老師可控課程問答機械人
此計劃旨在設計一教育入口網站，讓教師上傳課程電子書，並整合既有程式從arXiv抓取研究論文，共同建構知識庫以驅動學生專用聊天機器人。系統採用前端React.js介面供上傳與聊天，後端FastAPI處理檔案與查詢，儲存使用PostgreSQL與S3，AI層透過LangChain與Hugging Face嵌入向量資料庫（如FAISS），實施檢索增強生成（RAG）確保回應僅限課程相關主題，透過提示工程與相關性過濾防離題。arXiv論文經關鍵字過濾後合併入庫，定期更新；聊天機器人以LLM（如Grok或OpenAI）生成事實性答案，部署於雲端確保擴展性，並注重安全、法律合規與AI準確性免責。此原型可於1-2週內實現，從本地開發迭代至生產環境。
此計劃將為老師帶來多項顯著好處，以下依序列出主要益處（共計7項），幫助老師更有效率地管理課程並提升教學品質：
- 簡化教材管理：老師可輕鬆上傳電子書，並與特定課程關聯，無需複雜的檔案系統，節省時間。
- 自動整合最新研究：透過既有程式從arXiv抓取相關論文，老師無需手動搜尋，即可豐富課程內容，保持教材前沿性。
- 減輕教學負擔：聊天機器人可回答學生課程相關問題，讓老師專注於更深層指導，而非重複解答基本疑問。
- 確保內容相關性：系統控制機器人僅回應課程主題，避免學生離題，維持教學焦點並減少老師介入。
- 提升學生參與度：機器人提供即時互動，間接提高學生學習興趣，老師可從中獲得更好反饋。
- 安全與合規保障：平台注重資料加密與合法上傳，幫助老師避免版權或隱私問題。
- 擴展性與維護便利：雲端部署與定期更新，讓老師長期受益於穩定系統，無需自行維護技術細節。
AIOps (IT 操作嘅人工智能) 係一種用機器學習同其他先進 AI 技術自動化 IT 操作嘅方法。
佢依賴智能系統，可以實時觀察、學習同行動。呢個幫助 IT 團隊管理複雜性、減少手動工作，同加速事件回應 — 導致更快、更有效嘅決策。
喺複雜 IT 環境中可用嘅操作數據量，可以令識別同解決問題變得困難。人類根本唔夠快處理同組織呢啲數據嚟跟上現代 IT 操作嘅需求。而且傳統監控工具，經常產生冗餘或瑣碎警報，可以造成警報疲勞 — 導致最重要嘅警報被錯過。
由此產生嘅事件回應延遲，結合手動故障排除嘅耗時性質，導致更高嘅平均解決時間 (MTTR) 同增加嘅停機風險。
AIOps 可以緩解呢啲問題，同幫助 IT 團隊更快回應事件。佢融入機器學習演算法同技術，幫助系統從大量操作數據學習。佢使用 IT 自動化嚟實時回應事件，導致更好嘅可見性、更主動嘅 IT 管理，同更低嘅操作成本。
AIOps 平台或方法收集大量操作數據，應用機器學習演算法嚟識別模式同問題，自動化修復，同從過去事件學習。換句話講，AIOps 將 IT 操作從反應性故障排除轉變為主動、智能管理。
數據收集、處理同清理：AIOps 平台從網絡、應用程式、數據庫同各種其他來源收集、組織同上下文化大量信息。呢啲數據可以包括：實時同歷史事件數據。效能指標同監控。系統同應用程式日誌。基礎設施同配置數據。安全同事件數據。非結構化或串流數據。一旦平台收集數據，佢會喺單一位置聚合佢，喺度可以組織、索引同清理。但喺大多數現代環境中，數據唔係集中嘅；佢散佈喺多個共存嘅可觀察性平台，令聚合成為關鍵第一步。數據「清理」涉及識別同修正收集數據中嘅錯誤，確保數據集同分析結果可靠。呢個可能意味著移除重複數據、修正誤標記數據，或填補數據唔完整嘅空白。
應用 AI/ML 演算法：AIOps 使用機器學習嚟尋找模式，自然語言處理嚟解釋數據來源中嘅文本，同生成 AI 嚟合成同總結洞察。解釋來自多個來源嘅非結構化文本，例如日誌同票據，為過去數據中發現異常同進行根因分析 (RCA) 提供上下文。喺呢個過程中，生成 AI 可以加速修復，透過創建清晰事件摘要同建議特定修復。AIOps 亦可以使用預測分析 — 依賴歷史數據、統計建模、數據挖掘技術同機器學習 — 嚟預測問題喺發生前。
自動化回應同修復：AIOps 平台識別事件同模式之後，IT 團隊可以融入自動化同編排嚟快速解決問題。AIOps 可以跟隨預定義政策觸發自動化、自癒工作流程，例如重新啟動服務或生成事件票據。呢個自動化令對常見問題嘅回應可擴展同可重複，同時減少停機同手動干預。佢亦為複雜問題留低空間，升級畀人類審查，因為系統繼續學習同完善未來回應。
成功嘅 AIOps 方法取決於選擇一個可以從你整個 IT 環境創建單一真相來源嘅平台。喺好多情況下，個別可觀察性工具可能冇訪問問題開始嘅底層基礎設施。呢個係點解選擇一個可以組裝、規範化同關聯來自不同來源數據嘅平台至關重要 — 幫助團隊獲得有用洞察，同支持更有效嘅修復工作流程。閱讀原文
社交媒體上到處都有報告，話 Elon Musk 嘅 X 用戶喺強制嘅二步驟安全變更之後，卡住喺無限迴圈，甚至有啲被鎖定出佢哋嘅 X 帳戶，呢個變更好似出咗大問題。
10月24號，X 喺一篇 post 入面話，佢要求用 passkeys 或硬件安全金鑰（如 YubiKeys）做二步驟驗證嘅用戶，用 x.com 域名重新註冊。（用 authenticator app 嘅用戶冇事。）
X 話呢個係為咗退休舊 twitter.com 域名，呢個域名而家 redirect 到 x.com。呢個轉變喺2024年5月生效。問題係 passkeys 同安全金鑰數碼上綁定喺舊 twitter.com，唔可以直接轉到 x.com。所以用戶要手動取消註冊再用新域名重新註冊。
喺轉換過程中，X 警告話11月10號之後，用戶帳戶會被鎖定，直到佢哋重新註冊或揀另一個二步驟方法。
而家 deadline 過咗，好多用戶報告話佢哋被鎖定出帳戶，重新註冊 passkey 或安全金鑰唔得，見到 error messages 或卡喺無限迴圈。
呢個係 X 最新問題，X 而家由 Elon Musk 擁有，佢喺2022年以440億美元買咗 Twitter。自從接管社交網站之後，公司經歷咗大規模裁員同無數爭議。
X 冇回應評論要求，但 Musk 作為擁有者，繼續正常 post，估計冇受影響。
https://techcrunch.com/2025/11/12/elon-musks-x-botched-its-security-key-switchover-locking-users-out/
嚟緊2026年，TIME雜誌會同Statista合作，發表全球頂尖EdTech公司排名。
呢個榜單會揀出最創新、最有影響力、增長最快嘅EdTech公司，佢哋已經成為行業領袖。
美國頂尖EdTech公司會有獨立榜單。
專注開發同提供教育科技嘅公司，鼓勵喺研究階段提交申請。
提交申請保證會被考慮，但唔保證入榜，最終榜單唔限申請者。
申請請瀏覽 https://research.statista.com/?i_survey=%2019__15aa73d0f78677780c9b497d9dd9e42f&PID=RE/。
更多資訊喺 https://www.statista.com/page/ed-tech-rankings。
最終榜單會喺2026年4月喺TIME.com公布。
https://time.com/7333235/top-edtech-companies-2026-search/
文章講起Alan Turing喺1950年問過機器可唔可以思考，之後AI從基本計算發展到而家嘅大型語言模型(LLMs)，佢哋好勁處理抽象知識，但係欠缺喺物理世界嘅 grounding。
空間智能係AI下一個前沿，可以改變故事講述、創意、機械人同科學發現。作者李飛飛，佢嘅職業生涯—建ImageNet、領導Stanford視覺學習實驗室、同埋共同創辦World Labs—都係追求視覺同空間智能。
空間智能係人類認知嘅基礎，從進化中基本感知同行動循環開始。佢幫助日常任務，好似泊車、接物件、穿梭人群或者唔望住倒咖啡。佢延伸到極端情況，好似消防員喺倒塌大廈導航，同小朋友喺語言前透過玩耍學習。空間智能支撐想像同創意，從洞穴畫到現代媒體、模擬同工業應用，好似工業設計同機械人訓練。
歷史例子顯示佢嘅影響：Eratosthenes用影子計算地球圓周，Hargreaves嘅紡紗機提高紡織生產力，Watson同Crick建DNA模型。佢為感知、推理、計劃同互動提供支架，即使喺抽象思考。
而家AI嘅限制：LLMs同多模態LLMs(MLLMs)喺文字、代碼、圖像同短片好勁，但係喺人類水平空間任務失敗，好似估計距離、旋轉物件、導航迷宮或者預測物理。AI生成影片好快失去連貫性，模型仍然同物理現實脫節，阻礙喺駕駛、機械人、沉浸式體驗同材料科學同醫學發現嘅應用。哲學家Wittgenstein嘅想法，語言限制世界，適用喺AI，空間智能超越文字，連接想像、感知同行動。
文章概述建空間智能AI透過”world models”，生成模型超越LLMs喺理解、推理、生成同複雜世界互動。World Labs喺2024年初創辦，專注呢個作為下十年挑戰。World models需要三個能力：1) 生成—從指示創造一致模擬世界(語義、感知、幾何、物理、動態)，輸出同過去狀態連結；2) 多模態—處理多樣輸入好似圖像、影片、深度圖、文字、手勢、行動，同生成完整世界狀態；3) 互動—基於行動或者目標輸出下一個狀態，可能預測行動，遵守物理、語義同動態。
挑戰包括調和複雜規則(例如重力、原子結構)喺高維度，比語言需要新方法。World Labs研究主題涵蓋反映幾何同物理嘅通用任務函數、大規模訓練數據從圖像、影片、合成來源同模態好似深度同觸覺；新架構好似3D/4D tokenization同RTFM用於實時生成帶空間記憶。進展包括Marble，一個多模態世界模型生成同維持3D環境用於創意，即將公開。
應用強調增強人類：喺創意，Marble賦權電影製作人、遊戲設計師、建築師快速3D世界建構、敘事體驗、設計迭代同沉浸VR/XR。喺機械人，world models透過模擬擴大學習，啟用同伴/合作者對人類目標有同理心，同支持多樣化實施好似納米機械人。長遠影響包括科學(模擬實驗、假設測試喺不可及環境)、醫療(藥物發現、診斷、監測、機械人協助)同教育(沉浸式實體學習、技能練習喺模擬)。
結論重申Turing嘅啟發，將空間智能視為完成AI用於夥伴關係喺挑戰好似疾病理解、故事講述同支持。佢呼籲AI生態系統集體努力利用呢個用於賦權生活，最後邀請加入World Labs。https://drfeifei.substack.com/p/from-words-to-worlds-spatial-intelligence
IEEE Spectrum 啱啱出咗2025年嘅程式語言排行榜啦。Python 又一次攞咗頭位，呢個已經係連續第二年霸住第一位。
最勁嘅變化係JavaScript 由2024年嘅第三位跌咗落2025年嘅第六位，可能因為AI工具越來越勁，幫手建網站，唔使咁多人工嚟寫JavaScript。
喺Jobs排行，Python 由第二升到第一，SQL 都仲係好搶手嘅技能。
AI 係度改變緊程式語言嘅流行度，因為程式員可以用AI嚟生成代碼，唔使再公開問問題，Stack Exchange嘅問題數量跌咗好勁，只剩返22%。
將來，可能程式語言嘅分別會變得唔重要，因為AI可以根據提示生成代碼，程式員會專注喺架構、演算法同系統整合上。
MIT嘅研究員Eagon Meng同Daniel Jackson提出咗一個新嘅軟件模型，目的係解決現代軟件嘅「唔可讀」問題，即係程式碼同觀察到嘅行為之間冇直接對應。
呢個模型強調軟件要具備增量性、完整性同透明性，嚟應對大型語言模型（LLM）喺程式開發入面嘅挑戰，例如LLM改程式碼時好難控制模組，又確保舊功能唔會壞咗。
研究員建議將系統拆解成「概念」（concepts），呢啲概念係面向用戶嘅功能單位，有明確目的同提供可辨識價值，好似社交媒體app入面嘅「貼文」、「評論」、「好友」咁。
概念要結構化應用程式嘅底層實現，類似微服務但避免互相依賴導致複雜連接，只依賴低層服務如資料庫或網絡服務。
應用層負責協調概念，透過「同步」（synchronizations）明確定義概念間互動，好似合約咁可以分析、驗證同由LLM生成。
呢個方法可以超越唔可預測嘅「氛圍編程」（vibe coding），支援分散式實現，又建立經過測試嘅領域特定概念目錄，畀人類同AI程式員用。更多
最近，WHATWG 度有討論要唔要移除 XSLT 嘅支援，因為佢唔係好多人用，又有安全問題。
Igalia 嘅 Liam Quin 分享咗歷史背景，話 Microsoft 喺 IE 度加咗 XSLT，Google Maps 一開始都用過。
但 XSLT 係 declarative，唔同 JS。
不過，喺現代 web 度，XSLT 可能要 RIP 喇。
https://xslt.rip/
NuGet.org 最近推出咗全新嘅贊助功能，畀開發者更容易咁支持佢哋鍾意嘅包作者啦。呢個功能畀用戶直接喺平台度捐款畀包維護者，幫助開源社區嘅發展。透過呢個新功能，開發者可以選擇唔同嘅贊助級別，同埋獲得相應嘅回饋。呢項更新受到咗社區嘅歡迎，因為佢簡化咗支持開源項目嘅過程。https://learn.microsoft.com/en-us/nuget/nuget-org/package-sponsorship-on-nuget-org
