当“清洁标签”从专业概念变为大众共识，饮品的竞争已从风味角逐转向成分与健康的较量。金晨100%椰子水，以纯粹的配方与清晰的市场定位，成为经销商切入这一趋势、锁定健康红利的战略级选择。

配方纯粹，定义品类标准

金晨严格恪守100%椰子水的单一成分承诺，真正做到0糖、0脂肪、0防腐剂、0香精。这份极简到“无可添加”的配料表，是面向所有“成分党”和品质消费者的zui强信任状，在同类产品中建立起难以逾越的认知壁垒。

源头严选与风味锁定

精选东南亚优质产区的青椰，从源头保障风味的清甜与品质的稳定。通过现代化工艺锁鲜，完整保留椰子水中天然的电解质（如钾、钠）与矿物质，确保每一口都是纯粹的自然本味，而非工业化的“糖水”。

规格矩阵，场景深耕

金晨100%椰子水精心设计450ml（便携）、600ml（主流）、1.25L（家庭分享）的全规格矩阵。产品可无缝渗透便利店、高端商超、健身房、瑜伽馆、学校及轻食餐饮等多元渠道，精准满足运动补水、佐餐解腻、日常健康饮水等多重场景需求，构建广泛的消费触点，驱动稳定复购。

此次续约，绝非简单的协议延续，而是双方对过往成功经验的深度总结与对未来无限可能的笃定奔赴，铸就“1+1远大于2”的辉煌篇章。

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：

Agent的“军品与民品”

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。

做投研，为什么死磕“开会”场景？

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。

分析师的价值：被AI掏空，还是被AI放大？

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。

（1）把人的方法论“卖”给AI？

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。

（2）捕捉到的信号，未必有效

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。

我们迎来二十四节气中

第四个节气

春分

春分平昼夜

“苍龙”正“抬头”

3月20日将迎来一场罕见的天象巧合：

“龙抬头”与春分相遇

同为春季重要节点

二者相遇概率极低

本世纪仅有三次

上一次是在2015年3月21日

下一次则要等到2045年3月20日

　　春分的“分”，有两个含义，一个是“昼夜平分”，在春分这天，太阳直射赤道，昼夜刚好等长，春分过后，便开始昼长夜短，等到秋分过后，便开始昼短夜长。而另一个含义则是“季节平分”，春分刚好处于立春和立夏之间，也正好平分了春季。

这两天

广州街坊有没有感觉在过夏天

未来三天虽然有零星小雨

只是随机掉落的状态

对气温的影响几乎可以忽略不计

就在中南部努力“奔夏”的同时，

粤西北的天气画风却截然不同。

弱冷空气逐步逼近南岭，

其锋面云系已于19日早晨

影响粤北偏北地区，

当地气温直接下降3~6℃。

受弱冷空气影响，

韶关、清远、肇庆、广州北部

及粤西的部分市县

19日最低气温比前一天下降了1～4℃。

　　据广东天气预计，未来三天，弱冷空气将持续渗透影响广东省，与此同时，暖湿南风不断北上，两股气流在粤北一带交汇，广东省云量随之增多，其中粤北、珠三角北部市县云量增加更为明显，部分市县还会出现小雨或分散小雨。

　　受云量增多或降水影响，广东省大部气温将小幅波动，中北部市县气温有所回落，早晚时段有一些清凉感，大家记得适时添衣，谨防着凉。22日随着冷高压东移出海，广东省受其后部的偏南风控制，大部市县可见阳光，气温将再度回升。

　　广州市气象台预计，未来三天，受偏南气流影响，广州云量逐渐增加，早晚有轻雾，部分地区有零星小雨，最低气温逐渐上升，最高气温维持在27～28℃。

　　广东具体预报：

　　3月20日—21日，河源及梅州的北部、韶关、清远和肇庆市县阴天间多云，有小雨，其余市县多云间阴天，局部有零星小雨。最低气温：粤北偏北市县、汕头和潮州市县14～17℃，珠江口附近到粤西沿海市县20～23℃，其余市县17～20℃。

　　3月22日，韶关、清远、肇庆市县多云到阴天，有分散性零星小雨，其余市县多云，局部有零星小雨；大部市县早晚有（轻）雾。最低气温：河源、梅州、粤东和珠江三角洲东部市县15～18℃，其余市县18～22℃。

　　广州具体预报：

　　俗话说“二八月，乱穿衣”。

　　虽早已立春，

　　但是许多地区天气仍然多变。

　　山西医科大学第二医院心内科副主任医师阎丰提醒大家，春分前后阳气渐升但温差仍大，是高血压、冠心病、心律失常等心血管疾病的波动高发期，顺应节气、平稳调护，能有效降低春季心血管事件发生的风险。

对人体养生而言，

春分最核心的原则就是

顺应天时、调和阴阳，

让身体达到

“不寒不热，不湿不燥”的平衡状态。

具体怎么做？

　　顺应昼夜节律，养作息之平衡。尽量早睡早起，不熬夜、不过度损耗阳气，中午适当小憩15至30分钟，有助于养阴安神、补足精力。同时，由于早晚天气依旧寒凉，要适当春捂，避免寒邪入侵。

　　饮食寒热均衡，养脾胃之平衡。春分时节，肝气渐旺、湿气渐生，饮食过寒、过热、过辣、过腻都会打破身体平衡。日常生活中多吃应季平和的食材如春笋、菠菜、韭菜、山药、莲子、小米、红枣等，少吃辛辣燥热、生冷寒凉之物，减少对脾胃和肠胃的刺激。此外，还要保持一日三餐定时定量，不暴饮暴食。

　　情绪平和舒畅，养心神之平衡。春季对应五脏之“肝”，春分时节肝气容易偏旺，人们容易出现烦躁、易怒、焦虑等负面情绪，这时养生重在疏肝理气、心态平和。日常做到少生气、少焦虑，保持心情舒畅，多开窗通风、多亲近自然，多做一些让心情愉悦的事情，让气机顺畅、阳气舒展。

　　运动温和适度，养动静之平衡。春分养阳，并非运动量越大越好，而是动静结合、以和为贵。可以选择温和舒缓的运动，如散步、慢跑、踏青、拉伸、简单瑜伽等，以微微出汗、不觉疲惫为度，避免损伤阳气。

　　春来万物生，春分也是吃春菜最好的时节。在我国许多地区都有春分吃春菜的习俗，以前“春菜”特指一种野苋菜，也叫“春碧蒿”，采回的春菜一般与鱼片“滚汤”，名曰“春汤”。流传至今，品春菜的选择范围更广泛了，可以是荠菜、芦笋、香椿、春笋……人们一口把春天吃进肚子里。

　　21城已就位，这场球，不只是比赛，更是城市之间的较量。

　　这一次，你站谁？

　　它不在城市的文化街区，也不在菁菁校园，而是“长”在皖北平原的稻田深处。

　　2025年，宿州稻田图书馆入选“皖美消费”新场景优秀案例。在众多参选项目中，它以图书馆形态脱颖而出，别具一格。

　　更令人惊喜的是，这座稻田边的图书馆自2025年5月4日开放以来，已接待游客超18万人次，单日最高客流突破4000人。馆内创新推出的米乳拿铁，单品销量突破40万杯……这些通常属于繁华商圈的商业数字，如今发生在皖北一个小村庄——宿州市埇桥区夹沟镇镇头村。

　　这座占地400余平方米的建筑，究竟藏着怎样的魅力？近日，记者走进这片稻香与书香交织的田野，探寻背后的故事。

　　美学赋能：

　　稻田里“长”出网红新地标

　　“以前哪能想到，种地的地方还能有这么洋气的图书馆！”72岁的镇头村村民陈大爷话语里透着自豪。

　　车行至夹沟镇镇头村，远远便看见一座枣红色建筑静立在稻田尽头，背后水库波光粼粼，门前田埂蜿蜒——这就是村民们津津乐道的稻田图书馆。

　　图书馆以前是村里的闲置场地，如今却以独具匠心的设计引人注目：枣红色的外墙与蓝色玻璃形成鲜明对比。尤其是秋日，窗外稻浪金黄，远山薄雾，自成画卷。

　　推开玻璃门，书香伴着咖啡香味飘来，暖黄的灯光浪漫温馨。馆内6000余册图书涵盖农技、文学等门类，“离离原上草”“稻田里的守望者”等充满诗意的分类命名，与窗外的田园风光相得益彰。

　　最受欢迎的是靠窗的座位。在这里，抬头可见白鹭掠过稻田，低头可轻嗅纸墨清香。“图书馆开在田野里，既能静心读书，又能欣赏田园风光，体验很独特。”来自淮北的游客王思彤说。

　　“稻田图书馆是夹沟镇联合区兴农公司推进的和美乡村示范项目。”镇头运营公司负责人沈寿杨介绍，图书馆具有不可复制的场景优势：依托符离大道交通便利，辐射苏鲁豫皖近2000万人口。这种“书香+稻香+咖啡香”的沉浸式体验，将城市人向往的乡野慢生活，转化为可体验、可消费的真实场景。“我们的设计就是想营造一种独特的审美体验——或许这正是吸引游客的地方。”

　　稻田图书馆开放以来，人气持续高涨。去年国庆中秋假期，单日客流突破4000人。即便是普通的周末，进馆人数也能达到上千人。

　　文化扎根：

　　泥土中生长知识与艺术

　　稻田图书馆的魅力，远不止“好看”。

　　周末午后，少儿阅读区里，孩子们围在一起看绘本；游客品着咖啡欣赏窗外的风景。

　　“过去没事就闲聊晒太阳，现在最喜欢来图书馆放松。”村民赵志国手持一本《水稻常见病害防治手册》说，“去年，我家稻苗出现了黄叶，多亏有这本书对症施药，才过三天，稻苗就返青了。”

　　馆内的文化活动时常“破圈”。开馆当天，一场乡村音乐会在麦浪中奏响。钢琴家孔祥东直接把三角钢琴搬到了田埂上。《黄河颂》《在希望的田野上》等旋律在田野间回响；泗州戏选段与拉魂腔戏歌轮番上演，乡土文化与现代艺术在这里自然融合。

　　“没想到，音乐会能开到自家地里来！”提起半年前那场演出，村民李有凤依然很激动。“艺术并非高高在上，它可以在泥土中生长。”沈寿杨感慨不已。

　　如今的稻田图书馆，已超越单纯的阅读空间，成为一座活态的文化平台。一年间，56场特色活动在这里接连上演；“麦浪中的觉醒年代”读书分享会、非遗体验课、农耕研学营等，让这座“田野书房”始终充满活力，也让文化艺术真正融入了乡村生活。

　　“作为安徽省图书馆分馆及多所高校的美育实践基地，我们将持续拓展文化服务，引入艺术支教、研学实践等活动，让文化种子在这里生根发芽。”沈寿杨说。

　　产业激活：

　　一个场景带动一片乡村

　　“一家煮饭十家香，十家煮饭香满庄。”夹沟镇有一种明星产品——夹沟香稻米，是国家地理标志保护产品。

　　在稻田图书馆，香稻米则被赋予新的生命。

　　“这是店里的爆款，米乳拿铁。”沈寿杨给记者递过来一杯咖啡。他们以本地特产的夹沟香糯米为原料，加工成米乳，用它搭配现萃的咖啡，上市仅半年，销量就突破40万杯。

　　为此，运营方流转了周边54亩高产田，专门种植香糯稻。产出的稻米不仅用于研发米乳，还被开发成米汽水、米皂、米糕、爆米花等十余种衍生产品。“图书馆落地后，村里的餐饮和香稻米销售，规模翻了一倍。”沈寿杨说。

　　运营团队还从辛弃疾“稻花香里说丰年，听取蛙声一片”的词句中汲取灵感，打造出可爱的“镇头蛙”IP形象，并衍生开发出冰箱贴、帆布包、笔记本等五十多种文创产品，为游客提供可以带走的“乡村记忆”，也直接促进了村民增收。

　　为了填补稻收后的景观空窗期，运营团队正在策划稻草人艺术节，依托图书馆作为高校艺术实践基地的优势，邀请师生创作大型稻草雕塑，延续项目的吸引力。同时，通过开展团建、研学、农耕教育等服务，稳定淡季的客流。未来，民宿、餐饮、研学基地等配套业态也将逐步完善，形成更可持续的乡村产业生态。

　　据介绍，去年镇头村100多户村民通过旅游相关产业实现增收，村集体收入同比增长50%。

　　这座从稻田里“长”出来的图书馆，让村民在家门口拥抱“诗和远方”，让城市人在乡野中找到心灵栖息地，也生动诠释了乡村振兴的深层密码——文化只有扎根乡土，产业唯有激发动能，土地才能焕发出无限生机。

　　稻田图书馆的故事，正伴着皖北的沃野与流淌的书香，娓娓道来，续写新篇。（张玉芳 何雪峰）

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。

　　90vs体育讯 北京时间12月11日，据《足球报》报道，艾克森极有可能落选国足的亚洲杯阵容，国家队应该就剩下蒋光太和李可两大血缘归化了。

　　报道中表示，国足进入扬科维奇时代以来，归化球员表现始终未达预期：李可和蒋光太受伤病影响无法保证出勤率;虽然加盟泰山前阔别赛场多时的费南多甚至在俱乐部也只能更多扮演替补奇兵的角色，虽然此前亚冠面对卡雅也曾上演助攻帽子戏法，但状态并不稳定;洛国富在巴西下半年都在养伤，甚至已有退役打算;今夏阿兰未能重返中超再次失业，离开广州队后这两年几乎完全虚度时光;艾克森虽然一度打上主力，但11月36强赛的大考来临时，却未能进入名单，恐怕明年初亚洲杯也很难出现奇迹。

　　不出意外，扬科维奇时代归化球员将只剩李可和蒋光太。“巴西帮”归化球员因年龄、伤病和状态问题，基本退出了历史舞台。归化对中国足球而言是一地鸡毛，至少这个世界杯周期很难有突破。

在这款沉浸式第一人称叙事游戏中，追随耶稣的脚步，从降生到复活。施行神迹奇事，结识圣经人物，探索圣地——从耶路撒冷到加利利。在《I Am Jesus Christ》中成为弥赛亚。

穿越时光回到两千多年前，跟随耶稣基督的脚步，从祂的洗礼到复活。《I Am Jesus Christ》灵感源自新约圣经，带来前所未有的灵性模拟体验。

你准备好在旷野中抵挡诱惑、医治病人并帮助有需要的人了吗？施行30多个充满意义的神迹奇事 —— 包括五饼二鱼、洁净麻风病人、平息风浪以及使瞎子重见光明。

通过祷告加深你与圣灵的联系，体验结合现代玩法与永恒圣经故事的独特旅程。《I Am Jesus Christ》旨在以庄重而富有沉浸感的方式传递福音。

沉浸在超过10小时的游戏体验中，穿越沙漠、水域和群山 —— 最终亲历耶稣受难与复活的感人故事。

　　继去年首轮演出获得业内外广泛关注后，国家大剧院原创民族歌剧《红高粱》将于3月12日至15日迎来第二轮演出。本轮排演前，国家大剧院组织主创团队对剧本、音乐再度雕琢、修改升级，在精神内核上实现了宏大升华。

　　为追求极致的舞台呈现，国家大剧院联合作曲家郭文景、编剧莫言等主创，首轮演出后反复研讨，对该剧的音乐和剧本进行深度打磨。为让全剧节奏更紧凑，主创团队对剧本及音乐删繁就简，唱词更精炼，戏剧冲突愈发扣人心弦。下半场“罗汉就义”段落之后，郭文景为女主角九儿新增一首长达8分钟的咏叹调，九儿通过这段唱段，将对父亲戴老三、罗汉大哥的哀悼，化为对侵略者的刻骨仇恨与复仇的决心。这段咏叹调，将九儿从悲痛走向刚烈、从个人情感升华为家国大义的心路历程展现得淋漓尽致。

　　本轮《红高粱》的另一项重大升级，是新增一首宏大的序曲。这首序曲将叙事视角跳脱出高密东北乡的方寸之地，以更广阔的视野，俯瞰整个中华民族在历史风云中的英勇与血性。序曲采用ABA三段式结构，首尾两段的战斗主题，刻画着中华民族抵御外敌的决死之心；中部舒缓深情的段落，抒发了对大地、家乡与祖国的深情热爱。

　　回溯那段波澜壮阔的历史，郭文景阐述了他的创作理念：“中国人民抗日战争的胜利，不仅是中华民族的胜利，对世界反法西斯战争的胜利也具有重大意义。当时的日本军国主义何等凶悍，面对如此凶恶的敌人，几乎全世界都认为中国不可能抵抗，但中国愣是没有投降，抗争中付出了3500万人伤亡的沉重代价，最终以血肉之躯筑起坚不可摧的东方长城。”创作这首序曲时，郭文景不再局限于九儿与余占鳌的爱恨情仇，也不单纯着眼于山东高密一群勇敢乡民的伏击战，而是用音乐祭奠战争中牺牲的英烈，颂扬中华民族的坚韧意志，献给令世界刮目相看的中华民族的不屈脊梁。

　　文/本报记者 田婉婷 摄影/袁野

产品的质量决定其是否有能力生存发展下去，全国各大专用车厂家都应紧抓唐鸿重工牌东风国六11吨洒水车生产质量，才能在市场的竞争中脱颖而出，下面小编带大家了解一下唐鸿重工牌东风国六11吨洒水车

唐鸿重工牌东风国六11吨洒水车整车外形尺寸7900X2500X3020(mm)，上户吨位为：10070,10005(Kg)，驾驶室准乘人数为2,3人，最高车速105（km/h）。

唐鸿重工牌东风国六11吨洒水车的底盘型号为EQ1185LJ9CDE，底盘轴距为3600,3950,4500,4700,5000,5300,5600（mm），排放标准为GB17691-2018国Ⅵ，使用295/80R22.5 18PR,10.00R20 18PR,275/80R22.5 18PR规格的轮胎，底盘配置的发动机型号为CY4SK761 YCS04200-68 D4.5NS6B220 YCY30165-60 B6.2NS6B210 B6.2NS6B230 D4.0NS6B195 YCY30170-60 D45TCIF1，底盘承载力强，可靠耐用。

这几年，国家密集发布和实施了一系列的政策措施，在投资和准入管理方面、优化运输环境方面、提升产品管理方面以及新能源专用车推广方面进行规范和引导，对唐鸿重工牌东风国六11吨洒水车市场产生了积极影响。这款唐鸿重工牌东风国六11吨洒水车就是新政策下诞生的优质产品。

前山街道辖区拥有暨大科技园、金嘉创意谷、乐士文化区等成熟OPC创业载体，依托健全的政企校联动机制和全链条创业服务保障，重点支持暨南大学等在珠高校大学生创新创业，助力更多OPC创业想法在前山转化为实际成果。

活动现场，香洲区市场监督管理局为德天智核科技、源起科技、勃勃科技三家企业颁发OPC营业执照，打通营商环境“绿色通道”，切实为OPC创业主体在前山落地发展保驾护航。

在主题分享环节，多位行业大咖各抒己见，带来前沿技术解读与实战创业经验，为青年创客明晰方向、拓宽思路。

其中，暨南大学智能科学与工程学院院长杨光华从AI时代生产力变革视角，解读“一人公司”到“一人军团”的创业新形态，点亮技术赋能创业之路；中国计算机学会（CCF）大湾区办事处主任蓝维维系统梳理OpenClaw到OPC的发展脉络，深入剖析智能体发展的机遇与挑战；极界机器人（珠海）有限公司总经理杨达宁结合自身海外经历与创业实践，分享海归青年运用OPC模式创业的宝贵经验；亚信安全科技股份有限公司广东省办技术顾问杨凡从安全应用角度，分享OpenClaw企业体系化防护方案，为技术应用筑牢安全屏障。

OpenClaw安全使用交流环节中，现场嘉宾、企业代表与暨南大学学子围绕OpenClaw技术应用、OPC创业规划、政策对接、资源匹配等话题展开深入探讨，在思想碰撞中凝聚创新共识。

不少参与者表示，本次活动不仅深入了解了OpenClaw与OPC的发展内涵，汲取了前沿技术与创业干货，更结识了志同道合的伙伴，为后续创业探索积累了宝贵资源。

前山街道党工委书记吴标表示，前山街道将持续优化辖区创业营商环境，完善全链条创业服务体系，聚焦青年创业核心需求开展更多赋能活动，全力破解创业难点堵点，助力更多青年创客在前山落地生根、逐梦成长，为辖区数字经济与人工智能产业高质量发展注入源源不断的青春活力。

• 游戏类别：角色扮演
• 游戏大小：90.44M
• 游戏语言：简体中文
• 游戏版本：v1.7

在幻想之刃游戏中，深渊追猎需要通关剧情30关囚笼解锁，部分玩家不知道深渊追猎收藏品应该如何养成，下面就为大家带来幻想之刃游戏中深渊追猎收藏品的养成攻略，有需要的玩家可以参考。

幻想之刃深渊追猎收藏品养成

根据追猎令等级花费钻石购买门票，之后组队2-5人，进入击杀boss获得收藏品碎片。

30个碎片合成一个收藏品。

收藏品分为蓝色，紫色，橙色，红色。

等阶越高，属于越高。属于后期养成属性最高的玩法。

同一种颜色收藏品集齐4个可以激活套装效果。收藏品每个都可以强化，升星。

1星门票100钻石，2星门票500钻石，3星门票750钻石，4星门票1000钻石，5星门票2500钻石，6星门票3000钻石，7星门票3500钻石，8星门票4000钻石。

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：

Agent的“军品与民品”

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。

做投研，为什么死磕“开会”场景？

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。

分析师的价值：被AI掏空，还是被AI放大？

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。

（1）把人的方法论“卖”给AI？

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。

（2）捕捉到的信号，未必有效

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。

7月12日14：00，海尔空调“挑战79℃高温制冷新纪录”体验云众播在海尔智家APP上线。海尔空调将70平方米的智慧客厅和智慧卧室场景搬进沙漠，展示了79℃“高温禁区”吃火锅、极限补水、极限防直吹、极限飞沙、极限高温制冷等5大场景挑战。通过挑战，为用户提供了空调高温制冷、防直吹，空气净化、补水等健康场景解决方案。

环球探险家侣行夫妇、莫高窟壁画匠人、敦煌文化特约讲解员还参与到“体验云众播”当中，分享了各自的健康空气需求，并体验了海尔空调“56℃除菌自清洁 只吹干净风”的原创科技。

场景一：一吃火锅就出汗！侣行夫妇79℃沙漠清凉吃火锅

平时夏天吃火锅就能出一头汗，这次不一样。侣行夫妇在沙漠中一边吹空调，一边吃火锅。在79℃沙漠高温下，海尔空调所在的智慧客厅温度只有23℃。侣行夫妇表示，室内外仅一门之隔完全是两个世界，海尔空调的制冷能力出乎意料。

海尔空调高级工程师雷永锋介绍，天再热，这款空调也能扛得住，给用户带来舒适降温。雷神者空调采用海尔独创的PKC变频控制技术，搭载高比表面积的螺纹铜管、双翼翅片、稀土压缩机，让空调高温高负载下仍能稳定运行、强劲制冷。

场景二：空调吹风太干燥？海尔56℃除菌空调挑战极限加湿

在空调房里敷面膜，空气太干体验打折扣？在湿度不足5%的沙漠里呢？体验云众播中，海尔水洗空调挑战了极限加湿。开启“水洗功能”后，室内湿度从32%升至52%。现场，梁红也做了对比测试发现，用手攥紧面膜仍然可以挤出水。她表示，“空调吹着不干，加湿净化功能很实用。”

雷永锋介绍，这款空调的好处是解决了吹风干燥和空气净化的问题。水洗空调内部形成“暴雨式”喷淋清洗室，有效加湿净化。在净化效果方面，现场一台检测仪显示，室内PM2.5降至15，净化效果明显。

场景三：雾霾沙尘天难开窗？海尔56℃除菌空调挑战极限飞沙

关窗开空调，总感觉憋闷。雾霾沙尘天，还担心空气污染。海尔空调针对沙尘、雾霾场景，挑战极限飞沙环境。

在户外，越野车制造起“人工沙尘暴”，扬沙弥漫，室外空气PM2.5数值爆表。在室内，海尔新风空调开启换新风，室外空气经过五重净化换进室内，戴白手套擦拭出风口没有黄沙。从数据上看，室内PM2.5数值从82降到13，为用户提供了不开窗换新风的使用体验。

场景四：空调风直吹怕冷？海尔56℃除菌空调挑战高温防直吹

普通空调冷风直吹太难受？体验云众播中，敦煌壁画艺术研究院创始人李永军带来了他创作的莫高窟壁画代表性作品《反弹琵琶》，现场挑战防直吹。

这幅作品是由温感变色的颜料创作的。开启海尔舒适风Pro空调，当温度达到22℃时，原本无色的壁画瞬间均匀变色。雷永锋介绍，如果空调直吹，壁画只能局部变色，能让壁画均匀显色是因为空调的防直吹功能。它也解决了用户不敢直吹空调的问题，空调能精确测算最佳送风角度，吹出自然风。

场景五：空调怕热罢工！海尔56℃除菌空调挑战极限高温制冷

高温天，不少家庭里空调出现了不制冷或停机现象。什么样的空调不怕热？

沙漠中，为了挑战更高温，海尔空调室外机被扣上了罩壳，实测温度达79℃。室内海尔雷神者空调却不受高温影响，将室温降低到25℃左右，并始终保持这一温度。现场的“巧克力长城”直观展示了空调的制冷实力：吹着空调的“巧克力长城”矗立不倒。而当关闭空调后，“巧克力长城”很快融化。

海尔雷神者空调在79℃“高温禁区”的沙漠，也能吹出凉风。除了高温制冷之外，它还具有深紫外UVC杀菌和56℃高温除菌等功能,实现空调和空气双重除菌。在自清洁过程中，侣行夫妇还用蒸发器结出的霜层制作了冰沙莫吉托。

有水源就是绿洲，海尔空调用成套的智慧空气方案在79℃沙漠里打造了一片“空气绿洲”。海尔空调敢在“高温禁区”进行挑战，源自于对品质的自信。同时“体验云众播”也让用户沉浸式体验全空间、全维度、全场景的健康空气解决方案。

　　演出中，极具本地特色的节目成为最大亮点。融入杨公村特色IP形象的舞蹈《杨公娃娃》童趣盎然，展现乡村独特文化魅力；农耕秀《在希望的田野上》生动再现农民耕耘劳作的场景，唤起一代人的集体记忆；《故乡是翁墩》以“歌曲+非遗”形式，将传统技艺与深情歌声完美融合……一个个充满乡土情怀的节目，赢得阵阵掌声。

　　翁墩乡洞阳村64岁村民李延军参演了朗诵节目，演出结束后他兴奋地说:“以前只是在电视上看晚会，现在我们上台表演，把我们的生活演给大家看，这种感觉太棒了!”谈起舞台经历，李延军说，刚开始登上“村晚”舞台难免有点紧张，如今他已是“村晚”常客。李延军空闲时间就喜爱唱歌朗诵、学习乐器，自从村里举办“村晚”，不仅每场他都参加，还组织有同样爱好的村民一起排练、表演节目。

　　街道居民金家宝也是基层文艺爱好者，此次参演了农耕秀节目。他说，贴合生活的场景让大家表演起来更显生动。他还参与了舞蹈的编排。“乡村‘村晚’是我们表达自我、展示家乡的重要舞台。”金家宝说。

　　2023年，翁墩乡杨公村获评“四季村晚”全国示范展示点。翁墩乡文化站站长文继领介绍:“‘村晚’节目大多由本地村民、文艺团队或文化志愿者自编自导自演，节目内容取材于日常生活。让基层爱好文艺的群众登上舞台，展现自己的才艺，既充实了大家的精神文化生活，更展现出乡村群众积极向上、团结奋发的新风貌。”

　　记者从市文旅局获悉，“十四五”期间，全市累计举办乡村“村晚”近千场，原创歌舞节目《咱们村里有村晚》亮相全国“村晚”示范展示活动启动仪式。六安市还创新举办大别山民歌邀请赛、全市广场舞大赛等文化活动，进一步丰富基层群众文化生活。

　　与此同时，文化服务暖心惠民工程持续推进。六安市出台《关于开展乡村文化暖心惠民工程的实施意见》，倡导“一村一文化”，年均举办“乡村文化大舞台”等各类群众文化活动4.5万余场，服务群众1200余万人次。

　　乡村文化振兴，人才是关键。“十四五”期间，六安市发展乡村文体团队和协会2421个，培育乡土文体人才7.5万余人，形成了一支扎根基层、服务群众的文化队伍。各县区依托综合文化站经常性开展各类文化活动，举办科普、法治、农技、文化生活、卫生健康等讲座培训，受益群众广，社会影响大。

　　从杨公村的冬季“村晚”，到全市年均4.5万余场的群众文化活动，六安基层文化正焕发出勃勃生机。当传统与现代在乡村舞台上交融，当群众从观众变为主角，一幅文化繁荣、乡风文明的乡村振兴画卷正在皖西大地上徐徐展开。（记者 张玉）

保障内容：

1、身故或身体全残保险金

根据身故或全残时的年龄和交费情况，按以下规则给付：

18周岁前：已交保费与现金价值较大者；

18周岁后、交费期满前：已交保费 × 给付系数；

18周岁后、交费期满后：已交保费×给付系数、现金价值、基本保额×（1+1.75%）ⁿ⁻¹ 三者最大者。

给付系数：18-41周岁：160%；41-61周岁：140%；61周岁及以上：120%

2、特定公共交通工具意外伤害身故或全残保险金

若被保险人以乘客身份乘坐民航班机、客运轮船、客运汽车（含网约车）、客运列车期间遭受意外伤害，并在18周岁后、75周岁前身故或全残，除给付上述身故或全残保险金外，额外按基本保额的1.5倍给付，合同终止。

二、新华人寿盛世荣耀臻享版终身寿险（分红型）产品特点

✅ 保额复利递增，身价逐年长

交费期满后，保额每年按1.75%复利增长，持有时间越长，保障水平越高，有效对冲通胀。

✅ 特定交通意外加倍赔，出行更安心

覆盖民航班机、客运轮船、客运汽车（含网约车）、客运列车，18-75周岁期间因特定交通意外身故或全残，额外赔付基本保额的1.5倍，给家人更充分的保障。

✅ 身故+全残双重守护

不仅给家人留保障，自己万一全残也能赔付，给付规则一致，双重安心。全残涵盖双目失明、四肢缺失、咀嚼吞咽机能丧失等严重情形。

✅ 红利交清增额，保障二次增长

红利可选择购买交清增额保险，新增保额继续参与分红，让保障和分红同步复利增长，长期持有收益更可观。

✅ 转换年金权益，养老灵活选

交费期满且生效满5年后，可申请将减保对应的现金价值或保险金转换成年金领取，满足养老资金需求。

✅ 减保+保单贷款，资金灵活周转

减保：每年最高可减生效保额的20%，领取对应现金价值，满足阶段性资金需求。若选择交清增额，减保时交清增额部分同比例减少。

保单贷款：最高可贷现金价值的80%，每次最长6个月，解决临时资金周转问题。

三、新华人寿盛世荣耀臻享版终身寿险（分红型）投保案例

张先生，40周岁，为自己投保本产品，选择年交保费10万元，交费期10年，基本保险金额约80万元，红利领取方式选择“购买交清增额保险”。

保额递增：

交费期满后，保额每年按1.75%复利增长。

第11年保额约80万×1.0175≈81.4万元；

第30年保额约80万×1.0175²⁰≈113.2万元，身价随年龄复利增长。

特定交通意外保障：

若张先生在50周岁时乘坐网约车遭遇意外身故，受益人可获赔：

身故保险金：已交保费100万元×140%＝140万元；

特定交通意外额外赔付：基本保额80万元×1.5＝120万元；

合计260万元，实现高额传承。

红利增值：

每年红利购买交清增额保险，累积交清增额保额逐年增加。至60周岁时，累积交清增额保额假设约15万元，总有效保额达到约128.2万元，保障水平进一步提升。

转换年金：

张先生65周岁时，可将部分现金价值转换成年金保险，每年领取补充养老，活到老领到老。

资金灵活：

若60岁时需用钱，可申请减保领取现金价值，或申请保单贷款解决燃眉之急。

如果您对“新华盛世荣耀臻享版终身寿险（分红型）：保额递增+特定交通加倍赔‌‌”感兴趣，或者有其他想要了解的，都可以点击“立即咨询”或者“免费获取方案”，会有客服小姐姐为您提供咨询服务！

　　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）

　　↓↓↓

• 游戏类别：模拟经营
• 游戏大小：695.73M
• 游戏语言：简体中文
• 游戏版本：v2.0.1

在大店小二游戏中，游戏的主要战斗模式分别是门客战和店铺战，部分玩家不知道门客战与店铺战应该怎么玩，下面就为大家带来大店小二游戏中门客战与店铺战的玩法介绍说明，有需要的玩家可以参考。

大店小二门客战与店铺战玩法

【门客战】

门客站单纯比拼门客间的攻击力。单次挑战中，攻击力较低的一方挑战失败。若为多门客连续对战，则攻击力高的一方会在获胜后，用剩余攻击力继续迎战下一位门客，直至其中一方的所有门客均战败为止。

【店铺战】

店铺的血量与赚速有关。两个店铺对战时会以店铺内派遣的店员按顺序轮流攻击对方，一方的店员用尽后如果另一方仍有店员，则由另一方剩下的店员连续攻击，双方的所有店员都攻击完毕后进入下一回合，继续之前的战斗流程。

出现场景：商斗-踢馆、探险等。

　　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]

• 游戏类别：战争策略
• 游戏大小：1.97G
• 游戏语言：简体中文
• 游戏版本：v0.2.11

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。

来源：新华网

　　3月5日，是第63个学雷锋纪念日。当天，明光市2026年雷锋日主题活动在滁州市机械工业学校大礼堂举行。活动以“学雷锋做志愿 共同奋进‘十五五’”为主题，引导广大干部群众及青年一代传承雷锋精神、践行志愿使命。

　　活动中，新中国最美奋斗者、全国100位新中国成立以来感动中国人物、一级战斗英雄史光柱作主题宣讲。他结合自身经历，分享雷锋勤俭节约、助人为乐的感人事迹，解读新时代雷锋精神内涵，深情讲述老山战斗的峥嵘岁月，质朴有力、情真意切的讲述打动现场每一位听众，赢得阵阵掌声。

　　宣讲结束后，20名志愿者代表共同宣读《弘扬雷锋精神 共建志愿明光》倡议书，号召全体市民以雷锋为榜样、以英雄模范为标杆，从身边小事做起，积极投身志愿服务，让雷锋精神融入日常、化作经常。

　　此次活动旨在凝聚志愿力量，推动雷锋精神在明光大地落地生根，为广大干部群众和青年学子坚定理想信念、投身文明实践注入强大精神动力，为建设文明明光、幸福明光注入强劲的精神动力。（彭军 刘文）

国家防灾减灾救灾委员会办公室、应急管理部近日会同自然资源部、水利部、农业农村部、中国气象局、国家林草局等部门对5月份全国自然灾害风险形势进行会商研判。

分析认为，预计5月份，华东南部、华中东南部、华南东北部等地降水偏多，浙江西南部、福建西部、江西中南部、湖南东南部、广东北部、西藏西部、陕西中部、甘肃中部和东部、青海东北部、宁夏等地降水偏多2至5成，易出现强降雨及雷暴、大风、冰雹等强对流天气，洪涝和风雹灾害风险较高。

在地质灾害风险方面，受强降水等因素影响，浙江、安徽、福建、江西、湖北、湖南、广东、广西、重庆、四川、陕西、甘肃、青海等局地发生地质灾害风险较高。

在森林草原火灾风险方面，预计东北、西南、华东、华南等地森林火险等级较高，其中内蒙古东部、黑龙江中北部、四川南部、云南中北部部分地区森林火险等级高。内蒙古东部部分地区草原火险等级较高，局部时段草原火险等级高。

在干旱灾害和大风沙尘灾害风险方面，预计云南大部、贵州西部、四川南部气温较常年同期偏高1至2摄氏度，降水偏少2至5成。云南等地前期干旱持续时间较长，受气温升高和降水持续偏少影响，干旱进一步发展的可能性较大。北方地区冷空气大风活动仍较为频繁。

在农业灾害风险方面，黑龙江、吉林东部降水偏多，局地可能出现春涝。内蒙古东南部、吉林西部、辽宁大部降水偏少，西部传统旱区可能发生旱情。西南地区农业干旱可能加重，其中云南、四川南部、贵州西南部降水仍偏少。南方渍害风险高，华南、长江中下游及以南地区降水偏多。

记者 杜雨敖

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： 

1. 研究背景与核心问题

2. 3 个可发表的子课题

3. 每个子课题的创新点、风险点和评价指标

4. 每 6 个月的阶段目标

5. 所需数据、算力和人员配置建议

6. 将撰写的结果文件保存到 /mnt/projects/04m27/work1

7. 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：

1. 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）；

2. 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；

3. 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；

4. 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？）；

5. 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。

6. 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。

7. 请将完整的项目写入 /mnt/projects/04m27/work2/ma_project。

8. 你还可以参考官方文档：https://docs.openclaw.ai。

9. 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

1. 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。
   

2. 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%。
   

3. 使用 NeurIPS 投稿模板。
   

4. 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

1. 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。
   

2. 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
   

3. 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
   

4. 请从工程项目角度帮我调研相关的开源代码
   

5. 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
   

6. 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

1. 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。

2. 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。

3. 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