Brighousejobcentre

初学文档处理或多模态应用时，常会碰到 OCR、VLM、ASR 这几个缩写。它们都和“把信息变成文字或答案”有关，但分工完全不同。笔者用一句话先概括：OCR 负责抄字，VLM 负责看懂画面并推理，ASR 负责把声音转成文字。 flowchart LR A[“声音”] –>|ASR| B[“文字”] C[“图片中的文字”] –>|OCR| D[“文字 + 坐标”] E[“整张图片（物体 + 文字 + 布局）”] –>|VLM| F[“回答 / 摘要 / JSON”] D –> G[“后续 LLM 解析”] F –> H[“需校验，抑制幻觉”] 01 | OCR：字符级精准提取 OCR 全称 Optical Character Recognition，即光学字符识别。它的目标是字符级精准提取：检测文字框、识别每个字符，输出文本和坐标。 OCR 知道“写了什么”，但不知道“是什么意思”，也不会推理。它的输出通常包含原文、坐标框和置信度，确定性强。速度上，OCR 通常比 VLM 快，轻量模型在 CPU 上也能运行，单张小图可到毫秒级；实际耗时取决于模型、图片分辨率和批量，成本也随部署方式变化。在干净印刷文档上，它的准确率更高，字符更稳。 典型例子有 PaddleOCR、Tesseract、阿里云文字识别。 02 | VLM：看懂画面并理解文字 […]

Release Notes 【本地版（Desk 桌面端）】 1、【能力】会话压缩与记忆： 会话上下文结构化：system（系统指令 + 长期记忆 + skill技能 + 会话摘要）+ messages（短期记忆/会话）+ tools（内置工具 + MCP工具） 会话上下文使用率：计算公式 = 上下文token消耗 / 模型ContextWindow； 会话压缩：针对历史会话提炼背景/目标/进展等提炼，压缩为 max 定长（2000）摘要信息。会话上下文传递短期记忆时：需传递摘要信息与上次摘要后全部增量对话信息。每轮会话后都会触发异步压缩摘要，如果「上下文使用率超过80% 或 对话轮次超过20次 或 压缩摘要不存在」，需要主动压缩一次； 长期记忆：项目维度跨会话的画像/偏好/事实/目标/进展等长期记忆沉淀。会话完成时异步触发记忆生成/保鲜，「检测记忆为空 或 距离上次记忆生成超5min」，需要主动生成一次记忆；项目设置里，支持手动查看管理记忆；（项目 列表，启用记忆 列名改为 长期记忆；新增 记忆生成时间 列；） 2、【重构】产品设计重构： 扩展中心：插件中心更名扩展中心，现有MCP、SKILL和内置工具之外，新增 “Agent”功能；支持创建管理多Agent，Agent支持设置 指令、SKILL、MCP和内置工具等； 会话新建：新建会话时，当前会话框底部限制必选 项目；新增必选 Agent，Agent下拉框中限制Agent列表与新建Agent入口，参考项目选项交互； 系统设置：新增 项目 设置，支持管理维护 项目列表；支持新增项目、重命名、在Finder中显示、删除等；支持长期记忆开关、长期记忆查看； 会话与Agent绑定，会话时使用的 系统指令、SKILL、MCP、内置工具等，从对应Agent上获取，Agent修改后需要实时感知最新的； 3、【安全】权限管控：升级三档权限模式「仅可查看（全局读）、工作区内修改（全局读 + 项目&系统临时目录写）、完全权限（全局读写）」；同时，兜底保留统一的敏感操作拦截机制；（read-only、workspace-write、full-access） 4、【推理】模型及推理等级：供应商模型精细化管理，支持模型分类（通用模型、对话模型、潜入模型、文生图模型）；并针对对话模型，支持推理登陆（Default、Low、High、Max）； 5、【新增】输入框支持关联文件：新增“+“按钮功能，支持选择文件并关联到当前会话，便于Agent调用文件内容； 6、【重构】代码模块化重构：同一职责域代码收拢在单一模块内，对外仅暴露最小必要接口，避免跨模块散落同职责的实现细节； […]

为什么要 fork 　　我用 Typora 挺长时间了，它确实好用，但有两个问题一直绕不过去 要花钱。网上那些”激活版”破解得不彻底——过一阵又弹试用提示，需要清除缓存，反复折腾。 改不动。用着用着总有些小地方不顺手（弹窗逻辑、窗口行为、菜单状态），但在闭源软件里只能忍着。 　　所以我找了开源基座：Typability 正好符合我的口味。它是一个基于 Milkdown 的所见即所得编辑器，Tauri 打包（体积小、内存占用低），Fluent UI 界面，还能用 Mica/亚克力窗口效果。上游最后的版本是 0.4.1，我从这里开始改——功能骨架都有了，但日常用起来到处是”小别扭”。 　　这里得先说句感谢的话：Typability 的底子是真的不错，感谢原作者 SimonShiki 。Milkdown 的 WYSIWYG 内核、Tauri 的打包链路、Fluent 的组件体系和 Nord/Tokyo 主题、多语言、查找替换、双栏编辑、LaTeX 与 Mermaid，上游都已经搭好了。我做的更多是”补齐细节，优化操作”，而不是从零造一个 Markdown 编辑器。 　　于是 fork，然后一路改到 0.6.3。下面把这几个版本做了什么、踩了哪些坑、以及它现在到底能不能替代 Typora，完整记一遍。 版本一览 版本 主题 0.5.0 窗口记忆、保存/关闭语义、拖拽打开、标题栏路径、源码视图、检查更新、构建修复 0.6.1 双栏编辑器与源码视图互斥 0.6.2 链接气泡加宽 + OPEN 按钮、默认文档链接指向本仓库 0.6.3 查找替换高亮、匹配位置修正、自动聚焦 0.5.0：先把”每天都要碰”的别扭解决掉 1. 记住窗口大小和位置 　　原来每次启动都是固定的 540×680 居中窗口，每次都要手动拖大、挪到副屏。 […]

“把模型跑起来”只是本地大模型项目的第一步。真正让它对公司业务有用的，是一套给它”递资料”的系统——而这套系统的地基，就是 embedding 和向量数据库。这两个词听起来很玄，本文用一个 20 行代码的实验把它们拆开看清楚。 一、先看全景：它们在一个本地大模型项目里的位置 一个典型的本地大模型项目，不是”把模型跑起来”就完事的。假设一家公司把 qwen 部署在了自己的服务器上，很快就会发现：问它通用问题头头是道，问它”我们公司的报销制度是什么”就一本正经地胡编。模型训练时没见过这家公司的任何文档，它不可能知道。 解决办法是把公司的资料作为上下文，随问题一起喂给模型。那么问题来了：用户提问的时候，系统怎么知道该把公司几千份文档里的哪几份递给模型？ 这就是 embedding 和向量数据库登场的位置。整个系统大概长这样： 【入库：一条自动化管道】 公司文档（PDF/Word/网页/扫描件…） → 解析提取文字 → 清洗 → 切成分块 → 每块文字做 embedding（变成一个向量） → 存入向量数据库 【查询：每次提问时】 用户提问 → 提问也做 embedding（变成一个向量） → 拿这个向量去向量数据库做语义搜索 → 取回语义最接近的前 N 条文档块 → 拼进 prompt，连同问题一起交给大模型 → 模型基于资料作答 注意入库那条管道：公司的文档是各种格式、持续更新的混合体，”把文档变成可检索的知识库”本身就是一个需要 pipeline 系统来自动化的工程（这也正是做过数据管道的后端工程师熟悉的味道——它就是一条 ETL，终点从数仓换成了向量库）。 所以一个完整的本地大模型项目是：用户通过搭好的系统上传各种格式的文件，管道自动处理入库；用户在问答界面提问，系统检索出最相关的资料递给模型，得到有公司自己味道的回答。 embedding 和向量数据库，就是这条链路里”找资料”的那一环——本文只讲它们。 二、embedding 到底是个啥：把对象落到语义空间的一个位置 “Embedding”是个一直没有正经中文翻译的词，直译”嵌入”，有人译”向量化”——但对没接触过的人来说，哪个都是黑话。它实际干的事情其实一句话能说清： 把一段文字（或图片、视频），按照模型定义好的维度，落到一个坐标系里。embedding 的结果，就是它在这个坐标系里的位置。 二维、三维的坐标我们还能在脑子里画出来：北京在上海北边、深圳在上海南边，位置关系一目了然。而 […]

介绍给大模型提供数据的公司，如 Scale AI、Mercor、Surge AI 等的由来、现状与演变。 这篇博客介绍“给大模型提供数据的公司”，如 Scale AI、Mercor、Surge AI 等的由来、现状与演变。 某种意义上是给自己看的“科普”，也在博客存档。 0. 一个概括：这些公司具体做什么 大模型数据公司，向大模型厂商出售”人工判断”。具体的，这些公司组织人类（早期是普通标注员，现在更多是律师、医生、博士这类领域专家）去给模型的回答打分、排序、写示范答案，按工时或任务计费。交付物是产出的数据，这些数据可能不归买方独家所有，也就是说，可能比如同时卖给 OpenAI、Anthropic 和 Google Deepmind。 这个行业的规模上限在 2025 到 2026 年快速拉高。比如，最大的一家 Mercor 2026 年估值 200 亿美元（约 1.4×10¹² 人民币），2026 年上半年营收 6.14 亿美元。 为什么科普这个行业：这些公司所出售的专家数据，是模型能力提升的上游支撑；同样，在与大模型相关的资本市场、创投市场中，数据公司扮演着不可或缺的角色。 1. 大模型数据公司的商业模式 我们先看 Mercor 的财务结构，它能直接给出这种商业模式的初步说明。2026 年上半年，Mercor 收入的 91% 来自 OpenAI、Anthropic、Google DeepMind 这类基础模型公司；而在成本侧，Mercor 约三分之二的收入交付给专家。综合计算利润，毛利率 2025 年约为 27%，2026 年第二季度提升到 33%。因此，这是一个典型的人力密集型结构，而非软件公司那种一次做好产品、后续无限售卖的 “一本万利” 结构。 这些专家做的核心工作之一是 […]

【摘要】Solution \(s\) 的可能性不多，分类讨论。*、+、-、+-、*- 的情况都是平凡的。对于 *+-，将所有 – 替换为 + 不会使答案变差，因此等价于 *+。 下面重点分析 *+ 的情况，此时，问题等价于将原序列划分为若干个连续子段，最大化各段乘积之和。 1. 化简序列 0 会使所在段乘积 阅读全文 PakarPBN A Private Blog Network (PBN) is a collection of websites that are controlled by a single individual or organization and used primarily to build backlinks to a “money site” in order to influence its ranking in […]