自动抓拍、实时预警等智能化手段，推动安全管理由‘事后追责’向‘事前预警、全过程主动管控’根本转变。”

从2001年“反三违”首次上升为国家政策要求，到今天AI智能监管成为行业标配，煤矿安全生产正在经历一场深刻的智能化变革。

在这场变革中，海康威视推出的矿山巡检超脑，为煤矿企业提供一套覆盖采掘、运输、支护、检修全流程的场景化智能解决方案。

为什么需要矿山巡检超脑?

井工煤矿环境高粉尘、高湿度、光线多变，传统视频监控只能“看得见”却“看不懂”，人工巡查也难覆盖偏远区域与交接班时段。更关键的是，井下网络带宽有限，视频数据回传云端计算，延迟无法满足突发情况下的即时响应需求。

矿山巡检超脑正是针对这一难题而生的智能硬件。它加载了基于海康观澜大模型技术体系训练而成的矿山行业大模型——具备更强的泛化理解能力，能在复杂光照、高粉尘等极端条件下精准识别隐患，并有效过滤各类误报。

矿山巡检超脑基于大模型+小模型协同逻辑，部署在边缘端实时识别并预警，不占用骨干网带宽，确保隐患“早发现、早处置”。

场景化解决方案：主动管控

带着“边缘计算+大模型算法”的硬核战力，矿山巡检超脑在煤矿生产运营的核心场景中检准提升，进一步夯实安全生产：

人员“三违”与环境监测：筑牢第一道防线

人员违章是大多事故的首因。矿山巡检超脑赋能前端感知，实现24小时智能盯防：

“反三违”行为抓拍：边缘算法实时识别未戴安全帽、未穿反光衣等行为，发现违规即刻本地预警。
人员与周界管理：自动进行下井工人记录与人数统计，强化周界防范。
环境隐患监测：实时掌控风门开闭状态，严防风流短路引发瓦斯积聚；快速识别烟雾火点，把火灾隐患掐灭在早期。

△风门长时间未关闭检测

主运输系统：守护矿井的“咽喉”

主运输皮带跑偏容易导致撒煤，皮带边缘磨损，大块煤和异物容易导致堵煤、皮带撕裂，发烟发火等设备不安全隐患。

皮带跑偏检测：相机安装在皮带上方。皮带跑偏遮挡托辊时，画面中托辊数量减少。超脑主机进行托辊计数与初判，结合大模型算法，准确率进一步提升。
转载点卡堵检测：针对落料口、溜煤眼等卡槽，利用算法进行定性判断，防止物料积压。
皮带运输全要素检测：同步支持皮带跑偏检测、运行状态检测、区域入侵检测煤流量、及皮带大块煤、异物、堆煤检测。

△皮带堵煤检测

辅助运输系统：行车不行人

辅助运输系统运行环境复杂且分散，存在监管盲区多、人为违章频繁的痛点。

行车不行人检测：通过视觉算法判断矿车是否运行或接入行车信号结合周围人员检测实现行车不行人预警。
挡车杆复位情况检测：实时检测矿车通行后挡车杆是否及时复位，来防止矿车跑车，并在未按时复位时触发报警。

△行车不行人检测

综采与掘进工作面：危险区域人员禁入

这里机械密集、作业频繁，是机械伤害和顶板事故的高发区。

危险区域人员入侵：在综掘机、刮板机、破碎机等警戒线内划定禁入区。超脑主机联动设备运行状态，只要设备启动且有人误入红线，立刻触发即时预警。
掘进支护合规性检测：智能检测支护合规情况，从源头严防工程隐患。

△人员误入检测

大模型赋能，开箱即用

矿山巡检超脑实现场景管控并非依靠简单的算法堆砌，而是基于观澜大模型三级架构的深度应用：

高准确率，低误报：依托行业大模型的海量数据预训练与场景知识注入，算法在复杂光照、粉尘环境下的泛化能力显著增强，关键场景识别准确率提升。

边缘计算，实时响应：超脑设备部署在边缘端，直接对前端视频流进行实时分析，毫秒级输出推理结果，确保隐患更早发现处置。

灵活扩展，持续进化：支持检测、分类、分割、OCR等多种AIOP能力，可根据政策及地方要求灵活增减算法。

目前，皮带跑偏、矿车超挂、行车不行人等核心算法已在宁夏、山西、陕西等重点省份测试或成功落地。

从“事后追责”走向“事前预警”，煤矿安全生产的智能化转型正从合规要求变为矿山自身的发展刚需。

矿山巡检超脑扮演的是务实、高效的数字化助手角色，通过边缘侧的自动抓拍与本地预警，把井下海量、碎片化的视频流转化为结构化的安全数据，帮助煤矿企业根治“三违”隐患，协助管理人员查缺补漏，将隐患拦截在演变为事故之前，让煤矿从业者下井平安归来，让煤炭生产更安全。