博客

  • 警局制服诱惑东亚美女全身照

    警局制服诱惑东亚美女全身照

    警局制服诱惑东亚美女全身照



    🤖 ChatGPT

    🇺🇸 English Prompt

    A beautiful East Asian woman in her mid-20s with long straight jet-black hair cascading over her shoulders, fair skin, sharp facial features, defined eyebrows, smoky eye makeup, and glossy red lipstick, posing seductively in a police station setting. She wears a tight-fitting light blue short-sleeved button-up police uniform shirt with dark navy blue collar, epaulets, and dual chest pockets with flaps, a slim black necktie hanging down the front, a form-fitting black pencil mini-skirt that hugs her curves and ends mid-thigh, and beige high-heeled pumps with contrasting black toe caps.
    
    She stands in a three-quarter pose leaning her left hip against a wooden office desk, left leg slightly bent and crossed in front of the right, left hand holding a classic black telephone receiver to her left ear, right arm relaxed by her side. She looks directly at the camera with a confident, slightly teasing expression and subtle smile.
    
    Background: industrial police office / interrogation room with gray brick walls, tall metal jail cell bars on the left side, a large cork bulletin board covered in yellow and white “WANTED”, “MISSING PERSON”, and “INFORMATION” posters with silhouette profiles, fingerprint cards, and labels such as “#2”, “#3”. On the desk: scattered papers, a black landline phone base with coiled cord, and an office chair. Soft natural indoor lighting, realistic photographic style, high detail, sharp focus, full-body shot from head to toe

    🇨🇳 中文提示词

    一位20多岁的美丽东亚女性,留着垂过肩的长直乌黑头发,皮肤白皙,五官清秀,眉毛轮廓分明,画着烟熏妆和亮红色的口红,在警察局场景中摆出诱人的姿势。她穿着一件紧身的浅蓝色短袖纽扣警察制服衬衫,带有深蓝色领子、肩章和两个带翻盖的胸袋,胸前挂着一条修长的黑色领带,穿着一条紧身黑色铅笔迷你裙,勾勒出她的曲线并延伸至大腿中部,脚穿带对比色黑色鞋头的米色高跟鞋。
    
    她以四分之三侧身的姿势站立,左臀靠在木制办公桌上,左腿微弯并交叉在右腿前,左手拿着一个经典的黑色电话听筒贴在左耳边,右臂自然垂在身侧。她带着自信、略带挑逗的表情和微妙的微笑直视镜头。
    
    背景:工业风警察办公室/审讯室,有灰色砖墙,左侧有高大的金属牢房栏杆,一块巨大的软木公告栏,上面贴满了黄色和白色的“WANTED”、“MISSING PERSON”和“INFORMATION”海报,海报上有剪影轮廓、指纹卡和诸如“#2”、“#3”的标签。桌子上:散乱的文件、带有卷曲电线的黑色座机电话底座和一张办公椅。柔和的室内自然光,写实摄影风格,高细节,清晰对焦,从头到脚的全身照。
  • 现实美女与Q版涂鸦女孩街头风合照

    现实美女与Q版涂鸦女孩街头风合照

    现实美女与Q版涂鸦女孩街头风合照



    🤖 ChatGPT

    🇺🇸 English Prompt

    A realistic young woman holding hands with her own chibi cartoon version for a fun street-style photo. The woman keeps her original brown high-bun hairstyle and wears a light blue denim jacket over a white top, distressed denim shorts, white scrunched socks, and chunky white platform sneakers. She smiles gently with one hand tucked into her shorts pocket. On the right stands an exaggerated big-headed chibi doodle girl wearing the exact same outfit and hairstyle, winking, sticking out her tongue, making a peace sign, and lifting one leg playfully. 
    
    The background features a colorful urban concrete graffiti wall covered with vibrant paint splashes, pink hearts, stars, mini rainbows, crowns, and bold street-art elements. A fusion of realistic portrait photography and American comic graffiti illustration, natural daylight street photography, energetic sweet-cool vibe, vertical composition, ultra-detailed skin texture, sharp focus, vibrant colors, 8K ultra-high resolution.

    🇨🇳 中文提示词

    一位现实的年轻女性与她自己的Q版卡通形象手牵手,进行一场有趣的街头风格合影。这位女性保持着她原本的褐色高发髻发型,穿着浅蓝色牛仔夹克,内搭白色上衣,搭配磨损的牛仔短裤、白色堆堆袜和厚底白色运动鞋。她温柔地微笑着,一只手插在短裤口袋里。右边站着一个夸张的大头Q版涂鸦女孩,穿着完全相同的服装和发型,眨着眼,吐着舌头,做着和平手势,调皮地抬起一条腿。背景是色彩斑斓的城市混凝土涂鸦墙,布满了充满活力的油漆溅痕、粉色爱心、星星、微型彩虹、皇冠和大胆的街头艺术元素。融合了写实人像摄影与美式漫画涂鸦插画,自然日光下的街头摄影,充满活力的甜酷氛围,垂直构图,超细腻的皮肤纹理,清晰对焦,鲜艳的色彩,8K超高分辨率。
  • 数字秀场式陈列编辑海报设计

    数字秀场式陈列编辑海报设计

    数字秀场式陈列编辑海报设计



    🤖 ChatGPT

    🇺🇸 English Prompt

    Design a 3:4 vertical 'Digital Runway Catalogue' editorial poster for [Person/Clothing/Product]. Use a warm ivory background with an invisible 12-column grid. The layout features an asymmetrical two-column composition: on the left, place a full-body main visual occupying about 55% of the frame, with the person or product maintaining a complete silhouette; on the right, place only one close-up of local textures occupying about 20% of the frame; the two images are staggered vertically and are not a same-sized collage. The subject is in a clean studio environment, using soft overcast light and slight backlighting to highlight the real tactile feel of [tulle, embroidery, pleats, translucent resin, or frosted metal]. Retain moments of natural movement, with restrained motion blur appearing in hemlines, hair, or lightweight structures, as if a runway photograph was suddenly frozen. Use an elegant high-contrast serif font for the title, with moderate font size and loose tracking; use a neutral sans-serif font for product names, years, materials, and numbers. Information is divided into only three levels: brand title, collection name, and micro-parameters. Text is placed near the edges and does not overlap the subject. The color scheme is limited to warm white, ink black, fog blue, and a single low-saturation petal pink, with the colored area not exceeding 15%. Keep more than 40% white space, and add very light paper texture and photographic grain. The overall style is a combination of Nordic fashion catalogues, contemporary art museum albums, and high-end e-commerce: quiet, light, and with a sense of breathing. Avoid golden luxury symbols, dense product arrays, fancy borders, sweet filters, uniform grids, and e-commerce promotional tags.

    🇨🇳 中文提示词

    为【人物/服装/产品】设计一张3:4竖版“数字秀场式陈列”编辑海报,Digital Runway Catalogue。
    使用暖象牙白背景与隐形12列网格。
    画面采用非对称双栏构图:左侧放置一张占画面约55%的全身主视觉,人物或产品保持完整轮廓;右侧仅放一张局部材质特写,占画面约20%,两张影像上下错位,不做等大拼贴。
    主体位于纯净摄影棚环境,采用柔和阴天光与轻微逆光,突出【薄纱、刺绣、褶皱、半透明树脂或磨砂金属】的真实触感。保留自然动作瞬间,衣摆、发丝或轻质结构出现克制的运动模糊,像秀场摄影被突然定格。
    标题使用优雅高对比衬线字体,字号适中、字距宽松;产品名称、年份、材质与编号使用中性无衬线字体。信息只分三级:品牌标题、系列名称、微型参数。文字靠近边缘,不压住主体。配色限定为暖白、墨黑、雾蓝与一处低饱和花瓣粉,彩色面积不超过15%;
    留白保持40%以上,加入极轻的纸张纹理与摄影颗粒。整体像北欧时装目录、当代美术馆画册与高级电商的结合:安静、轻盈、具有呼吸感。避免金色奢华符号、密集商品阵列、花哨边框、甜美滤镜、均匀宫格和电商促销标签。
  • Reddit 给版主配了 AI 助手:关键词过滤时代要翻篇

    Reddit 最近给版主们发了个新工具,名字叫 Rules Hub。说白了,就是让大语言模型替人工版主去判断一条帖子或评论是不是踩了版规——不是死板地看有没有某个词,而是去理解这句话的“意思”到底违不违规。

    这事放在 Reddit 十几年的历史上挺关键。过去版主靠的是 Automoderator(大家都叫它 Automod),那套东西本质上是关键词和正则匹配:你写一条规则“标题里出现某某词就删”,它才动。规则一多,配置文件就成了只有两三个人看得懂的天书,换人就断档。

    从“匹配词”到“理解意图”

    Rules Hub 的逻辑不一样。Reddit 在博客里写,它用 LLM 去评估“一条内容是否符合某条规则的本意”,这样就能处理那些模棱两可、带口语、踩在边缘的情况,同时把最终决定权留在版主手里。版主可以自己设哪些规则自动执行、触发后怎么办,AI 只做“判断”这一环。

    “It’s also hard to learn, hard to maintain, and heavily dependent on brittle keyword matching, regex, and inherited configurations that only a few people on a mod team, if any, understand. We can do better.” —— Steve Huffman,Reddit CEO

    这个新工具已经悄悄测了几个月,拉了 700 多个社区的新老版主进来试,包括 Reddit 版主委员会的人。现在它开始向“所有新建社区”放开,预计到 2026 年晚些时候全面铺开。对新社区来说是可选的,但 Reddit 话里话外的意思很清楚:Automod 那套执行功能,迟早要被 Rules Hub 以及配套的“发帖评论引导”“安全过滤器”替掉。


    同一天 Reddit 还甩出了更大的一揽子变动,矛头指向第三方开发者和老 Reddit。以后新的第三方 App 不能再走公开 API,得搬到 Reddit 自家的开发者平台上跑。Huffman 的理由很直接:公开 API 当初不是为今天的规模、自动化滥用和商用抓取设计的,他们想要好用的机器人,但不想要有人把整个论坛 indiscriminately 扒走、转卖、不负责任地用。

    老 Reddit 也要动刀

    为了堵住内容被乱抓,Reddit 对老版界面(old Reddit)也要下手了。这之前他们已经干过不少事:屏蔽不付钱的搜索引擎、起诉 Anthropic 和 Perplexity、封掉互联网档案馆的抓取。六月起用老 Reddit 还得先登录。具体怎么改 Huffman 没明说,只说在“探索不同选项”,短期会先限制登录用户访问、把关键机器人和版主流程迁走。

    • Rules Hub 用 LLM 判违规意图,取代 Automod 的关键词硬匹配
    • 已测 700+ 社区,新社区先可选,2026 年内全面开放
    • 第三方 App 将强制迁到 Reddit 开发者平台,老 Reddit 限制登录

    Huffman 也知道用户对这类改动有心理阴影——2023 年那轮 API 收费闹出过大规模抗议,一堆熟面孔 App 因此关张。所以他这次特意说了“信任我们不够,得在实践里真的更好用才行”,承诺不会在靠谱替代出来之前就砍掉主要功能。话是这么讲,Reddit 想把治理和抓取都收进自家院子的方向,已经没有回头路了。

    Reddit 引入 AI 版主工具 Rules Hub(图源:The Verge)
    Reddit 引入 AI 版主工具 Rules Hub(图源:The Verge)
  • 谷歌AI换帅:哈萨比斯转主席,杰夫·迪恩出走创业

    谷歌的 AI 版图这几天动了一个大手术。CEO 皮查伊周三在内部信里宣布,DeepMind 的掌门人戴密斯·哈萨比斯不再担任原来的实战职务,转去当 Google DeepMind 的董事长,同时兼任 Alphabet 的首席科学家。表面看是升了,实际上是把日常指挥权交了出去。

    接棒的是柯雷·卡夫库奥卢,原先 DeepMind 的 CTO,现在升任 Google DeepMind 的 SVP,直接向皮查伊汇报,并且继续保留“谷歌首席 AI 架构师”的头衔。换句话说,往前冲、做产品、带团队这些硬活以后归他;哈萨比斯则退到战略和科学的位子上。

    哈萨比斯自己在给员工的信里把话挑明了:他一直觉得 AI 最重要的事是用在人的健康上,“现在该让 AI 向世界证明它的价值了,有什么比攻克癌症这类疾病更有说服力的呢?”他还会继续管 Isomorphic Labs——那家想用 AI 造药的子公司——并且跟皮查伊在 AGI 的全球战略上保持紧密合作。了解他的人都知道,这位 2024 年凭 AlphaFold 拿下诺贝尔化学奖的人,转去做生物医药本来就有底气。

    真正的大新闻是杰夫·迪恩走了

    比起哈萨比斯的“明升暗退”,更让人意外的是杰夫·迪恩的离开。这位谷歌第 30 号员工、DeepMind 的首席科学家,要拉着同为谷歌 Fellow 的桑杰·格玛沃特,一起出去创办一家叫 Discovery Loop 的公益公司(PBC)。谷歌会是它的“创始投资人”。

    Discovery Loop 的章程写得很满:要做能自动解决机器学习、科学和工程里重要问题的 AI 系统,加速科研和工程发现的节奏,最终造出“对人类是深刻正向力量”的工具。说白了,迪恩想用一种更独立的方式,去追他自己念叨了很多年的那件事——让 AI 替科学家把重复活干完。

    “Our mission is straightforward: we are building AI solutions that can automatically solve important problems in machine learning, science, and engineering.” —— Discovery Loop

    这步棋的意味挺深。迪恩是 MapReduce、Bigtable、TensorFlow 这些谷歌地基级技术的奠基者之一,他一走,等于谷歌把最老牌、最懂系统的人放去了外部。而用“公益公司 + 创始投资”的方式,谷歌既留了影响力,又没把人绑死在内部流程里。


    放到整个行业看,这像是头部实验室进入“第二代交接”的信号。前沿模型的能力竞赛还在继续,但谁来管、往哪个方向管,正在重新排座位。哈萨比斯去攻健康、迪恩去攻科研自动化,两条线都不是为了下一代聊天机器人,而是把 AI 塞进“发现”这件事本身。

    对普通人意味着什么

    短期看,你用的 Gemini 不会因为这次调整就变样。但长期看,当一家公司的 AI 核心人物开始往“治病”和“做科研”这两个离钱很远、离价值很近的方向偏,说明大厂对 AI 的叙事已经从“更聪明”慢慢挪向“更有用”。这未必是坏事。

    • 哈萨比斯转任主席后仍掌 Isomorphic Labs,AI 制药线不受影响
    • 卡夫库奥卢接手日常,DeepMind 产品节奏大概率提速
    • 杰夫·迪恩出走创业,谷歌以投资人身份保持连接
    戴密斯·哈萨比斯(图源:The Verge / Getty Images)
    戴密斯·哈萨比斯(图源:The Verge / Getty Images)
  • LiveKit Agents:用 Python 构建实时语音 AI 智能体的开源框架

    LiveKit Agents:用 Python 构建实时语音 AI 智能体的开源框架

    在语音助手、AI 客服、实时翻译早已不是新鲜事的今天,真正难的是:如何用一个干净、可编排、可私有部署的框架,把 STT、LLM、TTS 串成一次低延迟、不打断、能“看见”的实时对话。LiveKit Agents 正是为这件事而生。

    📌 项目简介

    LiveKit Agents 是一个用于构建实时、可编程的多模态语音 AI 智能体的开源框架,运行在服务器端,让智能体具备“看、听、理解”的能力。它把语音识别(STT)、大模型(LLM)、语音合成(TTS)以及实时模型(Realtime API)抽象成可自由替换的组件,并提供任务调度、工具调用、测试框架等一整套生产级能力。

    💻 安装要求与过程

    环境要求

    • Python 3.9+
    • 一个 LiveKit 服务器:可用 LiveKit Cloud,也可用开源的 livekit 自托管
    • 至少一家模型服务商的密钥:如 Deepgram(STT)、OpenAI / Google(LLM)、Cartesia(TTS)等
    • 如需电话接入,可启用 LiveKit 的 SIP / 电话栈

    快速安装

    pip install "livekit-agents[openai,deepgram,cartesia]"

    三种运行模式

    # 终端本地测试:无需外部服务器,直接验证交互
    python myagent.py console
    
    # 开发模式:连接 LiveKit 云/自托管,支持热重载
    python myagent.py dev
    
    # 生产部署:生产级优化
    python myagent.py start

    开发 / 生产模式需配置环境变量:LIVEKIT_URLLIVEKIT_API_KEYLIVEKIT_API_SECRET(以及对应模型服务商的 Key)。也可用 Agents Playground 快速体验。

    ✨ 核心功能

    • 灵活集成:完整的插件生态,自由混搭最合适的 STT、LLM、TTS 与 Realtime API。
    • 内置任务调度:通过 Dispatch API 自动做任务分配与分发,把终端用户连接到对应智能体。
    • 语义轮流检测(Turn Detection):用 Transformer 模型判断用户是否说完,显著降低误打断。
    • 原生 MCP 支持:一行代码即可把 MCP 服务器提供的工具接入智能体。
    • 内置测试框架:用断言(expect)配合 LLM 评判(judge)编写测试,对抗 LLM 的非确定性。
    • 全平台 WebRTC 客户端 + 电话集成:覆盖浏览器、iOS、Android、Flutter 等,并可拨打 / 接听电话。

    🎯 典型使用场景

    • 语音客服 / 订餐机器人:内置 restaurant_agent 范例,可处理来电订餐与预约,直接对接电话线路。
    • 外呼电话机器人:Outbound Caller 范例可自动批量拨打电话、播报与收集信息。
    • 多智能体接力(Handoff):多个 Agent 按流程交接(如先收集信息、再切换讲故事 Agent),适合工单分流、复杂客服。
    • 视频数字人:通过 Tavus、Bithuman、LemonSlice 等接入 AI 虚拟形象,做出“能说话的脸”。
    • 实时视觉 Agent:结合 Gemini Live 等,做出能“看见”环境并对话的助手(含 iOS 端范例)。

    💡 推荐理由

    我自己折腾过不少语音 Agent 方案,LiveKit Agents 最打动我的是它的“把复杂留给自己、把简单交给开发者”:一个 AgentSession 把你想要的 STT/LLM/TTS 一行声明完,多智能体切换、工具调用、打断检测都有官方最佳实践兜底;更关键的是整套栈可私有化——连媒体服务器都是开源的,数据不出自己的机房,对企业场景非常友好。再加上官方提供的 LiveKit Docs MCPAgent Skill,用 AI 编程助手来搭语音应用也顺手很多。如果你打算认真做一个“能听会说”的产品,它值得作为底座首选。

    🔗 下载地址

    LiveKit Agents 核心亮点

  • Mistral开源3B安全模型Shieldstral:把审核规则写成一句话,小显卡就能跑

    Mistral Shieldstral 内容安全模型
    Mistral 开源的 Shieldstral 把内容审核变成一道可随时改写的问答题(配图由 AI 生成)

    8月4日,Mistral 丢出一个叫 Shieldstral 的开源模型。它干的事很具体:给 AI 产品做内容安全审核。但思路和市面上大多数”护栏”模型不太一样——它只有 30 亿参数,却宣称能打过体积大它七倍的开放模型,而且一张 16GB 的消费级显卡就能跑起来。

    审核模型的老毛病

    过去这类防护模型有个通病:把一套固定的”有害类别清单”直接焊死在权重里。换一个产品场景,开发者往往得重新训练。可现实是,同一段内容在一个网络安全研究工具里可能完全没问题,放到心理健康平台就成了麻烦。哪有一套放之四海皆准的分类法能替所有产品画好这条线?

    Mistral 在公告里举的例子:同一段内容,对网络安全研究工具来说是正常的,对心理健康平台来说可能就是有害的。

    把规则变成一道问答题

    Shieldstral 的做法是:你别改模型,改问题。每次审核时,你用大白话写一道”是或否”的判断题,比如”这段内容是否在宣扬针对某保护群体的暴力”,模型读完只吐出 yes 和 no 两个词元的概率,归一化成 0 到 1 的安全分。改审核标准,就变成了改一句话。文字、图片、图文混合,全都走同一个接口,不用为不同产品养一堆模型。

    小模型凭什么打大块头

    Mistral 的核心论点是数据比参数规模更关键。他们把公开安全数据集里互相打架的标注体系统一成同一种格式,还故意造出”长得像、容易混淆”的政策对,逼模型学会分辨一段内容到底违反了哪一条具体规则,而不是死记硬背类别。模型基于 Ministral-3-3B,带 Pixtral 视觉编码器处理图片,训练上下文 32k,覆盖 12 种语言,约 5410 万条训练样本。

    • Apache 2.0 开放权重,直接上 Hugging Face 自托管,没有托管 API
    • 文本安全平均 F1 达 84.9%,多模态安全 83.8%,领先同档开源模型
    • 单卡 16GB 即可推理,适合已经自己跑模型、想让数据留在内部的团队

    开源安全阵营又添一员

    这次发布也把 Mistral 摆到了”Open Secure AI Alliance”创始成员的位置上,和 NVIDIA 等机构站在一起。对中小团队来说,Shieldstral 最实在的价值是:你不用再为每个产品的审核口径去求供应商改接口或微调模型,写一行政策字符串就行。当然,政策文本现在跟着每个请求走,改一个词就可能让分类行为悄悄变样,所以这道”规则”也得像代码一样被认真评审。


  • OpenAI下一代模型Astra曝光:一口气拿下10个数学悬案,成本只要2000美元

    OpenAI Astra 数学突破
    OpenAI 用内部模型 Astra 解出十道数学悬案(图源:OpenAI)

    8月1日,OpenAI 发了一篇标题很学术的博客《数学与理论计算机科学的十项进展》。真正让数学圈坐不住的,是里面第一次点名了他们下一代主力模型 Astra。这个还没正式发布的内部版本,一口气解出了十个在数学和理论计算机科学里挂了至少十年、有的甚至四十年没动静的开放问题。

    把证明交给机器去验证

    每个论证先由人类研究员用同一个模型整理成能读的手稿,再被模型自己翻译成 Lean 的形式化证明证书。也就是说,结论不是写在论文里让人拍脑袋信,而是拆成机器能一步步检查的推导。所有证明都放在 GitHub 的 openai/ten-proofs 仓库里,Lean 证书一条没漏。

    OpenAI 在博客里写明:把一个完全由 AI 生成的证明署名为人类工作,会同时歪曲系统的贡献和真正的人类智力劳动。

    这些问题到底有多”老”

    随便挑几个就够吓人。高维球体堆积密度的新上界,把这一方向自 1978 年以来的记录往前推了一步;群论里”是否存在非 sofic 群”的疑问,从 1999 年提出就没人答上来,这次被构造出了反例;还有 1980 年 Connes 刚性猜想,也被直接推翻。组合学这边更是顺手解决了好几个 Erdős 老问题。

    • 高维球堆积:推进到 Cohn–Elkies 阈值,48 年来首次改进
    • 非 sofic 群:构造出首个明确反例,回应 1999 年的核心开放问题
    • Connes 刚性猜想:给出反例,涉及由冯·诺依曼代数决定的群结构
    • 积和式算术电路下界、量子博弈并行重复、最近向量问题近似困难性

    2000 美元意味着什么

    OpenAI 算了一笔账:按 Sol API 的费率,找出这些解所需的 token 总成本大约 2000 美元。Noam Brown 随后在 X 上补充,实际成本比这还低,但也坦言团队试过其他更难的题没做出来,离千禧年大奖问题还远。Astra 被描述成面向长周期、多智能体协作的架构——让不同的 AI agent 在几个小时甚至几天里分工啃同一个大问题,而不是对单条提示词秒回。

    这件事最让人心里打鼓的地方,是科研流程里”提答案”和”验答案”第一次可能被同一个系统大规模接管。陶哲轩之前就说过,数学正从”证明稀缺”走向”证明过剩”,真正值钱的会变成判断哪些问题值得做、哪些机器思想能长成新方向。OpenAI 也专门提到他们尊重《莱顿宣言》里对署名和同行评审的担忧——能力跑得太快,规矩得跟上。


  • 国会也成了ChatGPT的大客户:一年花10万美元,拿下AI采购九成

    要是你以为只有打工人和大学生在靠 ChatGPT 摸鱼写材料,那可能低估它了。CNBC 翻了翻美国众议院的支出记录,发现国会山自己也是 OpenAI 的大金主——而且大方到有点惊人。

    九成份额,一年砸了十万多美元

    根据截至今年3月31日这一年的众议院支出记录,在国会各办公室、委员会和机构账户花在AI工具上的钱里,OpenAI 的 ChatGPT 拿走了大约九成。具体数字是:ChatGPT 相关支出约 10.058 万美元,分散在 798 笔交易里;而全部AI工具采购加起来也就至少 11.374 万美元。换算下来,ChatGPT 一家就吃掉了近九成预算。

    排第二的是 Anthropic 的 Claude,全年 37 笔交易、1.316 万美元——连 ChatGPT 的零头都不到。

    两党花得也不一样多

    更有意思的是党派差异。民主党办公室在AI工具上花了 5.4165 万美元,是共和党办公室 1.5782 万美元的三倍。一边把AI当标配,一边还犹豫,国会山内部的接受度显然没统一。

    需要说明的是,这些数字只统计了真金白银买的企业版账号,免费账户、或者打包进更大软件合同里的AI能力,都不在内。也就是说,实际渗透率只会比账面更高。

    议员助理到底拿它干什么

    具体用途倒很接地气。国会工作人员用 ChatGPT 这类工具写备忘录、总结和分析法案、回复选民来信、准备听证材料、梳理政策研究,甚至帮你起草社交媒体帖子。本质上,它就是个被塞进立法流程里的超级实习生——不知疲倦,但得有人在旁边把关。

    钱花出去了,问题也跟着来了

    政府 onboarding 一个消费级起家的聊天机器人,背后的信号挺明确:AI 已经渗进公共部门的日常运转。但反过来看,把选民信息、未公开的法案讨论、内部通讯喂进第三方AI系统,数据安全和保密边界怎么划,是个绕不开的问号。企业版承诺了更严的隐私保护,可一旦用顺了手,依赖也就绑死了。

    OpenAI 能拿到九成份额,靠的不只是产品好不好用,更是它 enterprise 渠道和品牌信任的先发优势。Claude 想在这个最敏感的客户群里抢肉吃,光靠模型能力强恐怕不够——合规、审计、采购流程,哪一道都是硬仗。

    美国国会大厦
    (图源:TechCrunch / Getty Images)

  • 你家智能电视可能在偷偷“出借”宽带:三星封禁一批共享网络的App

    你花大价钱买回来的那台智能电视,平时除了播剧就是吃灰,看起来人畜无害。但挪威一家安全公司最近扒出一件事:三星电视应用商店里好些热门App,偷偷把你的家庭宽带变成了陌生人的“网络出口”。换句话说,别人上网的流量,可能正从你家的IP地址冒出去。

    一个吃豆人游戏,怎么就让你的网“借”给了别人

    发现这个问题的是挪威网络安全公司 Mnemonic。研究人员在好几款三星智能电视App里找到了“住宅代理”(residential proxy)代码。这类代码干的事很直白:把外部人员的网络请求,经由你家的宽带转发出去。对网站来说,这些流量看起来就是从你家里发出的,而不是某个躲在境外的操作者。

    有些涉事App声称装机量高达数亿台。更离谱的是,其中至少一款只是个简单的“吃豆人”小游戏,还被三星放进自家电视端的“编辑精选”(Editor’s Choice)里重点推荐过。一旦打开带这种代码的App,电视就可能变成一个常驻的出口节点,哪怕你已经退出了应用,它还在后台默默转发流量。

    安全顾问 Harrison Sand 一句话点破了关键:“审核时看到的内容,未必就是真正跑起来的内容。”

    审核看到的,不一定是真正运行的

    这恰恰是让平台最头疼的地方。Mnemonic 发现,很多出问题的App根本就是个空壳——只有几行代码,真正的游戏或内容都从远程服务器现拉现载。应用商店审核时,只能看到那几行打包好的代码,根本摸不清它上线后会从服务器加载什么。

    更麻烦的是,这些代理功能往往是“沉睡”的:打开吃豆人时,Bright Data 的代理代码会一并加载,但要等用户点过一次授权弹窗,它才真正激活,并且在后台持续运行,直到你把App卸载。也就是说,今天看着干净,明天开发者在服务器端改一行配置,功能就悄悄开了。

    三星和LG都在动手,但问题远不止电视

    TechCrunch 把研究结果拿去问三星,三星随后发声明说,已经在封禁这类共享用户网络的App,并且会下架所有带相关功能的程序。原话是:已经限制新的含代理功能的应用上架,正在全平台推行明确禁止住宅代理 SDK 的开发者政策。

    这事儿也不是三星独一份。上个月 LG 就先动手了——当时的调查发现,LG 应用商店里大约 42% 的App,都把智能电视拉进了代理网络。而且住宅代理代码不光藏在电视App里,手机App、电子相框、安卓电视盒子,全都可能中招。

    • 对你来说,最直接的麻烦是:明明没人操作,外部流量却记在了你家的网络上,万一有人用它干坏事,锅可能算到你头上。
    • 对安全公司来说,这类流量伪装成普通家庭上网,加上普遍加密,几乎没法识别和拦截。
    • 对平台来说,传统审核机制根本管不住“上线后远程激活”的第三方组件。

    灰色地带:合法用途和黑客温床只有一线之隔

    得说句公道话,住宅代理本身并不违法。有人用它绕开网络审查,也有 AI 公司靠它同时从成百上千个网站抓取公开数据来训练模型。问题在于,正因为住宅IP看起来“可信”,黑客和间谍也爱用这一套——把攻击和窃密流量藏进普通家庭网络里,让防御方无从分辨。

    真正吓人的,是“一秒变僵尸网络”的可能

    Sand 在他的电视上抓到的一部分流量显示,这个代理网络大量用于批量抓取 LinkedIn 个人资料、搜集 AI 训练数据。而他看到的,只是 Bright Data 整个网络里极小的一部分。

    最让他警惕的,是这样一句话:只要在网页服务器上“改一行代码”,就可能瞬间把数亿台智能电视激活成一个潜在恶意的僵尸网络。Bright Data 事后回应说自己有客户身份核查、会监控滥用,但被追问到底封了多少违规客户时,只肯说“很小一部分”。

    三星智能电视
    三星智能电视广告(图源:TechCrunch / AFP)