BetterOPCBetterOPC

BetterOPC レポート · 日次

AI と個人開発の動向を日付別にまとめました。本文と出典の題名は原文で表示します。

2026-10-21 · 収録件数: 41

簡体字中国語の原文

产品发布、行业动态成为本期主线

本期精选内容覆盖 AI 产品、Agent 基础设施与独立开发工具。AWS 生态集中释出多项进展：Agent Registry 支持运行时发现工具，Bedrock 上加拿大区域可访问 OpenAI GPT 模型，SageMaker HyperPod 微调 GPT-OSS-20B 将多语言推理准确率从 22% 提升至 100%。独立开发者方面，Rouler 可按应用或 IP 在 Windows 多网卡间分流流量。

模型发布/更新

  • 超越KV cache：在AWS Trainium2上用原生PyTorch训练与部署i14的Laplace 3B线性注意力模型

    AWS博客介绍i14如何用原生PyTorch在AWS Trainium2上训练并部署线性注意力模型Laplace 3B。该模型的循环状态每条序列固定为29.5 MB，不随上下文长度增长，从而避开Transformer模型不断膨胀的key-value cache，使部署内存可预测。

    出典を読む ↗

  • Hugging Face 博客新增 AnyLanguageModel 1.0 文章

    Hugging Face 博客仓库合并了 PR #3565，新增一篇介绍 AnyLanguageModel 1.0 的文章。提交记录显示，编辑过程中调整了副标题横幅样式并压缩横幅，采纳了 Pedro 的评审建议，补充了各提供商名称并澄清功能支持情况，更新了模型阵容，还标注了 GLM-5.3 在 BF16 下的规模。正文未提供文章的具体技术内容，因此无法进一步概括其功能细节。

    出典を読む ↗

  • Google DeepMind：Gemini 4 Argon 打造3D元素周期表，同步 Tom Lehrer 歌曲

    Google DeepMind 在 X 上展示：Gemini 4 Argon 在 @Antigravity 中构建了一个 3D 元素周期表，并与 Tom Lehrer 的歌曲《The Elements》同步。该作品可动画展示绕核运动的电子、原子数据和光谱。原帖获得 61 次转发、766 个点赞和 43696 次浏览。正文未披露模型能力细节或制作过程。

    出典を読む ↗

  • MiniMax M3.1 Flash 现已上线 OpenClaw

    OpenClaw 官方账号宣布，来自 MiniMax AI 的 MiniMax M3.1 Flash 模型现已在 OpenClaw 中可用。已运行 v2026.10.1 或更新版本的用户无需更新 OpenClaw 即可使用。该推文获得 8 次转发、96 个点赞和 11440 次浏览。原文未披露模型参数、能力细节或接入方式。

    出典を読む ↗

  • RSI三块关键拼图：MemT 1.0从模型层补上「记忆」

    量子位报道，MemT 1.0 的核心思路是把记忆原生焊进 Transformer，从模型层补齐 RSI（递归自我改进）所需的关键拼图之一。原文正文信息有限，除“把记忆原生焊进 Transformer”这一技术方向外，未披露模型规模、训练方法、评测数据或具体实验结果，因此无法进一步说明其性能表现与实现细节。

    出典を読む ↗

  • MistralAI 发布 Voxtral 3：驱动语音 Agent API 的转写与语音模型

    MistralAI 在 X 上宣布推出 Voxtral 3，称其为 state-of-the-art 的 Transcribe 和 Speech 模型，用于驱动 Mistral 新的 voice agents API。该推文附带一条链接，但正文未披露模型参数、基准测试结果、支持语言、定价或上线时间等细节，信息有限。

    出典を読む ↗

  • 小体积跑赢大模型：Mistral发布时间序列基础模型Timestral

    Mistral推出首个时间序列基础模型Timestral，提供5M至209M四种尺寸，支持多变量联合建模与历史、已知未来协变量，并能输出21个分位数刻画概率分布。最大的209M版本在GIFT-Eval、TIME和fev-bench三大基准全线登顶SOTA，精度显著超越更大体量的模型；推理不挑硬件，普通CPU几十到百毫秒即可响应。依托解耦视界预测与合成数据预训练，模型零样本迁移能力扎实，且支持在本地隔离环境中微调落地。

    出典を読む ↗

  • 蚂蚁百灵开源 Ming-3.0 语音系列模型，覆盖语音合成、音频理解与对话、语音识别

    蚂蚁百灵于 10 月 20 日宣布开源 Ming-3.0 语音系列，包含语音合成、音频理解与对话、语音识别三个系列共五款模型，开发者可按任务选择或组合进工作流。Ming-3.0-tts 的 Voice Design 支持用文字描述目标音色，也支持参考音频设定音色；导演模式可说明台词的表演方式、情绪变化、重读词与节奏处理。该模型已用于阿福 App 主对话与语音通话、医生音色克隆、小虎智能办公等业务，也可与 Ming-3.0-asr-tiny 组合连接语音输入与回答播报。Ming-3.0-audio-flash/tiny 支持对长音频直接转写、总结和观点分析并结构化输出，相比先转写再分析能保留情绪、说话人身份、环境信息。Ming-3.0-asr-tiny 已用于阿福医生助手、支付宝搜索、蚁小保实时语音对话和安全核身等场景。模型已在 Hugging Face 与 ModelScope 发布，Ling Studio 提供 API 服务。

    出典を読む ↗

产品发布/更新

  • 用 AWS Agent Registry 在运行时发现工具

    文章指出，当 Agent 的工具目录从少量增长到数百个时，硬编码工具连接方式会失效。为此，文章介绍了一套基于 AWS Agent Registry 的运行时“发现、实例化、执行”循环：编排器在运行时通过语义搜索发现 MCP 服务器和 A2A Agent，而不是在构建时编译每个工具。

    出典を読む ↗

  • 加拿大可通过跨区域推理在Amazon Bedrock上访问OpenAI GPT模型

    AWS发布博客称，加拿大组织现在可以通过跨区域推理，在Amazon Bedrock上从加拿大（中部）和加拿大西部（卡尔加里）区域访问OpenAI GPT-5.6、GPT-6和GPT-6.1模型。文章介绍了这些模型与推理配置文件、如何设置权限，以及如何通过Responses、Chat Completions和Converse API调用它们。

    出典を読む ↗

  • 从数据到决策：用 Amazon Quick 与 Bedrock AgentCore 构建对话式供应链智能

    企业供应链数据丰富但洞察匮乏，决策所需数据分散在 ERP、监控、采购和邮件系统中。本文介绍如何用 Amazon Bedrock AgentCore 将这些系统封装为受治理的工具层，再由 Amazon Quick 整合为面向业务用户的统一对话体验，并提供可自行部署的完整操作指南。

    出典を読む ↗

  • 用 Denodo 和 Amazon Bedrock AgentCore 在 AWS 上为 Agentic AI 构建语义层

    AWS 博客介绍如何用 Denodo 平台与 Amazon Bedrock AgentCore 为 Agentic AI 构建受治理的语义层。该方案将 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 数据库联邦为统一的客户 360 视图，Agent 通过 VQL 查询，并在语义层执行身份传递以及行级和列级访问控制。

    出典を読む ↗

  • Eon 如何在 Amazon Bedrock AgentCore 上构建 MCP 网关实现多云调查

    Eon 用单个经过身份验证的 Amazon Bedrock AgentCore 网关，替换了 AWS、GCP 和 Azure 上按工具分别配置的凭证与本地 MCP 进程，让 100 多名开发者和自主 Agent 统一访问生产调查能力，并将新工程师上手时间从两天缩短到两分钟。

    出典を読む ↗

  • Smartsheet MCP 在 AWS 上为 AI Agent 提供工作管理上下文

    AWS 博客介绍 Smartsheet Model Context Protocol（MCP）Server：它让 AI Agent 读取、更新并操作实时的 Smartsheet 工作管理数据。文章给出在 AWS 上接入的两种方式：面向业务团队的 Amazon Quick，以及面向开发者的 Kiro，使 Agent 无需切换工具即可处理 Smartsheet 内容。正文未提供具体配置步骤、性能数据或客户案例。

    出典を読む ↗

  • steipete：周末切换到 tsrs，OC 场景约快 5 倍

    steipete 称自己周末把项目迁移到 tsrs，作为可直接替换（drop-in replacement）的方案，在 OC 场景下约快 5 倍。他引用的原帖介绍 tsrs 是 TypeScript 编译器的 Rust 移植版，并非 fork TypeScript，与 TypeScript 团队密切合作，比 TS 7.0 快至多 8 倍、内存占用约减少 70%，可运行在 WASM 中，因此能在浏览器和 Workers 上使用，并将加入 Oxc 工具链，可通过 npx tsrs 使用。steipete 还评论说，微软用团队和两年时间把 TS 编译器用 Go 重写，而现在让 agent 放手做，几周内就能得到明显更好的东西。

    出典を読む ↗

  • Meshy推出Meshy Edit：自研AI模型支持一句话局部编辑3D模型

    Meshy发布Meshy Edit，基于全新自研AI模型。用户圈选3D模型的修改区域，用一句话描述改动，约一分钟即可生成新模型，未选中区域保持原样。原文未披露模型名称、价格、开放范围等更多细节。

    出典を読む ↗

  • 加盟商借助 ChatGPT Work 将现金对账时间缩短 94%

    OpenAI 官网案例介绍了一位独立经营 Schlotzsky’s 和 Cinnabon 的加盟商：该加盟商使用 ChatGPT Work 后，现金对账时间减少了 94%，菜单重新定价时间缩短了 95%，并搭建了一套工作流，有望释放 10 万美元现金流。原文未披露具体操作细节、所用模型版本或统计口径。

    出典を読む ↗

  • DeepSeek 全面开源内部推理框架 DeepInfer

    IT之家 10 月 20 日消息，DeepSeek 宣布在已开源一系列大模型、TileLang 编译工具及推理算子库的基础上，进一步将内部推理框架 DeepInfer 全面开源。官方称推理框架负责统筹调度算力集群，其效率直接决定 AI 服务的算力成本与电力消耗，希望借分享内部部署经验帮助开发者与企业优化大规模推理的吞吐与延迟，降低算力成本与能耗。DeepInfer 集成高性能算子与深度优化推理引擎，支持分布式推理、推测解码、SWA Bounded Replay、结构化输出，兼容英伟达与华为昇腾平台；同步开源生产级 Token 编解码组件 deepseek-recipe，与官方 API 处理逻辑对齐。官方表示已基于 DeepInfer 实现 DeepSeek V4.1 Flash 的高吞吐、低延迟大规模推理服务，未来新模型推理代码及优化将持续更新。

    出典を読む ↗

行业动态

  • OpenAI 收购 Orchestra Bio，扩展生命科学 AI 平台 Rosalind

    OpenAI 宣布收购 Orchestra Bio，该平台帮助生物制药团队协调复杂的药物研发流程。OpenAI 表示，双方将基于其面向生命科学研究的 AI 模型与工具 Rosalind 继续建设，以简化这些运营流程，帮助新疗法更快触达患者。OpenAI 同时欢迎 Orchestra Bio 的 Ashok Raj 及其团队加入。该推文获得 180 次转发、2466 次点赞、151101 次浏览。

    出典を読む ↗

  • Octave 如何在 Amazon Bedrock 上构建安全的多租户 AI 基础

    Octave 在 Amazon Bedrock 上搭建了安全的多租户 AI 基础：用 Cohere Embed v4 生成嵌入，用 Amazon Bedrock AgentCore 实现隔离的 Agent 执行，支撑一个投诉分诊助手（Complaint Triage Assistant），可在不跨越租户边界的前提下检索 20 亿份受监管文档。

    出典を読む ↗

  • Google 加入 Amazon，争夺 Nvidia 的 AI 开发者阵地

    TechCrunch 报道，Google 跟随 Amazon 推出了一款开发者工具，让 PyTorch 用户能够更方便地把应用从 Nvidia GPU 上迁移出去。原文正文信息有限，未披露工具名称、具体功能、发布时间或迁移后的目标硬件，也未给出性能数据或开发者反馈。可确认的事实是：Google 与 Amazon 都在提供降低 PyTorch 应用对 Nvidia GPU 依赖的开发者工具，直接挑战 Nvidia 在 AI 应用开发者中的主导地位。

    出典を読む ↗

  • 美国下令联邦机构移除中国DeepSeek AI

    据TechCrunch报道，美国以国家安全关切为由，下令联邦文职机构移除DeepSeek产品以及使用其技术构建的第三方服务。报道未说明命令的具体发布机构、生效时间、涉及范围或执行细节，也未提及DeepSeek方面的回应。

    出典を読む ↗

  • 国家数据集团在雄安成立，主责数据资源开发利用

    据新华社报道，国家数据集团有限公司10月20日在河北雄安新区正式成立，是以数据资源开发利用为主责主业的中央企业，目标包括释放数据要素价值、服务人工智能发展。国家数据专家咨询委员会委员张向宏称，集团将以市场化、专业化方式运营国家级数据资源，推动跨行业、跨区域流动共享，破除“数据孤岛”。该央企筹备已一年有余，被定位为数据要素市场的市场化运营执行主体，与国家数据局形成规则制定与市场运营的分工。全国已组建超100家数据集团，近30个省级行政区基本实现省级数据运营主体全覆盖。

    出典を読む ↗

  • 谷歌开源 TorchTPU，挑战英伟达 AI 生态主导地位

    谷歌于当地时间周二宣布，面向 TPU 的原生 PyTorch 框架 TorchTPU 已在 GitHub 开源。PyTorch 是热门开源工具库，有统计称 85% 的人工智能应用在使用它，最初由 Meta 于 2016 年开发，2022 年移交 Linux 基金会。TorchTPU 可让 AI 应用在谷歌 TPU 上运行，开发者仅需简单修改配置、无需重写代码即可将现有 PyTorch 应用迁移到 TPU 及谷歌云。谷歌称联合 Meta、Hugging Face、vLLM 开发方 Inferact、SGLang 开发方 RadixArk 等合作，保证兼容性；还推出 TPU 智能体套件辅助迁移排错，并升级 LiteRT 工具以更好支持 PyTorch 应用。亚马逊此前一天发布类似产品 TorchNeuron。

    出典を読む ↗

  • 美银研究：AI资本支出超预期50%，收入仅超20%

    美银新研究显示，今年AI资本支出比预测高出50%，而收入仅高出20%，这一错配驱动了其后续分析。超大规模云厂商的加权平均资本成本已从2023年的4%升至10%，无风险利率比疫情低点高出逾4个百分点，债务成本、股权成本和贝塔系数均上升。美银仍预测前五大超大规模云厂商加neoclouds的资本支出2026年为9560亿美元、2027年1.32万亿美元、2028年1.5万亿美元，对应增速38%和14%。其需求测算认为2026至2030年新增212GW数据中心容量约需9.5万亿美元，比当前7.4万亿美元的资本支出预测高出2.1万亿。

    出典を読む ↗

  • Anthropic 洽谈第二笔 450 亿美元算力交易，西弗吉尼亚预订翻倍至 920 MW

    据 rohanpaul_ai 转述，Anthropic 正与 Nscale 洽谈第二笔 450 亿美元算力协议，将把其西弗吉尼亚 Monarch 计算园区的预订容量翻倍至 920 MW。新增 460 MW 用于该园区另一栋建筑，运行英伟达 Vera Rubin 芯片，Anthropic 还持有园区预计第三栋建筑的优先购买权。首份合同于 8 月签署，为 6 年期 460 MW 租约，2027 年底开始交付，年均约 75 亿美元，约合每 MW 1630 万美元。Monarch 一期设计为 3 栋建筑共 1.35 GW，Anthropic 可能拿下整个初始开发。Nscale 的 IPO 文件列出与 Anthropic 的协议价值最高约 446 亿美元。第二笔交易将增强 Nscale 的上市卖点，但其价值取决于 Monarch 首栋建筑及 Vera Rubin 机架能否在 2027 年底按期通电。

    出典を読む ↗

  • Anthropic 提议 AI 安全法案：若模型可能致 50 人以上死亡可被封锁

    TechCrunch 报道，Anthropic 提出一项 AI 安全法案。该提案表面上为防范 AI 失控提供保护，但实际规定：联邦机构若想阻止某个模型发布，必须获得法官许可。报道称，提案设定了“若模型可能导致 50 人以上死亡即可封锁”的门槛，但正文未展开具体条款、适用范围或立法进展，信息有限。

    出典を読む ↗

  • Spotify 从推荐中移除 5000 万首 AI 垃圾及 spam 歌曲

    Spotify 周二宣布，过去一年已从用户推荐中移除超过 5000 万首被认定为 AI 生成垃圾（slop）或 spam 的歌曲，并调整推荐系统以突出更多由人类艺术家创作的音乐。Spotify 表示，其编辑遵循同样标准，不会编排被识别为 slop 或 spam 的内容；做出这些改变后，听众对这类内容出现在推荐中的担忧明显减少。Spotify 尚未强制要求所有 AI 曲目加标签，但已推出“AI Persona”徽章。

    出典を読む ↗

论文研究

  • Anthropic科学博客：设计蛋白结合物对抗蝎子神经毒素

    Anthropic在科学博客中介绍，Claude在寻找蝎毒新疗法上迈出早期一步。原文指出，蝎子每年蜇伤约120万人，而抗蛇毒血清往往价格昂贵或供应短缺，因此团队尝试设计针对蝎子神经毒素的蛋白结合物。该推文获得150次转发、1838次点赞和101563次浏览。原文未披露具体实验数据或疗效结果。

    出典を読む ↗

  • Anthropic内部Claude研究模型自主完成蛋白质设计项目

    据@kimmonismus转述，Anthropic内部Claude研究模型在仅给定一个起始提示和四次追问的情况下，用64小时通过专用工具生成超过31.8万个蛋白质设计，自行决定与蝎毒素的结合位置并挑选候选分子送检。实验室测试了211个候选（含人工协助补充的样本），其中17个成功结合目标毒素，即“binder”小蛋白。Claude承担了选择方法、协调工具、决定哪些值得做物理实验等大量研究环节，作者称这是自主AI科学家自主发现的开始。

    出典を読む ↗

技巧与观点

  • 在 AWS 上用 X.509 PKI 保障 AI Agent 身份

    AWS 博客介绍了一套多 Agent AI 系统的加密身份参考架构，结合 Keyfactor EJBCA 与 AWS 服务，通过签名请求信封、用户签名的委托断言、RFC 8693 受众限定令牌和实时 OCSP 吊销检查，来证明 Agent 身份并防止 Agent 间及 MCP 工具调用中的请求伪造。

    出典を読む ↗

  • 在AWS上用Strategy Mosaic与Bedrock AgentCore为Agentic AI构建语义层

    这是AWS语义层系列文章的第三篇。文章介绍如何用Strategy Mosaic在Amazon Redshift和Amazon Aurora上构建Customer 360视图，再通过Mosaic MCP服务器将其暴露给运行在Amazon Bedrock AgentCore上的Strands智能体，并在端到端流程中实施按用户粒度的行级与列级安全控制。

    出典を読む ↗

  • 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 以提升多语言推理

    AWS 博客介绍了在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 进行多语言推理的实践，并说明如何在监督微调（SFT）与基于 GRPO 的强化学习之间做选择。文中给出的结果是：SFT 将推理语言准确率从 22% 提升到 100%，GRPO 则在仍有提升空间的地方带来了可测量的增益。

    出典を読む ↗

  • PyTorch 2.15 中的 MPS 支持

    这是 Hugging Face 博客仓库中一篇关于 PyTorch 2.15 里 MPS（Metal Performance Shaders）的博文提交记录。输入只提供了提交信息和几条编辑要点，包括初版、添加缩略图、把图表托管到 documentation-images、缩短标题、收尾并说明后续计划，以及“这对你意味着什么”和更醒目的数字。正文内容缺失，无法得知具体性能数据、支持范围或结论，因此只能确认该文讨论 PyTorch 2.15 的 MPS 相关更新，细节信息有限。

    出典を読む ↗

  • Hugging Face 博客新增 torch TPU 文章草稿

    这是 Hugging Face 博客仓库的一次提交（#3567），内容为新增一篇关于 torch TPU 的文章草稿。提交记录显示：先加入 torch TPU 草稿，再修改第二版草稿，重写其中 diffusers 部分，补充缺失图片，将 diffusers 媒体文件移至存储桶并压缩，把 diffusers 视频替换为 HF 吉祥物版本，随后加入缩略图与横幅、添加表情符号，并按评审意见修改，包括改写 Google Cloud 相关段落。提交信息显示有 Claude 参与协作。正文未提供文章实际技术内容，因此无法概述 torch TPU 的具体用法或结论。

    出典を読む ↗

  • 3位Java Champion如何用GitHub Copilot提升生产力

    GitHub博客介绍了三位Java Champion使用GitHub Copilot的方式：用它解决问题、加快开发速度，同时强调最终结果仍由人来负责。原文正文信息有限，未披露具体使用场景、效率数据或案例细节。

    出典を読む ↗

  • Oracle Text-to-SQL：两条提示规则让轻量模型从35%提升到64%

    作者用轻量模型 Gemini 2.5 Flash 在 UniQL 的 Oracle 子集（1,534 题）上测试 schemagate。首次尝试准确率仅 35.0%，加入错误修复循环后达 69.9%，但作者指出这主要来自修复循环，不能与单次尝试结果对比。分析 694 个失败首查发现：551 个在表别名前误用 AS（Oracle 不允许），100 个使用 DATE、NUMBER 等保留字作列名未加引号。在提示中加入这两条 Oracle 规则后，首次尝试准确率升至 64.5%，失败首查降至 85 个，其他数据库提示未改。该结果高于已公布最佳单次成绩 49.61%（Claude Sonnet 4.5）。

    出典を読む ↗

  • 莫唯书Mark：DeepSeek Harness的“开箱即用”是精心设计的幌子

    作者认为DeepSeek Harness桌面端虽降低了环境配置门槛，但其本质是“一切皆插件”的运行时外壳，而非完整产品。XDA实验显示它与Claude Code在同一任务上写出字节级相同的代码，差异在于如何触碰电脑和交付方式。早期实测反馈界面不友好、复杂任务跑二十分钟报错、偶发死循环。社区超一万个dsh-plugin仓库中93%因不遵循打包规范装不上，无插件市场、签名校验和版本兼容矩阵，一个2020年的简历生成器靠蹭标签混入热门列表。作者分析DeepSeek主动放弃模型绑定，意在抢占Agent时代工作流入口，混乱是战略转移的早期成本。

    出典を読む ↗

  • 用户借 Claude 等 AI 智能体清理智能电视广告与预装应用

    据 TechCrunch、Mashable 10 月 19 日报道，部分开发者和用户开始用 Claude Code 等 AI 工具清理智能电视广告、禁用追踪功能。开发者 Gathin T. 发起 CleanYourTV 项目，将父母的小米电视型号交给 Claude Code，通过 Wi-Fi 连接禁用 25 个小米软件包并生成新启动器替换原主屏，公开提示词和代码后两天内有数千名用户尝试。另一项目 DumbTV 由 Muzzammil Yasin Sabuwala 开发，使用 DeepSeek V4.1 Flash、Claude Opus 5.5 和 Claude Sonnet 5.5 等模型辅助，已在 Fire TV Edition 及索尼、TCL、飞利浦、海信、小米等品牌的 Android TV 或 Google TV 设备上端到端测试，也支持 Nvidia Shield。X 用户 Ryan Doyle 10 月 17 日称按 Claude Code 引导移除广告和部分预装软件、调整屏保并改善界面响应。这些项目仍处开发测试阶段，部分用户遇到 AI 拒绝执行、流程中断或设备无法正常使用等问题，禁用错误系统组件可能导致设备异常甚至无法启动。

    出典を読む ↗

超级个体

  • steipete 用自动化循环两周将 OpenClaw 前端从 Lit 迁移到 Solid 2.0

    steipete 表示，两周前他启动了一个自动化循环，把 OpenClaw 基于 Lit 的 Web 前端迁移到 Solid 2.0。约 6 天后移除了 Lit，又用一周把代码模式改为符合 Solid 习惯的写法。他每隔一天检查一次会话，整个过程基本自动完成，共产生约 600 个 PR。结果是 JS 和 CSS 体积更小，更新控制更细粒度，整体感觉更流畅、响应更快。

    出典を読む ↗

产品雷达

  • Rouler：按应用或IP在Windows多网卡间分流流量

    澳大利亚独立开发者Brendan发布Windows网络分流工具Rouler，可按应用或IP范围将流量分配到不同网络接口，支持同时运行Tailscale、Mullvad和OpenVPN官方客户端，例如让Slack走OpenVPN、Chrome和某IP段走Tailscale、BT客户端走Mullvad。Rouler不绑定特定VPN，只要工具能建立Windows网络接口即可分流。项目开发一年多，现进入公开测试。作者称驱动为手写，约6-9个月用于驱动开发和测试；AI在驱动开发中常给出错误方向或虚构Windows API，但在用户态UI迭代、脚本和重构中帮助较大。

    出典を読む ↗

過去のレポート