ManageEngine ServiceDesk Plus

Back
Category : News

ManageEngine ServiceDesk Plus從根本上轉變了IT部門的工作模式，它為IT問題的處理提供超強的可視性和集中控制力，將IT服務管理從救火式的搶修模式升級為針對IT的隱患預防，避免組織機構業務經歷宕機等嚴重事故，提高整個IT團隊的生產效率，進度而改善最終用戶的滿意度。

16年來，ServiceDesk Plus已經幫助數以百萬計的IT人員、最終用戶和利害關係人提升和優化IT服務品質。

1月13日，少兒編程教培童程童美“暴雷”，湖南長沙萬境水岸校區門口站着多名學生和家長。不少家長紛紛表示，“1月12日還正常上課，1月13日早上突然收到消息說機搆停課，總公司負責人跑路了”。此舉引發了家長和員工的擔憂，認為公司可能涉嫌“圈錢跑路”，事件帶來的負面影響正在迅速擴散。

作為一家在行業內有着多年積澱、甚至成功在納斯達克上市的企業，卻一夜倒閉。這一事件凸顯了在經濟下行的環境下，教育行業所面臨的巨大壓力，尤其是那些依賴傳統線下模式和快速擴張的機搆，揭示了背後潛在的風險和不確定性。

童程童美：知名少兒編程教育機搆

作為中國知名的少兒編程教育機搆，童程童美在中國范圍內設有超過230個線下校區，遍及50多個城市，課程涵蓋創意啟蒙、人工智能編程、智能機器人編程和信息學奧賽編程等多個領域。而它的發展，與“達內教育”緊密相關。

達內教育/Tarena International Inc成立於2002年，最初專注於IT成人職業培訓。隨着中國互聯網產業的快速發展，IT人才需求急劇增加，達內通過“先就業、后分期付款”的模式迅速擴展。隨後，在2014年，達內教育 (TCTM) 在納斯達克成功上市。

在2023年底，達內集團將其成人職業教育業務的所有股權出售，專注於少兒編程教育，并於2024年1月正式將公司法定名稱“達內教育”更改為“童程童美少兒編程”/TCTM Kids IT Education Inc.。童程童美的課程內容包括創意啟蒙、人工智能編程、智能機器人編程和信息學奧賽編程，致力於培養科技創新型人才。

在這期間，公司經曆了領導層的多次變動。2020年4月，達內科技公司創始人韓少云辭去CEO一職，由獨立董事孫永吉接任。僅一年后，孫永吉因個人原因辭職，由孫瀅接任CEO并引領公司度過變革期。2024年11月，孫瀅調任國際業務總裁，唐曉瀾接任童程童美CEO。

根據公司官網信息顯示，2023年，童程童美的學員數量超過36000人，參與了12項中國內外科技創新挑戰活動，取得了顯著成績。其中，活動中的冠亞季軍及一二三等獎獲得者占比高達99%。此外，有1208名學員獲得了各類競賽的冠亞季軍獎項，并有4人獲得了由中國國家科學技朮獎勵工作辦公室批准設立的恩歐希教育信息化發明創新獎。

盡管童程童美在少兒編程教育領域取得了一定成就，但其財務狀況面臨壓力

根據財報，2023財年公司營收為13.75億元人民幣，同比下降1.76%；淨利潤為892.6萬元人民幣，同比下降89.31%。

此外，由於股價持續低迷，1月8日，童程童美宣布收到納斯達克關於最低股價要求的通知，意味着公司美國存托股票/ADS的收槃價已連續30個工作日低於每股1美元，觸及退市警告線。與此同時，關於童程童美的經營困境也逐漸浮出水面。

陷入經營困境：涉及金額超3600萬

早在去年的12月，童程童美的企業群內已經有老師透露，該培訓機搆已經拖欠工資，并且面臨無法繼續經營的困境。1月13日，前來上課的孩子們發現校區的大門緊閉，其他校區也紛紛處於鎖門狀態，疑似停業。

目前，相關人員多次嘗試聯系童程童美官方400電話，但均未接通。另一條招生熱線的接線員表示，該電話為與童程童美合作的第三方機搆，他們也接到大量家長電話，但同樣無法聯系到公司。

截至當天晚上11點，維權家長自發建立的文檔中，已有965名學生來自童程童美在長沙的14個校區，繳費總金額超過3600萬元，剩余金額約800萬元。該文檔中的人數和金額仍在增加。此外，除長沙外，杭州、成都、惠州等多個城市也傳出了童程童美關門停課的消息。

一位長沙家長提供的電子合同顯示，其為學員向長沙童程童美少兒編程科技有限公司分公司支付了30480元，獲得180節NOIP課程。“這是2023年11月交費的，可以從孩子六年級上到初二。”這位家長表示，沒想到課程才上了一半，機搆便出現了問題。

此外，多位家長反映，近期童程童美通過新年促銷活動銷售了多張“暢學卡”，每張卡需一次性支付48888元。家長們自發建立的維權文檔中，有不少家長登記了交費金額為48888元，且剩余金額仍為48888元。一位家長表示，“有個爸爸真的哭了，剛交了48888元，今天就發現機搆跑路了。”<

其實更早之前，部分家長已察覺到問題。一個月前，童程童美長沙富興校區的部分教師因不滿降薪公開討薪，家長們當時發現了異常，嘗試退款卻未能成功。一位家長提供的截圖顯示，1月13日上午10點半，童程童美的李老師在企業微信群中發言稱，“家長們，集團群凌晨突然解散了，公司可能有大變動。我們老師的工資和績效都沒有發放，只能大家一起維權！”目前，中國所有童程童美員工都在申請維權，所有系統權限已被關閉。”

在各大社交媒體上，網友們紛紛在童程童美相關推文和視頻下留言催款和要求退款。在微博上，童程童美的官方微博最新一篇博文發布於2024年11月26日，文章標題為“想當一名小發明家，在白名單大賽中拿獎拿到手軟嗎？這個寒假營滿足你”。在該文章的評論區，近期已有網友留言要求“還錢”，并有評論稱“太沒有人性了”。類似留言也出現在視頻號和小紅書等平台。

教育行業動蕩：經濟下行中的風險與不確定性

在當前經濟下行的環境中，教育行業正面臨着前所未有的挑戰。特別是那些依賴線下校區和持續擴展學員規模的教育機搆，隨着市場需求的波動，經營壓力日益加劇。童程童美的倒閉正是這一大趨勢的一個生動例證。

曾經被視為中國知名的少兒編程教育機搆，它的突然關門，讓許多家庭和投資者都感到震驚和不安。許多家長和員工原本寄希望於這種被廣泛認可的教育品牌能提供穩定的服務和保障，但如今卻發現自己的信任在短時間內被打破。

隨着線上教育的興起和技朮的發展，傳統的教育模式正在受到巨大的沖擊。童程童美作為一個線上線下結合的教育機搆，曾試圖通過多元化的課程和市場擴展來維持其市場地位。然而，財務壓力和持續創新的能力似乎并沒有跟上市場需求的變化。這也反映出許多教育機搆在經營過程中所面臨的一個共同難題：如何在激烈的市場競爭中找到可持續的盈利模式。

此外，教育行業的倒閉事件也對整個市場生態造成了深遠的負面影響

從廣泛的社會層面來看，教育行業的動蕩反映出經濟下行時期，消費者信心的普遍下降。教育行業作為與民生息息相關的行業，企業的倒閉不僅是對行業自身的一次打擊，也可能影響到社會的穩定。

童程童美的倒閉不僅是一個教育機搆的悲劇，也是一個警示信號，提醒着市場和消費者在選擇時要更加謹慎。在當前復雜多變的經濟環境中，企業的生存并不意味着穩定，即便是大企業也可能“一夜倒閉”。我們應該認識到，教育行業在經濟不景氣時面臨的挑戰不僅僅來自於市場需求的波動，還包括經營模式的滯后、財務管理的薄弱以及創新能力的不足。

童程童美的倒閉不僅是個別企業的失敗，更是對整個教育行業的警示。隨着經濟環境的變化，家長、企業以及政府都需要更加審慎地對待教育行業的未來，確保其在提供高質量教育服務的同時，能夠維持企業的可持續發展和穩定運營。

https://convomediagroup.com/blogs/convo-money/tarena-international-inc-shut-down-operation-overnight-in-china

中國無人機軍力：海陸空三軍的強大實力

近年來，中國在無人機（Unmanned Aerial Vehicle, UAV）技術的研發與應用上取得顯著進展，其軍用無人機在海、陸、空三軍中展現出強大的作戰能力。中國不僅在無人機數量上遠超許多國家，還在技術性能、作戰應用和成本效益上具有顯著優勢。以下將詳細探討中國人民解放軍（PLA）在海軍、陸軍和空軍中如何運用無人機，並分析其對區域與全球軍事格局的影響。

一、中國無人機軍力的總體優勢

根據公開資訊和專家分析，中國的無人機軍力具有以下幾個顯著特徵：

  1. 數量優勢：據X平台上的討論，中國軍用無人機數量估計為美軍的5至10倍，且成本僅為美軍的5%至10%。這種低成本、高產量的策略使中國能夠快速部署大量無人機，形成數量上的壓倒性優勢。
  2. 技術進步：中國無人機在偵察、攻擊、電子戰和跨域作戰等方面表現出色，部分型號的性能甚至超過美國和以色列的同類產品。中國通過自主研發和技術借鑒，打造了多款高性能無人機，如彩虹（CH）系列和翼龍（Wing Loong）系列。
  3. 多域整合：中國無人機不僅限於空中作戰，還涵蓋海上、陸地和跨介質（空海結合）任務，實現了海陸空三軍的協同作戰能力。這種多域整合能力使其在現代戰爭中更具靈活性。
  4. 出口與實戰驗證：中國無人機已出口至中東、非洲和亞洲多國，並在多場局部衝突中得到應用，例如埃及和阿聯酋使用翼龍無人機進行精準打擊。這些實戰經驗為中國無人機的改進提供了寶貴數據。

二、空軍：高性能無人機的領跑者

中國人民解放軍空軍（PLAAF）在無人機領域的發展尤為突出，其無人機型號涵蓋偵察、攻擊、電子戰等多種功能。以下是一些代表性無人機及其應用：

1. WZ-8 超音速無人機

  • 特點：WZ-8 是一款高空超音速無人機，專為戰略偵察設計，配備電光成像、合成孔徑雷達等先進傳感器。它由西安H-6M轟炸機空中發射，飛行高度可達25,000米，續航時間長達35小時。
  • 應用：WZ-8 主要用於監視東南亞地區，包括台灣、南韓和日本等地的軍事設施。專家認為，其反介入/區域拒止（A2/AD）能力使其成為威懾美國太平洋軍事基地的重要工具。
  • 部署：2023年，WZ-8 已部署在海南島的樂東空軍基地，針對南中國海進行持續監視。

2. GJ-11 隱形無人戰鬥機

  • 特點：GJ-11（攻擊-11）是一款隱形無人戰鬥機（UCAV），具有低可探測性，配備兩個武器艙，可攜帶小型精確制導炸彈或重型武器。
  • 應用：GJ-11 適用於滲透敵方防空系統、執行精準打擊任務，尤其在台海衝突場景中可作為先鋒力量，壓制敵方防空系統。
  • 展示：自2019年北京閱兵首次亮相後，GJ-11 在2021年珠海航展上進一步展示其武器搭載能力，凸顯中國在隱形無人機技術上的突破。

3. 彩虹-5（CH-5）

  • 特點：CH-5 是一款中高空長航時（MALE）無人機，與美國MQ-9收割者無人機性能相當，但成本更低。它可攜帶多種武器，包括空對地導彈和精確制導炸彈，續航時間長達60小時。
  • 應用：CH-5 廣泛用於情報、監視和偵察（ISR）任務，並具備對地攻擊能力。其低成本使其成為出口市場的熱門產品，深受中東和非洲國家青睞。

三、海軍：跨域無人機的創新應用

中國人民解放軍海軍（PLAN）在無人機應用上展現了創新性，特別是跨介質無人機和專用無人機航母的發展，使其在海上作戰中具備獨特優勢。

1. 飛翼（Feiyi）跨介質無人機

  • 特點：飛翼無人機是全球首款可由潛艇發射、能在水下和空中循環作戰的無人機。它採用可折疊機翼設計，具備隱蔽性和高生存力，能在惡劣海況下自主完成任務。
  • 應用：飛翼無人機可執行情報收集、反潛戰和精準打擊任務，尤其適用於台海或南中國海的複雜戰場環境。其跨域能力使中國海軍能夠突破敵方多層防禦，實現立體攻擊。
  • 優勢：與美國的Naviator無人機相比，飛翼無人機在水下機動性和自主性上更具優勢，降低了被探測的風險。

2. WZ-9 神鷹無人機

  • 特點：WZ-9 是一款高空長航時（HALE）無人機，配備大型側視雷達（SLAR），可進行地面和空中目標追蹤，並生成高質量合成孔徑雷達（SAR）圖像。其翼展達147英尺，續航能力極強。
  • 應用：WZ-9 部署在海南島樂東空軍基地，主要用於南中國海的廣域監視，追蹤美國及其盟友的艦艇和飛機動態。其雷達覆蓋範圍達500公里，為海軍提供實時戰場態勢感知。
  • 戰略意義：WZ-9 的部署增強了中國在南中國海的情報收集能力，對美國隱形戰機和航母戰鬥群構成挑戰。

3. 無人機航母

  • 特點：中國正在江蘇大洋造船廠建造一艘專用無人機航母，採用雙體船設計，可搭載固定翼無人機進行海上起降。
  • 應用：這艘無人機航母將支援海軍的遠洋作戰，執行偵察、打擊和電子戰任務。其靈活性使其成為中國海軍藍水作戰的重要組成部分。
  • 創新性：相較於傳統航母，無人機航母的運營成本更低，且能快速適應多種任務需求，顯示出中國在海軍無人化作戰上的前瞻性思維。

四、陸軍：戰術無人機的靈活運用

中國人民解放軍陸軍（PLAGF）在戰術無人機的應用上同樣表現出色，特別是在邊境監視、火力支援和後勤運輸等領域。

1. 銳爪（Sharp Claw）系列無人地面車輛（UGV）

  • 特點：銳爪I是一款輕型無人地面車輛，重量僅120公斤，配備7.62毫米機槍，作戰半徑1公里。銳爪II則為更大平台，可搭載銳爪I，增強機動性。
  • 應用：銳爪系列用於邊境巡邏、火力支援、排雷和搜救任務，特別在喜馬拉雅山脈等高海拔地區表現出色。其民用技術整合降低了研發成本，提高了部署效率。
  • 優勢：銳爪無人車的模塊化設計使其能快速適應不同任務需求，增強了陸軍在複雜地形中的作戰能力。

2. 小型戰術無人機

  • 特點：中國陸軍廣泛使用商業化的小型無人機，如DJI的消費級產品，進行戰場偵察、炮兵觀測和狙擊支援。
  • 應用：在邊境衝突（如中印邊境爭端）中，這些無人機用於實時監視敵方動態、評估戰損和協調火力打擊。其低成本和易用性使其成為基層部隊的標配。
  • 靈活性：小型無人機的快速部署能力使陸軍能夠在短時間內獲得戰場情報，顯著提升戰術響應速度。

五、中國無人機軍力的戰略影響

中國無人機軍力的快速發展對區域和全球軍事格局產生了深遠影響：

  1. 台海局勢：無人機在台海衝突中的潛在作用不容忽視。專家預測，中國可能使用無人機群進行飽和攻擊，壓制台灣的防空系統，為後續登陸作戰創造條件。WZ-10和翼龍II無人機已多次在台灣周邊空域出現，顯示其威懾意圖。
  2. 南中國海爭端：WZ-9和飛翼無人機的部署增強了中國在南中國海的監視和打擊能力，對美國及其盟友的自由航行行動構成挑戰。無人機航母的出現進一步提升了中國海軍的遠洋作戰能力。
  3. 全球軍備競賽：中國的無人機出口和低成本策略促使其他國家加速發展無人機技術，推動了全球軍用無人機市場的擴張。同時，美國等國也加大了對無人機群技術的投入，以應對中國的挑戰。
  4. 灰色地帶作戰：中國利用無人機進行低強度衝突和灰色地帶作戰（如在東海和越南近海的偵察飛行），既避免了直接軍事對抗，又有效展示了軍事力量。

六、挑戰與未來展望

儘管中國無人機軍力發展迅猛，但仍面臨一些挑戰：

  • 技術依賴：部分無人機技術被指借鑒美國和以色列設計，可能在自主創新和關鍵部件（如引擎和傳感器）上存在短板。
  • 國際規範：隨著無人機在全球範圍內的擴散，國際社會對其使用的法律和倫理問題日益關注。中國無人機的出口政策可能引發爭議，尤其在人權和國際法方面。
  • 對抗環境：在高強度戰爭中，無人機可能面臨敵方電子戰和反無人機系統的威脅，中國需要進一步提升無人機的抗干擾能力和自主性。

展望未來，中國無人機軍力將繼續向智能化、集群化和多域化方向發展。隨著人工智能和5G技術的應用，無人機群的協同作戰能力將顯著增強，可能改變未來戰爭的形態。同時，中國可能進一步擴大無人機在非戰爭場景中的應用，如災害救援和環境監測，實現軍民融合的雙重效益。

結論

中國在海、陸、空三軍中的無人機應用展現了其軍事現代化的雄心與實力。從WZ-8的高空偵察到飛翼的跨域作戰，再到銳爪的戰術支援，中國無人機軍力已成為其軍事戰略的重要支柱。雖然面臨技術和國際環境的挑戰，但中國憑藉數量優勢、成本效益和創新能力，正在重塑全球軍事格局。未來，隨著技術的不斷突破，中國無人機軍力將在區域和全球舞台上發揮更大作用。

Trae IDE 是由字節跳動推出的一款 AI 原生集成開發環境（IDE），於 2025 年 1 月首次發布，國內版於 2025 年 3 月 3 日上線，被譽為中國首款 AI 原生 IDE。它專為中文開發者打造，深度整合 AI 技術，旨在提升編程效率、降低開發門檻，並提供流暢的本土化體驗。以下是對 Trae IDE 的全面介紹：

一、Trae IDE 概述

Trae IDE 是一款以「人機協同」為核心理念的智能編程工具，通過內置先進的 AI 模型（如國際版的 Claude 3.5 Sonnet、GPT-4o，以及國內版的 DeepSeek R1、V3 和豆包 1.5 Pro），實現從代碼補全、生成到項目構建的全流程自動化。它不僅是一個代碼編輯器，更像是一位「AI 工程師」，能理解開發者意圖，協助完成複雜的編程任務。Trae 對標國際知名 AI IDE 工具如 Cursor 和 Windsurf，尤其在中文支持和本地化體驗上具有顯著優勢。

核心特點：

  • 完全免費：無需訂閱或支付 API 費用，提供無限次使用的高質量 AI 模型。
  • 中文友好：全中文化界面、代碼註釋和自然語言輸入，降低語言障礙。
  • 多模態交互：支持文字、語音和圖像輸入，例如上傳設計圖生成前端代碼。
  • 跨平台支持：目前支持 MacOS，Windows 版已於 2025 年 2 月發布，Linux 版也在開發中。
  • 插件生態：兼容 VS Code 插件，並支持從 VS Code 或 Cursor 導入設置。

二、主要功能

Trae IDE 提供多種強大功能，適用於從初學者到專業開發者的不同需求：

  1. 自然語言生成代碼
  • 開發者可以用中文描述需求，例如「生成一個帶登錄功能的網頁」或「用 Python 寫一個數據分析腳本」，Trae 會自動生成完整的代碼框架或片段。
  • 支持跨文件和項目級代碼生成，減少重複性工作。
  1. 智能代碼補全與優化
  • 基於上下文的實時代碼建議，能預測函數參數、變數名稱甚至整段代碼。
  • 自動檢測性能瓶頸並提供優化建議，提升代碼質量。
  1. Builder 模式
  • 從零開始構建完整項目，只需輸入簡單需求（如「生成一個 To-Do 應用」），Trae 會自動生成前端、後端、數據庫設計等代碼。
  • 支持多輪迭代優化，自動拆解需求並完成開發任務，特別適合快速原型開發。
  1. Chat 模式
  • 提供 AI 問答助手，可解答編程問題、講解代碼邏輯、修復 Bug 或生成代碼片段。
  • 支持上下文引用，開發者可指定代碼塊、文件或整個項目作為對話背景。
  1. Webview 功能
  • 內置 Web 頁面預覽，方便前端開發者在 IDE 內直接調試和預覽網頁效果。
  1. 圖像轉代碼
  • 上傳設計草圖或 UI 稿，Trae 可自動生成對應的 HTML、CSS 或其他前端代碼，提升設計與開發協作效率。
  1. 版本控制與團隊協作
  • 內置 Git 集成，支持代碼版本管理。
  • 提供中文代碼註釋和代碼審查功能，方便團隊維護和協作。

三、技術優勢

Trae 的成功得益於其先進的技術架構和本地化設計：

  • AI 模型支持：
  • 國際版：集成 Claude 3.5 Sonnet 和 GPT-4o，提供高質量代碼生成。
  • 國內版：搭載 DeepSeek R1、V3 和豆包 1.5 Pro，針對國內網絡環境優化，響應速度快且穩定。
  • 未來計劃支持模型自定義，允許用戶接入其他大模型。
  • 基於 Electron 框架：
  • 改造自 Visual Studio Code 核心，保留其插件生態，同時引入 JetBrains Fleet 風格的現代化界面。
  • 三欄式分割畫面（AI 對話、文件樹、編輯窗口），提升單窗口操作效率。
  • 多模態交互：
  • 支持語音指令、自然語言輸入和圖像分析，讓編程像聊天一樣直觀。
  • 例如，說「添加一個登錄功能」或上傳 UI 設計圖，Trae 會自動執行相關操作。
  • 上下文理解：
  • 能深入分析代碼庫上下文，提供精準的代碼建議和 Bug 修復方案。
  • 支持引用外部文檔或網頁內容作為上下文（v1.3.0 新增功能）。
  • MCP 支持（v1.3.0 更新）：
  • 引入「智能體」功能，通過提示詞調用多個模型完成複雜任務，例如自動化項目配置或多模塊開發。

四、應用場景

Trae IDE 適用於多種開發場景，滿足不同用戶需求：

  • 初學者：通過自然語言生成代碼和自動化項目構建，降低學習門檻，即使零基礎也能快速開發應用。
  • 專業開發者：智能代碼補全、Bug 修復和性能優化提升編程效率，特別適合全棧開發和快速迭代。
  • 團隊協作：中文註釋和代碼審查功能簡化代碼維護，Webview 功能加速前端調試。
  • 設計師：上傳設計圖生成前端代碼，實現設計到開發的無縫銜接。
  • 教育與培訓：提供範例代碼和中文教程，適合編程教學和競賽備賽。

五、與競品對比

Trae IDE 直接對標 Cursor 和 Windsurf，以下是與主要競品的對比：

功能TraeCursorWindsurf
中文支持原生全中文化界面、註釋、輸入有限，需切換語言英文為主，中文支持不足
AI 模型DeepSeek R1/V3、豆包（國內版）；Claude 3.5、GPT-4o（國際版）Claude 3.5、GPT-4o（需訂閱）依賴外部模型，需額外配置
價格完全免費高級功能需付費（約 20 美元/月）部分功能免費，進階功能需訂閱
Builder 模式支持端到端項目生成，自動化程度高項目生成能力有限無完整項目生成功能
多模態輸入支持圖像、語音、自然語言僅支持文字輸入僅支持文字輸入
插件生態兼容 VS Code 插件，易於遷移獨立插件生態，需重新配置插件支持有限
本地化體驗針對國內網絡和開發習慣優化網絡延遲問題，需代理無本地化優化

優勢：

  • Trae 在中文支持、本地化體驗和免費策略上領先，特別適合國內開發者。
  • Builder 模式和多模態交互提供更高的自動化程度和靈活性。

不足：

  • 國內版模型（DeepSeek、豆包）在複雜場景下的代碼生成能力略遜於國際版的 Claude 3.5 和 GPT-4o。
  • Builder 模式生成的項目偶爾存在 Bug，需多次調整。

六、安裝與使用

  1. 下載：
  • 國內版：訪問 www.trae.com.cn 下載。
  • 國際版：訪問 www.trae.ai 下載（國內用戶可能需代理）。
  • 支持 MacOS 和 Windows，安裝包提供暗色/亮色/深藍主題選擇。
  1. 配置：
  • 使用 GitHub 或 Google 賬號登錄，同步設置。
  • 支持從 VS Code 或 Cursor 導入插件、快捷鍵和主題，降低上手難度。
  • 可自定義字體、顏色主題和快捷鍵（如 Cmd + U 調用 AI 對話）。
  1. 使用流程：
  • 新手：使用 Builder 模式，輸入需求後無腦接受 AI 生成的代碼。
  • 專業開發者：使用 Chat 模式與 AI 對話，進行代碼優化或 Bug 修復。
  • 前端開發：利用 Webview 預覽頁面，結合圖像轉代碼功能加速開發。

七、國內版與國際版區別

  • 模型：
  • 國內版：DeepSeek R1/V3、豆包 1.5 Pro，適合國內網絡環境，訪問穩定。
  • 國際版：Claude 3.5 Sonnet、GPT-4o，代碼生成質量更高，但國內訪問可能需代理。
  • 網站：
  • 國內版：www.trae.com.cn，全中文界面。
  • 國際版：www.trae.ai，英文和中文雙語支持。
  • 功能：兩者功能一致，國內版更注重本地化體驗和中文開發場景優化。

八、用戶反饋與未來展望

根據網絡和 X 平台上的反饋，Trae 國內版因其免費策略和中文友好特性受到廣泛好評：

  • 正面反饋：界面流暢、AI 響應快速、Builder 模式大幅縮短項目開發時間。
  • 不足之處：部分用戶反映 Builder 模式生成的代碼偶有 Bug，需手動調整；國內版模型能力與國際版相比略有差距。
  • X 平台評論：用戶稱 Trae 為「中文版 Cursor」，免費使用 Claude 3.5 和 GPT-4o 的策略吸引大量關注，但也有人擔心未來是否會轉為收費模式。

未來計劃：

  • 支持更多操作系統（如 Linux）。
  • 引入模型自定義功能，允許用戶接入其他大模型。
  • 持續優化 Builder 模式，減少生成代碼的 Bug。
  • 擴展智能體功能（MCP），支持更複雜的自動化任務。

九、總結

Trae IDE 作為中國首款 AI 原生 IDE，憑藉免費使用、全中文化界面和強大的 AI 功能，正在重塑國內開發者的編程體驗。它不僅降低了編程門檻，讓零基礎用戶也能快速實現創意，還通過智能代碼補全和項目生成提升專業開發者的效率。雖然在複雜場景下與 Cursor 等國際工具相比仍有差距，但其本地化優勢和免費策略使其成為國內開發者的首選。

建議：

  • 初學者：從 Builder 模式開始，體驗 AI 自動化開發的便捷。
  • 專業開發者：結合 Chat 模式和 Webview 功能，優化編程流程。
  • 團隊：利用中文註釋和代碼審查功能，提升協作效率。

立即訪問 www.trae.com.cn 下載 Trae 國內版，探索 AI 驅動的編程未來！

量子運算是一個快速發展的領域，旨在解決人類在21 世紀面臨的一些最具挑戰性的問題。

IBM 估計，一個複雜問題用普通超級電腦可能需要一週時間才能解決，而量子電腦只需1 秒。

雖然該產業仍相對較新，2022 年市場規模約為136.7 億美元，但預計到2040 年將成長至1,730 億美元。

亞馬遜、IBM 和微軟等產業巨頭越來越關注量子運算，將其視為解決最複雜商業難題的潛在方案。事實上，亞馬遜甚至擁有自己的亞馬遜量子解決方案實驗室。

以下是我們列出的全球最令人興奮且創新的量子運算新創公司。

1. Qiskit

5 年搜尋熱度成長：840%

搜尋熱度增長狀態：爆發式成長

成立年份：2017 年

地點：紐約州阿蒙克

融資情形：未揭露

商業內容：Qiskit 是一個開源平台，旨在讓研究人員、開發人員和企業更容易接觸到量子運算。它提供用於程式設計和模擬量子電腦的軟體工具與函式庫，還能透過IBM 的雲端基礎設施存取真實的量子設備。 Qiskit 已在化學、金融和優化等多個領域中得到應用。

2. Q – Ctrl

5 年搜尋熱度成長：5500%

搜尋熱度增長狀態：常規增長

成立年份：2017 年

地點：澳洲海伊馬克特

融資情況：7,080 萬美元（B 輪融資）

業務內容：聽過「淘金熱時賣鏟子是最穩健的賺錢方式」 這句話嗎？ Q – Ctrl 遵循此策略，專注於為新興且快速發展的量子產業提供工具，而非直接從事演算法或軟體開發。透過解決硬體錯誤、不穩定性和噪音問題，Q – Ctrl 相信諸如用於航空航天的量子感測以及減少醫學研究中的誤差等前沿應用指日可待。

3. PASQAL

5 年搜尋熱度成長：729%

搜尋熱度增長狀態：常規增長

成立年份：2019 年

地點：法國帕賴索

融資狀況：1.346 億美元（補助金）

業務內容：PASQAL 專門製造世界上最先進的量子電腦所需的量子處理器。該公司最初是一群在法國著名研究型大學—— 光學研究所工作的研究人員，該研究所是一個以冷原子物理研究而聞名的團隊的一部分。他們的團隊由25 名精英量子工程師組成，是首批獲得法國新國防創新基金投資的公司之一，該基金由法國武裝部隊部贊助。

4. Multiverse Computing

5 年搜尋熱度成長：3100%

搜尋熱度增長狀態：常規增長

成立年份：2019 年

地點：西班牙聖塞瓦斯蒂安

融資情況：5,470 萬美元（A 輪融資）

商業內容：幾乎所有人都認同傳統金融（TradFi）極具變革潛能。 Multiverse 將目光投向運用量子計算的力量來革新該行業。他們的核心產品Singularity 以軟體即服務（SaaS）的形式產生受量子啟發的演算法，並配有軟體開發工具包（SDK）/ 工具包，便於在微軟Excel 等常見應用中使用和實作。 Multiverse 得到了麥肯錫和波士頓顧問集團等公司的關注，已與亞馬遜、微軟以及我們榜單上的其他幾家新創公司（如Rigetti、IonQ 和Pasqal）建立了合作關係。 2024 年3 月，這家新創公司透過A 輪融資籌集了2,700 萬美元，使其總估值達到1.08 億美元。

5. Quantum Machines

5 年搜尋熱度成長：171%

搜尋熱度增長狀態：常規增長

成立年份：2018 年

地點：以色列特拉維夫

融資狀況：9,300 萬美元（B 輪融資）

業務內容：量子運算的核心問題之一是協調硬體與軟體之間的相互作用，以實現最高的運算效能。 Quantum Machines 意識到了這一點，並開發了他們所謂的量子編排平台。其秘訣在於專為量子運算設計的Operator – X 設備，該設備為大型量子處理器提供動力。 Quantum Machines 被《快公司》評為歐洲、非洲和亞洲最具創新性的10 家公司之一。他們用於程式設計量子電腦的通用語言被視為將量子運算推向主流的最佳嘗試之一。

6. Diraq

5 年搜尋熱度成長：5150%

搜尋熱度增長狀態：常規增長

成立年份：2022 年

地點：澳洲悉尼

融資狀況：4,610 萬美元（A 輪融資）

業務內容：Diraq 設計並製造量子運算和半導體處理器。他們基於矽量子點和互補金屬氧化物半導體（CMOS）技術來製造晶片。最近，在2024 年6 月，這家新創公司獲得了1,000 萬美元的A 輪融資，以擴大其在創建首台完全糾錯量子電腦方面的開發工作。

7. Universal Quantum

5 年搜尋熱度成長：65%

搜尋熱度增長狀態：常規增長

成立年份：2018 年

地點：英國布萊頓

融資情況：1,490 萬美元（種子輪融資）

商業內容：總部位於英國的Universal Quantum 的願景很簡單：打造一台擁有一百萬個量子位元的量子計算機，能夠解決當今最先進的超級電腦需要數十億年才能解決的問題。與許多其他量子新創公司不同，Universal 專注於微波技術。 Universal Quantum 得到了包括由比爾・蓋茨、馬克・扎克伯格和傑夫・貝索斯支持的Village Global 在內的一眾令人矚目的投資者的支持。

8. Zapata Computing

5 年搜尋熱度成長：75%

搜尋熱度增長狀態：已達峰值

成立年份：2017 年

地點：麻薩諸塞州波士頓

融資情況：8,210 萬美元（上市後股權融資）

業務內容：使用量子運算進行軟體開發是一項具有挑戰性的複雜任務，需要在開發領域相對稀缺的專業知識。 Zapata 是開發具有實際應用案例的量子軟體的市場領導者之一，其應用涵蓋製藥、工程、金融等多個領域。 2017 年從哈佛大學剝離後，該團隊目前由36 名量子工程師和科學家組成，在量子運算領域有超過494 篇同儕審查出版物。 2024 年3 月，Zapata 宣布與Andretti Acquisition Corp. 合併，後者是一家特殊目的收購公司（SPAC），使該公司能夠在納斯達克證券交易所（ZPTA）公開交易。

9. Riverlane

5 年搜尋熱度成長：23%

搜尋熱度增長狀態：常規增長

成立年份：2017 年

地點：英國劍橋

融資狀況：4,570 萬美元（補助金）

業務內容：眾所周知，像Windows 或Mac OS 這樣的作業系統為人類每天在電腦上完成的無數任務提供支援。但量子運算的作業系統呢？這就是Riverlane 的切入點。他們專有的Deltaflow.OS 在技術堆疊的合適層面為量子操作提供支持，大幅提高性能。該公司得到劍橋大學和領先創投基金的支持，將目標設定在醫學及其他領域的商業應用上。最近在2024 年5 月，這家新創公司獲得了Horizo​​n Europe補助。

10. Rigetti Computing

5 年搜尋熱度成長：223%

搜尋熱度增長狀態：爆發式成長

成立年份：2013 年

地點：加州伯克利

融資狀況：2.985 億美元（補助）

業務內容：Rigetti Computing 使用超導量子位元技術開發量子處理器。除了晶片開發，該公司還運營Forest，這是一個雲端運算平台，開發人員可以在上面存取量子處理器並編寫新的量子演算法。據該新創公司網站稱，他們已與NASA 和MIT 等知名機構合作。

11. Inleqtion（前身為ColdQuanta）

5 年搜尋熱度成長：2588%

搜尋熱度增長狀態：已達峰值

成立年份：2007 年

地點：科羅拉多州路易斯維爾

融資狀況：1.957 億美元（補助）

業務內容：Inleqtion 的業務專注於基於2000 年諾貝爾獲獎研究的冷原子領域，該研究涉及能減緩或停止原子運動的雷射。冷原子隨後可被操縱成量子物質，其應用範圍從遙測、原子鐘到更複雜的系統。 2022 年12 月，ColdQuanta 更名為Inleqtion，以強調其對建構量子技術和商業產品的專注。他們目前的產品系列是基於銷售量子實驗室設備，設計圍繞著更複雜的產品，如量子射頻接收器、定位系統等。 Inleqtion 的歷史可追溯到14 年前，其資金來源包括比利時政府、NASA 和英國政府。

12. Strangeworks

5 年搜尋熱度成長：67%

搜尋熱度增長狀態：常規增長

成立年份：2018 年

地點：德州奧斯汀

融資狀況：2,800 萬美元（A 輪融資）

業務內容：在過去十年中，簡單易用的連接平台佔據了主導地位。 Airbnb、Uber、亞馬遜等平台將普通人與通常需要大量物流支援的複雜服務連結起來。 Strangeworks 基於一個用戶友好的平台開展業務，該平台在不涉及底層複雜性的情況下提供量子運算的能力。目前全球有超過100 名開發人員使用Strangeworks，迄今已創建了超過6800 個量子專案。

13. Atom Computing

5 年搜尋熱度成長：112%

搜尋熱度增長狀態：已達峰值

成立年份：2018 年

地點：加州伯克利

融資狀況：8,100 萬美元（補助金）

業務內容：Atom Computing 是一家位於加州伯克利的量子計算新創公司。該公司旨在開發基於中性原子的可擴展、常溫量子電腦並將其商業化。他們的技術基於使用單一中性原子作為量子位元，這使得相干時間長且錯誤率低。霍尼韋爾在2021 年6 月初宣布，他們將把自己的量子部門與劍橋量子公司合併，打造出世界上最強大的量子團隊之一。

14. Quandela

5 年搜尋熱度成長：3948%

搜尋熱度增長狀態：已達峰值

成立年份：2013 年

地點：法國馬爾庫西

融資狀況：7,340 萬美元（B 輪融資）

業務內容：Quandela 是一家法國量子技術公司，提供一系列基於單光子技術的整合式量子解決方案。該公司專注於開發先進產品，如光子源、探測器和量子處理器，以及為工業和科學應用量身定制的量子計算系統。 Quandela 的技術在電信、感測和量子運算等領域有應用。

15. PsiQuantum

5 年搜尋熱度成長：41%

搜尋熱度增長狀態：常規增長

成立年份：2016 年

地點：加州帕洛阿爾托

融資狀況：13 億美元（補助）

商業內容：PsiQuantum 是一家成立於2016 年的量子運算公司，總部位於加州帕洛阿爾托。該公司旨在打造一台擁有一百萬個量子位元的量子計算機，他們認為這將推動密碼學、化學和材料科學等領域新應用的開發。 PsiQuantum 已籌集超過13 億美元資金，並與微軟、NVIDIA和GlobalFoundries等大公司建立了合作關係。

結論

量子計算將前沿技術與物理和材料科學結合，必將持續發展。我們榜單上的這些新創公司在這個革命性領域已經搶佔了先機。

量子計算最有趣的一個方面在於其真正的國際化視野。我們列出的新創公司遍布全球，為解決地球上一些最複雜的難題帶來了不同的思維方式和解決方法。

我們相信，這些新創公司中至少有幾家會在從醫學到金融等各個領域改變遊戲規則。

https://baijiahao.baidu.com/s?id=1823455448371491427&wfr=spider&for=pc

伯克利實驗室孕育出OpenAI、Perplexity等12家頂尖AI公司創始人，估值總和超千億美元，印證了Abbeel的驕傲：“學生們曾在實驗室度過美好時光，如今正以PPO算法、機器人基礎模型、蛋白質進化模型等顛覆性創新，重塑智能時代的邊界。”

一間大學實驗室 ，能走出多少個知名 AI 新創公司的創辦人？
強化學習大牛、UC 柏克萊教授 Pieter Abbeel 淺淺統計了一番：我帶過的學生裡，也就 12 個吧。
這些公司的名氣都不小：OpenAI、Perplexity、Physical Intelligence、Inception AI、Reflection… 相信你都聽過。
剛剛，Pieter Abbeel 用一句話和一張配圖，低調宣傳了一下讓他驕傲的學生們：「那些獲得博士學位或從事博士後研究的創始人，曾在伯克利實驗室渡過一段美好的時光，現在他們開始了他們的創業之路。」

https://baijiahao.baidu.com/s?id=1826534637513928752&wfr=spider&for=pc

香港大學生IT兼職工資面臨崩盤 失業率飆升加劇困境

【香港編程學會，2025年3月17日】近年來，香港經濟環境持續惡化，失業率節節攀升，對各行各業造成深遠影響，其中大學生從事的IT兼職工作首當其衝。據最新數據顯示，香港失業率已逼近近年高位，IT行業的兼職工資出現明顯下滑趨勢，令不少依賴兼職收入的香港大學生陷入經濟困境。

失業率惡化 IT兼職市場萎縮

根據政府統計處2024年7月發表的數字，2024年4月至6月的經季節性調整失業率已達3.0%，而業界人士預計，隨著全球經濟放緩及本地企業縮減開支，2025年的失業率可能進一步惡化。IT行業雖然曾被視為「抗逆能力強」的領域，但隨著初創企業資金鏈斷裂及大型公司裁員，市場對兼職IT人力的需求急劇下降。大學生以往常見的IT兼職崗位，如網頁維護、程式測試及數據輸入等工作機會大幅減少，連帶工資水平也隨之下滑。

一位就讀城市大學計算機科學系三年級的學生陳同學（化名）表示：「以前做IT兼職每小時至少有80至100港元，現在很多公司只願意出30至50元，甚至更低。有些同學甚至找不到兼職，只能靠家裡支持。」他補充說，競爭加劇是主因之一，「因為失業率上升，不少全職IT從業員轉而搶兼職工作，我們這些學生根本競爭不過。」

工資崩盤背後：供過於求與經濟壓力

IT兼職工資的崩盤並非單一因素所致。專家指出，香港近年大學畢業生人數持續增加，但經濟增長放緩，無法創造足夠就業機會，形成明顯的供過於求局面。此外，企業為降低成本，傾向將IT項目外包至內地或其他地區，令本地兼職市場進一步萎縮。香港資訊科技商會一位代表表示：「很多公司現在只願意聘請經驗豐富的全職員工，兼職職位被視為『可有可無』，這對大學生來說是雙重打擊。」

與此同時，生活成本高企令大學生壓力倍增。根據一項由本地青年團體進行的調查，近六成受訪大學生表示，兼職收入下降直接影響其支付學費及生活開支的能力。有學生坦言：「IT兼職工資下跌後，我連租金都快付不起，只能減少課外活動，甚至考慮休學。」

政府回應與前景展望

面對失業率上升及兼職市場崩盤的危機，政府曾推出多項青年就業支援計劃，如「大灣區青年就業計劃」，鼓勵畢業生前往內地發展。然而，對於仍在學的大學生而言，這些計劃的幫助有限。有學者建議，政府應加大對本地IT行業的扶持力度，例如通過補貼鼓勵企業聘用兼職學生，或提供更多實習機會，以緩解當前困境。

然而，在經濟復甦不明朗的情況下，專家對短期內IT兼職市場的前景並不樂觀。一位經濟學者分析：「香港失業率若持續惡化，兼職工資可能進一步被壓低，大學生需要調整期望，或尋找其他出路。」

什麼是 MCP

Model Context Protocol (MCP) 是一個開放協議，它使 LLM 應用與外部資料來源和工具之間的無縫整合成為可能。無論你是建立 AI 驅動的 IDE、改善 chat 交互，還是建立自訂的 AI 工作流程，MCP 提供了一種標準化的方式，將 LLM 與它們所需的上下文連接起來。

目前，MCP 已經累積了足夠的臨界規模和動能，因此它被視為 2023-2025 年「代理開放標準」之爭的潛在贏家。有人預計，以目前的速度，MCP 將在 7 月超OpenAPI：

MCP 如何運作

通用架構

MCP 的核心是一個 client-server 架構，host 應用程式可以連接到多個伺服器：

  • MCP Hosts: 像 Claude Desktop、IDEs 或 AI 工具這樣的程序，它們希望透過 MCP 存取資源
  • MCP Clients: 維護與伺服器 1:1 連線的協定用戶端
  • MCP Servers: 輕量級程序，透過標準化的 Model Context Protocol 暴露特定功能
  • Local Resources: 你的電腦資源（資料庫、檔案、服務），MCP 伺服器可以安全地存取這些資源
  • Remote Resources: 透過網際網路可用的資源（例如，透過 APIs），MCP 伺服器可以連接到這些資源

MCP 用戶端

MCP客戶端是模型上下文協定(MCP)架構中的核心元件，負責建立和管理與MCP伺服器的連線。它實現了協定的客戶端部分，處理以下功能：

  • 協議版本協商以確保與伺服器的兼容性
  • 能力協商以確定可用功能
  • 訊息傳輸和JSON-RPC通信
  • 工具發現與執行
  • 資源存取和管理
  • 提示系統交互
  • 選用功能如根目錄管理和取樣支持

MCP client 的工作流程如下：

  • MCP client 首先從 MCP server 取得可用的工具清單。
  • 將使用者的查詢連同工具描述透過 function calling 一起傳送給 LLM。
  • LLM 決定是否需要使用工具以及使用哪些工具。
  • 如果需要使用工具，MCP client 會透過 MCP server 執行對應的工具呼叫。
  • 工具呼叫的結果會被傳回 LLM。
  • LLM 基於所有資訊產生自然語言回應。
  • 最後將回應展示給用戶。

MCP 服務端

MCP伺服器是模型上下文協定(MCP)架構中的基礎元件，為客戶端提供工具、資源和功能。它實現了協定的伺服器端，負責：

  • 暴露客戶端可以發現和執行的工具
  • 管理基於URI的資源存取模式
  • 提供提示範本並處理提示請求
  • 支援與客戶端的能力協商
  • 實作伺服器端協定操作
  • 管理並發客戶端連接
  • 提供結構化日誌和通知

連結生命週期

1.初始化

  • Client 發送包含協定版本和能力的 initialize 請求
  • Server 以其協定版本和能力回應
  • Client 發送 initialized 通知作為確認
  • 開始正常訊息交換

2. 訊息交換

初始化後，支援以下模式：

  • 請求-回應：客戶端或伺服器發送請求，另一方回應
  • 通知：任一方發送單向訊息

3. 終止

任一方可以終止連線：

  • 透過 close() 進行乾淨關閉
  • 傳輸斷開
  • 錯誤條件

快速入門

SQLite 實作一個集中範例

  • Claude Desktop 作為我們的 MCP 用戶端
  • 一個 SQLite MCP 伺服器提供安全的資料庫訪問
  • 你的本地 SQLite 資料庫儲存實際數據

SQLite MCP 伺服器和你的本機 SQLite 資料庫之間的通訊完全發生在你的機器上 — 你的 SQLite 資料庫不會暴露在網際網路上。 Model Context Protocol 確保 Claude Desktop 只能透過定義良好的介面執行核准的資料庫作。這為你提供了一種安全的方式，讓 Claude 分析和互動你的本地數據，同時完全控制它可以存取的內容。

Example要安裝之軟件:

  • macOS 或 Windows
  • 安裝最新版本的 Claude Desktop
  • UV 0.4.18 或更高版本（ 檢查）uv –version
  • Git（ 檢查）git –version
  • SQLite（ 檢查）sqlite3 –version
# 使用 winget
winget install --id=astral-sh.uv -e
winget install git.git sqlite.sqlite

# 或直接下载：
# uv: https://docs.astral.sh/uv/
# Git: https://git-scm.com
# SQLite: https://www.sqlite.org/download.html

建立一個簡單Windows的 SQLite 資料庫進行測試：

# 创建一个新的 SQLite 数据库
$sql = @'
CREATE TABLE products (
  id INTEGER PRIMARY KEY,
  name TEXT,
  price REAL
);

INSERT INTO products (name, price) VALUES
  ('Widget', 19.99),
  ('Gadget', 29.99),
  ('Gizmo', 39.99),
  ('Smart Watch', 199.99),
  ('Wireless Earbuds', 89.99),
  ('Portable Charger', 24.99),
  ('Bluetooth Speaker', 79.99),
  ('Phone Stand', 15.99),
  ('Laptop Sleeve', 34.99),
  ('Mini Drone', 299.99),
  ('LED Desk Lamp', 45.99),
  ('Keyboard', 129.99),
  ('Mouse Pad', 12.99),
  ('USB Hub', 49.99),
  ('Webcam', 69.99),
  ('Screen Protector', 9.99),
  ('Travel Adapter', 27.99),
  ('Gaming Headset', 159.99),
  ('Fitness Tracker', 119.99),
  ('Portable SSD', 179.99);
'@

cd ~
&amp; sqlite3 test.db $sql

配置 Claude Desktop：

在文字編輯器中開啟 中的 Claude Desktop 應用程式配置。 %APPDATA%\Claude\claude_desktop_config.json

新增以下配置（將 YOUR_USERNAME 替換為您的實際使用者名稱）：

{
  "mcpServers": {
    "sqlite": {
      "command": "uvx",
      "args": [
        "mcp-server-sqlite",
        "--db-path",
        "C:\\Users\\YOUR_USERNAME\\test.db"
      ]
    }
  }
}

這告訴 Claude Desktop：

  • 有一個名為 “sqlite” 的 MCP 伺服器
  • 透過運行 啟動它uvx mcp-server-sqlite
  • 將其連接到你的測試資料庫
  • 儲存文件，並重新啟動 Claude Desktop。

3. 測試

問題：

你能連接到我的 SQLite 資料庫並告訴我有哪些產品及其價格嗎？

Claude Desktop 將會：

  • 連接到 SQLite MCP 伺服器
  • 查詢你的本地資料庫
  • 格式化並展示結果

原理解析

背後發生了什麼事？

當你使用 MCP 與 Claude Desktop 互動時：

  1. 伺服器發現：Claude Desktop 在啟動時連接到你設定的 MCP 伺服器
  2. 協議握手：當你詢問數據時，Claude Desktop：
    • 確定哪個 MCP 伺服器可以提供幫助（在本例中是 sqlite）
    • 透過協議協商能力
    • 從 MCP 伺服器請求資料或作
  3. 交互流程：見下圖
  4. 安全性：
    • MCP 伺服器僅暴露特定、受控的功能
    • MCP 伺服器在你的機器上本地運行，它們訪問的資源不會暴露在互聯網上
    • Claude Desktop 需要使用者確認以進行敏感作

Python 创建一个简单的 MCP 服务器

先決條件
您需要 Python 3.10 或更高版本：

python --version # Should be 3.10 或 higher

透過 homebrew 安裝 uv

brew install uv
uv --version # Should be 0.4.18 或 higher
有關更多信息，請參閱 https://docs.astral.sh/uv/

使用 MCP 專案建立器建立新專案

uvx create-mcp-server --path weather_service
cd weather_service

安裝其他依賴項

uv add httpx python-dotenv

設定環境

OPENWEATHER_API_KEY=your-api-key-here #創造：.env

创建您的服务器

新增基本導入和設定, 在weather_service/src/weather_service/server.py

import os
import json
import logging
from datetime import datetime, timedelta
from collections.abc import Sequence
from functools import lru_cache
from typing import Any

import httpx
import asyncio
from dotenv import load_dotenv
from mcp.server import Server
from mcp.types import (
    Resource,
    Tool,
    TextContent,
    ImageContent,
    EmbeddedResource,
    LoggingLevel
)
from pydantic import AnyUrl

# Load environment variables
load_dotenv()

# Configure logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger("weather-server")

# API configuration
API_KEY = os.getenv("OPENWEATHER_API_KEY")
if not API_KEY:
    raise ValueError("OPENWEATHER_API_KEY environment variable required")

API_BASE_URL = "http://api.openweathermap.org/data/2.5"
DEFAULT_CITY = "London"
CURRENT_WEATHER_ENDPOINT = "weather"
FORECAST_ENDPOINT = "forecast"

# The rest of our server implementation will go here

新增天氣取得功能

# Create reusable params
http_params = {
    "appid": API_KEY,
    "units": "metric"
}

async def fetch_weather(city: str) -> dict[str, Any]:
    async with httpx.AsyncClient() as client:
        response = await client.get(
            f"{API_BASE_URL}/weather",
            params={"q": city, **http_params}
        )
        response.raise_for_status()
        data = response.json()

    return {
        "temperature": data["main"]["temp"],
        "conditions": data["weather"][0]["description"],
        "humidity": data["main"]["humidity"],
        "wind_speed": data["wind"]["speed"],
        "timestamp": datetime.now().isoformat()
    }


app = Server("weather-server")

實作資源處理程序, 將這些與資源相關的處理程序加入到我們的 main 函數中：

app = Server("weather-server")

@app.list_resources()
async def list_resources() -> list[Resource]:
    """List available weather resources."""
    uri = AnyUrl(f"weather://{DEFAULT_CITY}/current")
    return [
        Resource(
            uri=uri,
            name=f"Current weather in {DEFAULT_CITY}",
            mimeType="application/json",
            description="Real-time weather data"
        )
    ]

@app.read_resource()
async def read_resource(uri: AnyUrl) -> str:
    """Read current weather data for a city."""
    city = DEFAULT_CITY
    if str(uri).startswith("weather://") and str(uri).endswith("/current"):
        city = str(uri).split("/")[-2]
    else:
        raise ValueError(f"Unknown resource: {uri}")

    try:
        weather_data = await fetch_weather(city)
        return json.dumps(weather_data, indent=2)
    except httpx.HTTPError as e:
        raise RuntimeError(f"Weather API error: {str(e)}")

實施工具處理程序, 新增以下與工具相關的處理程序：

app = Server("weather-server")

# Resource implementation ...

@app.list_tools()
async def list_tools() -> list[Tool]:
    """List available weather tools."""
    return [
        Tool(
            name="get_forecast",
            description="Get weather forecast for a city",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "City name"
                    },
                    "days": {
                        "type": "number",
                        "description": "Number of days (1-5)",
                        "minimum": 1,
                        "maximum": 5
                    }
                },
                "required": ["city"]
            }
        )
    ]

@app.call_tool()
async def call_tool(name: str, arguments: Any) -> Sequence[TextContent | ImageContent | EmbeddedResource]:
    """Handle tool calls for weather forecasts."""
    if name != "get_forecast":
        raise ValueError(f"Unknown tool: {name}")

    if not isinstance(arguments, dict) or "city" not in arguments:
        raise ValueError("Invalid forecast arguments")

    city = arguments["city"]
    days = min(int(arguments.get("days", 3)), 5)

    try:
        async with httpx.AsyncClient() as client:
            response = await client.get(
                f"{API_BASE_URL}/{FORECAST_ENDPOINT}",
                params={
                    "q": city,
                    "cnt": days * 8,  # API returns 3-hour intervals
                    **http_params,
                }
            )
            response.raise_for_status()
            data = response.json()

        forecasts = []
        for i in range(0, len(data["list"]), 8):
            day_data = data["list"][i]
            forecasts.append({
                "date": day_data["dt_txt"].split()[0],
                "temperature": day_data["main"]["temp"],
                "conditions": day_data["weather"][0]["description"]
            })

        return [
            TextContent(
                type="text",
                text=json.dumps(forecasts, indent=2)
            )
        ]
    except httpx.HTTPError as e:
        logger.error(f"Weather API error: {str(e)}")
        raise RuntimeError(f"Weather API error: {str(e)}")

新增 main 函數, 將此新增至 的結尾：weather_service/src/weather_service/server.py

async def main():
    # Import here to avoid issues with event loops
    from mcp.server.stdio import stdio_server

    async with stdio_server() as (read_stream, write_stream):
        await app.run(
            read_stream,
            write_stream,
            app.create_initialization_options()
        )

在 init.py 中檢查您的切入點, 將此加入到 的結尾：weather_service/src/weather_service/init.py

from . import server
import asyncio

def main():
   """Main entry point for the package."""
   asyncio.run(server.main())

# Optionally expose other important items at package level
__all__ = ['main', 'server']

連接到 Claude Desktop

更新 Claude 配置, 搭：claude_desktop_config.json

{
  "mcpServers": {
    "weather": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/your/project",
        "run",
        "weather-service"
      ],
      "env": {
        "OPENWEATHER_API_KEY": "your-api-key"
      }
    }
  }
}

重啟 Claude

  1. 徹底退出 Claude
  2. 再次啟動 Claude
  3. 在🔌選單中尋找您的天氣伺服器

測試

問天氣：

What’s the current weather in San Francisco? Can you analyze the conditions and tell me if it’s a good day for outdoor activities?

比較天氣

Can you analyze the forecast for both Tokyo and San Francisco and tell me which city would be better for outdoor photography this week?

參考理解：

Python SDK: https://github.com/modelcontextprotocol/python-sdk?tab=readme-ov-file#documentation

MCP中文文件: https://mcp-docs.cn/clients
————————————————

版權聲明：本文為部落客原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連結和本聲明。

原文連結：https://blog.csdn.net/qq_45066628/article/details/146225428

要評估中國在人工智能（AI）領域的科研實力，可以參考以下幾個具有代表性的指數和報告，這些指數從不同角度衡量中國的AI科研能力，包括學術研究、專利申請、產業發展和全球影響力等：

全球人工智能創新指數（Global AI Innovation Index）

    • 描述：該指數由中國國家科技情報研究所等機構發布，涵蓋論文數量、學者影響力、研究機構實力、國際合作等一級指標，反映城市或國家的AI創新水平。
    • 代表性：根據《2023全球人工智能創新指數報告》，中國AI綜合水平位列全球第二，僅次於美國，顯示其在學術研究和產業應用方面的強大實力。
    • 適用性：適合用於比較中國與其他國家在AI科研和創新生態上的整體表現。

    中國人工智能指數（China AI Index）

      • 描述：由長江商學院等機構發布，該指數從學術論文發表、產業發展、開源軟件包使用、媒體關注度等多維度進行中美AI發展對比。
      • 代表性：2018年的報告顯示，中國在學術論文總量上快速接近美國，尤其在中低引用率論文和窄應用領域論文數量上已超越美國，但在高影響力論文方面與美國仍有差距。
      • 適用性：適用於分析中國AI學術研究的質量與數量，以及與美國的差距。

      斯坦福AI指數報告（Stanford AI Index Report）

        • 描述：由斯坦福大學人工智能研究所（HAI）發布，涵蓋研究與開發、技術性能、技術倫理、經濟、教育、政策與治理等領域，追踪全球AI進展。
        • 代表性：2023年報告顯示，中國在AI論文發表量、專利申請量和產業投資方面位居全球前列，特別是在機器學習、自然語言處理等領域表現突出。
        • 適用性：作為全球權威報告，適合用於了解中國在全球AI科研格局中的地位。

        AGILE全球人工智能治理評估指數

          • 描述：由中國科學院自動化研究所人工智能倫理與治理研究中心等機構制定，評估各國在AI發展水平和治理能力方面的表現。
          • 代表性：2024年發布的評估顯示，中國位列全球第一梯隊，AI發展水平總量領先，反映了其在科研實力和政策支持上的綜合優勢。
          • 適用性：適合分析中國在AI科研與治理結合方面的實力。

          AI專利申請量

            • 描述：專利申請量是衡量AI技術創新能力的重要指標。《中國人工智能發展報告2020》顯示，過去十年，中國AI專利申請量達38.95萬件，佔全球74.7%，位居世界第一。
            • 代表性：中國在深度學習（23萬件）、智慧語音（8萬件）、計算機視覺（18萬件）等領域的專利申請量尤為突出，顯示了技術研發的活躍度。
            • 適用性：適用於評估中國在AI技術應用和產業化方面的科研實力。

            學術機構排名與論文影響力

              • 描述：根據X帖子引用日本《日經新聞》報導，中國的清華大學、北京大學、浙江大學等機構在AI研究力上位列全球前十，顯示了學術機構的強大科研能力。
              • 代表性：中國在AI學術論文數量上已接近美國，尤其在機器學習、自然語言處理（NLP）、文本分析等領域表現突出，但高影響力論文的差距仍存。
              • 適用性：適合用於評估中國AI學術研究的全球影響力和機構實力。

              總結與建議

              • 綜合實力：全球人工智能創新指數和斯坦福AI指數報告是評估中國AI科研實力的最佳選擇，因其覆蓋面廣、數據權威，能反映學術、產業和政策的綜合表現。
              • 學術影響力：中國人工智能指數和學術機構排名（如清華大學等）可具體分析中國在論文數量和質量上的表現。
              • 技術創新：AI專利申請量數據能直接反映中國在技術研發和產業化方面的領先地位。
              • 治理與發展：AGILE指數則展示了中國在AI倫理與政策支持上的優勢。

              若需深入分析，建議結合具體領域（如自然語言處理、計算機視覺）或機構的數據，並參考最新報告，因為AI領域發展迅速，數據更新頻繁。

              Windsurf Editor以其深層代碼理解、強大的AI Flows、簡潔的界面和多文件編輯能力成為當前最有潛力的AI IDE之一。它特別適合希望提升效率、減少重複工作的開發者，尤其在大型項目或團隊協作中表現出色。雖然存在一些穩定性和資源占用的挑戰，但其免費試用、跨平台支持和持續更新的特性使其值得一試。對比其他AI IDE（如Cursor），Windsurf在用戶友好性和上下文感知方面更具優勢，但代碼質量和穩定性仍有提升空間。

              Windsurf Editor（由Codeium開發，現更名為Windsurf）是一款AI驅動的整合開發環境（IDE），以其創新的功能和對開發者的友好設計脫穎而出。以下是其主要優秀之處，結合了對其功能和用戶體驗的分析：

              1. 深層代碼庫理解與上下文感知：
                Windsurf Editor的AI核心技術「Cascade」能深入理解整個代碼庫，提供高度相關的代碼建議和自動完成功能。它不僅基於當前文件，還能根據項目結構、依賴關係和其他文件的上下文進行智能推薦，減少無效建議，提升編碼效率。這種深層上下文感知在處理大型、複雜代碼庫時尤為出色。
              2. Agentic AI與AI Flows：
                Windsurf引入了「AI Flows」概念，將AI Copilot的協作性和獨立Agent的自主性結合。Cascade既能像助手一樣即時協助編寫代碼，也能獨立執行複雜任務（如多文件編輯、終端命令執行）。這讓開發者能專注於高層次問題，而非繁瑣的細節。此外，AI能實時跟踪開發者的操作，無需明確指令即可「接手」工作，例如繼續未完成的手動更改。
              3. 多文件編輯與一致性：
                Windsurf支持同時編輯多個文件，確保跨文件的更改一致，特別適用於重構或大型項目維護。它能自動生成文件結構、編輯相關文件，並在更改前預覽結果，降低錯誤風險。用戶可輕鬆回滾到之前狀態，增強靈活性。
              4. 直觀且簡潔的用戶界面：
                Windsurf的界面設計簡潔，適合初學者和專業人士。與其他AI IDE（如Cursor）相比，它減少了不必要的按鈕和選項，專注於「即用即得」的體驗。例如，AI生成代碼會自動寫入磁盤並在開發服務器中實時顯示，無需接受更改即可預覽效果。這種設計降低了學習曲線，特別受到新手歡迎。
              5. 強大的終端與工具整合：
                Windsurf提供升級的終端體驗，支持自然語言指令（例如通過⌘+I快速生成終端命令）。它還能自動檢測並修復生成的代碼中的錯誤（如Lint錯誤），並在需要時運行終端命令（需用戶授權）。此外，它支持與Docker容器、SSH服務器和Dev Containers的無縫連接，增強了遠程開發能力。
              6. 高效的自動完成與錯誤預防：
                功能如「Supercomplete」能預測開發者的意圖，生成高質量代碼片段並減少重複性工作。它還能即時檢測潛在錯誤並提供修復建議，幫助開發者在代碼問題擴大前解決問題。
              7. 免費試用與跨平台支持：
                Windsurf Editor目前提供免費試用（部分高級功能未來可能轉為付費），並支持Mac、Windows和Linux，適用於不同作業系統的開發者。作為VS Code的分支，它保留了熟悉的快捷鍵和插件生態系統，降低了從其他IDE轉換的成本。
              8. 社區與持續更新：
                Windsurf背後的Codeium團隊積極響應用戶反饋，定期發布更新。例如，2025年3月的更新引入了Quick Settings Panel、Windsurf Directory（幫助AI更好地理解代碼庫的規則集）以及對Claude 3.7 Sonnet和GPT-4.5（beta）的支持。這些更新顯示了其快速迭代和改進的承諾。
              9. 隱私與企業級應用：
                Windsurf強調數據隱私，遵循嚴格的安全協議，適合個人開發者和企業使用。它還提供企業級功能，如縮短PR週期、維護代碼標準和消除知識孤島，特別適合團隊協作。

              潛在限制與改進空間

              • 資源占用：部分用戶報告Windsurf可能消耗較多RAM和CPU，導致在低配設備上運行緩慢。
              • 模型行為不一致：有用戶質疑其是否真正使用宣稱的Claude 3.5 Sonnet模型，偶爾生成不相關或錯誤的代碼。
              • 學習曲線與功能透明度：儘管界面簡潔，某些功能（如回滾或高級設置）不夠直觀，且缺乏對模型選擇或提示指令的細粒度控制。
              • 穩定性問題：作為相對較新的產品，部分用戶遇到bug（如登錄失敗或diff同步問題），表明其仍處於快速迭代階段。