{"code":200,"message":"成功","data":{"list":[{"id":13042,"source":"news","source_id":"1703819","category":"ai","ai_score":175,"title":"Musk 起诉 Altman之际，OpenAI 1300亿美元慈善基金会面临考验","content":"随着 Elon Musk 对 OpenAI 提起诉讼，这家 AI 公司1300亿美元的基金会、微软合作关系及其非营利使命正面临考验。Musk 与 Altman 之间的法律纠纷将 OpenAI 向营利性转型的计划推向了风口浪尖。OpenAI 最初作为非营利组织成立，如今正在寻求 IPO（首次公开募股），但其复杂的公司结构引发了法律和治理方面的挑战。微软目前持有 OpenAI 超过1350亿美元的股份，两家公司的合作关系正在经历重大调整。这一诉讼可能对 AI 行业的未来发展格局产生深远影响。","source_url":"https://www.me.news/aimpact/articles/13042","published_at":"2026-04-27T16:59:46.000000Z","status":1,"metadata":{"raw_data_id":83798,"content_length":246,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T18:00:40.000000Z","updated_at":"2026-04-27T18:00:40.000000Z","deleted_at":null},{"id":13047,"source":"news","source_id":"1703691","category":"ai","ai_score":130,"title":"Sam Altman 不能被信任","content":"Sam Altman 不能被信任。• OpenAI 董事会解雇了他，因为他对他们并不总是坦诚。他们表示他不应该控制强大的 AI。• 一份重大报告访谈了 100 多人并查阅了机密文件。报告称他对真相几乎达到反社会程度的无所谓。与他共事的人说他很容易说谎，但仍然希望每个人都喜欢他。• 顶级科学家 Ilya 在解雇前写了 70 页笔记。笔记显示 Sam 对团队和董事会关于安全规则并不坦诚。• 他将 OpenAI 从 Elon 帮助创立的无营利组织转变为营利性企业。本应开放给所有人且无个人利益。• 他未经许可在 Twitter 数据上训练 OpenAI。• 他持续撒谎，缺乏透明度。• 他挖角 xAI 员工并非法获取敏感信息。• 他放弃核心安全承诺以争夺增长和资金。资深团队成员称他在全球的大型昂贵 AI 项目太危险。• 一位前 OpenAI 董事会成员直接称他为骗子。这不仅仅是说辞。这是离他最近的人所说的和事实所表明的。当那些与他共事的人说他不能被信任时，就是这样。","source_url":"https://www.me.news/aimpact/articles/13047","published_at":"2026-04-27T16:52:00.000000Z","status":1,"metadata":{"raw_data_id":83794,"content_length":434,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T19:00:47.000000Z","updated_at":"2026-04-27T19:00:47.000000Z","deleted_at":null},{"id":13030,"source":"news","source_id":"1701551","category":"ai","ai_score":130,"title":"微软与 OpenAI 重修合作协议，取消独家授权并移除 AGI 条款","content":"微软和 OpenAI 周一宣布修正合作协议，减少双方相互依赖。根据新协议，微软将不再独家授权 OpenAI 的技术，两家公司之间的收入分成安排也将终止。变更立即生效，同时微软仍保留其超过1350亿美元的股份。根据修改后的协议，OpenAI 现在可以向任何云提供商提供其所有产品，结束微软之前的独家云合作伙伴地位。OpenAI 向微软支付的收入分成将持续到2030年，但其他收入分成安排被取消。新协议还删除了如果 OpenAI 宣布实现通用人工智能（AGI）可能改变合作关系的复杂条款。微软在 OpenAI 的股份估值超过1350亿美元（根据纽约时报报道）。微软将继续通过2032年许可 OpenAI 的知识产权和产品，保留其对底层技术的访问权，同时 OpenAI 获得运营独立性。这次合作重组是在微软此前分散 AI 关系的努力之后进行的。去年9月，微软表示将通过从竞争对手 Anthropic 购买模型来减少对 OpenAI 的依赖。","source_url":"https://www.me.news/aimpact/articles/13030","published_at":"2026-04-27T14:57:58.000000Z","status":1,"metadata":{"raw_data_id":83642,"content_length":417,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T16:01:21.000000Z","updated_at":"2026-04-27T18:01:29.000000Z","deleted_at":null},{"id":13048,"source":"news","source_id":"1701548","category":"ai","ai_score":130,"title":"微软与 OpenAI 重新调整 AI 协议，取消排他性条款和 AGI 条款","content":"微软和 OpenAI 修改了合作协议，旨在减少双方的相互依赖。根据两家公司周一发布的公告，微软将不再独家授权 OpenAI 的技术，且两家公司之间的收入分成安排将终止。这些变更立即生效，但微软仍保留其超过 1350 亿美元的股份估值。\n\n微软将继续通过 2032 年许可 OpenAI 的技术，但正在结束与这家 AI 公司的独家合作关系。根据重新签订的协议，OpenAI 可以向任何云提供商客户提供其所有产品，结束微软此前作为独家云合作伙伴的地位。OpenAI 向微软支付的收入分成将持续到 2030 年，但其他收入分成安排被取消。\n\n新协议移除了如果 OpenAI 宣称已达成通用人工智能 (AGI) 可能改变合作关系的复杂条款。微软在 OpenAI 的股份估值超过 1350 亿美元（据《纽约时报》报道）。微软保留了 OpenAI 知识产权的许可至 2032 年，保护了这家科技巨头对底层技术的访问，同时 OpenAI 获得了运营独立性。\n\n此次合作重组正值微软更早采取行动实现 AI 关系多元化之后。9 月，微软表示将通过从竞争对手 Anthropic 购买模型来减少对 OpenAI 的依赖。最近，微软推出了一款名为 Copilot Researcher 的 AI 工具，该工具结合了 OpenAI 的 GPT 和 Anthropic 的 Claude，效果显著。\n\n2 月，在 OpenAI 从亚马逊、软银和英伟达获得 110 亿美元新融资时，这家初创公司和微软发表联合声明表示，尽管这家 AI 巨头不断增加支持者，他们仍然是紧密的盟友。\n\n“微软和 OpenAI 继续在研究、工程和产品开发方面紧密合作，建立在多年深度协作和共享成功的基础上，”他们在 2 月份表示。“微软保持对 OpenAI 模型和产品知识产权的独家许可和访问。像 OpenAI 和亚马逊之间的合作一直在我们的协议预期范围内，微软很高兴看到他们共同打造的一切。”\n\n微软股票 (MSFT) 周一开盘后小幅下跌，近期为每股 423 美元，当天下跌约 0.3%。","source_url":"https://www.me.news/aimpact/articles/13048","published_at":"2026-04-27T14:57:42.000000Z","status":1,"metadata":{"raw_data_id":83643,"content_length":863,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T19:01:26.000000Z","updated_at":"2026-04-27T19:01:26.000000Z","deleted_at":null},{"id":13043,"source":"news","source_id":"1701496","category":"ai","ai_score":170,"title":"微软失去 OpenAI 模型和产品独家访问权，为与其他公司合作铺平道路","content":"根据最新报道，微软将不再独家访问 OpenAI 的模型和产品，这也为该公司与其他大型公司开展合作铺平了道路。这一变化标志着两家公司合作的重大调整：微软此前一直是 OpenAI 的独家云服务提供商和技术授权伙伴，但根据新的合作协议，OpenAI 现在可以向任何云提供商提供其产品和服务。不过，微软仍然保留其持有的 OpenAI 股份（估值超过1350亿美元），并将继续通过2032年的许可协议使用 OpenAI 的技术。","source_url":"https://www.me.news/aimpact/articles/13043","published_at":"2026-04-27T14:55:52.000000Z","status":1,"metadata":{"raw_data_id":83648,"content_length":209,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T18:00:47.000000Z","updated_at":"2026-04-27T18:00:47.000000Z","deleted_at":null},{"id":13044,"source":"news","source_id":"1701476","category":"ai","ai_score":150,"title":"AI 为传统软件公司投下生存阴影，Bridgewater 首席投资官发出警告","content":"当亚马逊开始在网上销售书籍时，许多人担心传统书店（如巴诺书店）会逐渐消失。Bridgewater 联合首席投资官借鉴1990年代的这一段历史，指出随着人工智能的快速崛起，传统软件公司正面临类似的生存威胁。Bridgewater 在周一发布的客户报告中表示：「随着 Claude Code 的最新发布，一家新兴竞争对手已经为大型企业创造了生存风险，正如当年亚马逊对巴诺书店构成的威胁一样。」新发布的 AI 模型可能颠覆传统软件公司的担忧已经震动整个行业，引发软件股票抛售。标准普尔500软件和服务指数今年迄今已下跌16.6%。裁员也在增加，从大型科技公司到金融服务公司在内的各行业公司都在裁员，理由是部署 AI 可以节省成本。Bridgewater 联合首席投资官 Bob Prince、Greg Jensen 和 Karen Karniol-Tambour 在报告中写道：「市场已开始对应用软件公司的风险进行定价，企业要么与 AI 共同发展，要么面临被颠覆。」","source_url":"https://www.me.news/aimpact/articles/13044","published_at":"2026-04-27T14:55:27.000000Z","status":1,"metadata":{"raw_data_id":83644,"content_length":430,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T18:00:55.000000Z","updated_at":"2026-04-27T18:00:55.000000Z","deleted_at":null},{"id":13029,"source":"news","source_id":"https://the-decoder.com/?p=34877","category":"ai","ai_score":195,"title":"Sam Altman 提出五项原则：为 OpenAI 商业决策提供理论依据","content":"OpenAI 首席执行官为其公司未来工作制定了五项指导原则。这些原则同时也为其一些 unconventional 的商业决策提供了理论依据。Sam Altman 表示，这五项原则将指导 OpenAI 在追求技术领先地位的同时，确保公司的商业行为符合其使命声明。尽管这些原则为 OpenAI 的战略决策提供了框架，但也引发了关于公司治理和商业道德的讨论。部分分析师认为，这些原则可能在一定程度上为公司的争议性决策提供了辩护色彩。","source_url":"https://www.me.news/aimpact/articles/13029","published_at":"2026-04-27T13:59:05.000000Z","status":1,"metadata":{"author":"Maximilian Schreiner","raw_data_id":83640,"content_length":213,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T16:01:07.000000Z","updated_at":"2026-04-27T18:00:31.000000Z","deleted_at":null},{"id":13011,"source":"news","source_id":"https://the-decoder.com/?p=34866","category":"ai","ai_score":155,"title":"ASML计划大幅提升EUV光刻机产能以满足AI芯片需求","content":"ASML计划大幅提升EUV光刻机产能，以满足不断增长的AI芯片需求。据《华尔街日报》报道，该公司计划2026年生产至少60台标准EUV光刻机，较2025年增长36%。这家荷兰公司是全球唯一一家能够生产用于制造现代AI芯片所需设备的生产商。微软、Meta、Amazon和Alphabet这四大美国科技巨头今年计划在AI领域投资超过6000亿美元，这推动台积电等芯片制造商加速自身支出，进而带动对ASML设备的需求进一步增加。ASML首席执行官Christophe Fouquet表示，公司不希望成为客户的瓶颈。预计全年营收将从去年的约380亿美元增长至420亿至470亿美元。ASML今年在建筑和设备方面的投资约为22亿美元，较2025年增长约20%。新的无尘室正在美国、德国和韩国建设中。ASML还投资了13亿欧元成为法国AI初创公司Mistral AI的最大股东，帮助减少欧洲对美国和中国AI模型的依赖。","source_url":"https://www.me.news/aimpact/articles/13011","published_at":"2026-04-27T08:58:25.000000Z","status":1,"metadata":{"raw_data_id":83210,"content_length":403,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T10:01:18.000000Z","updated_at":"2026-04-27T10:01:18.000000Z","deleted_at":null},{"id":12990,"source":"news","source_id":"https://www.ifanr.com/?p=1663082&utm_source=rss&utm_medium=rss&utm_campaign=","category":"ai","ai_score":125,"title":"愛奇藝 AI 藝人庫引發爭議背後：一條不需要觀眾喜歡就能賺錢的產業鏈","content":"在愛奇藝舉辦 2026 年世界大會之前，這個公司上下可能沒有人想到，這掀起了一場如此洪水滔天的大起義。4 月 20 日，愛奇藝通過世界大會展示了一款名為 Nadou Pro 的 AI 影視製作平台，以及一項新計劃：超過 100 位藝人已經加入了平台的「藝人資料庫」，AI 創作者可以通過這個資料庫快速與演員建立合作，調用他們的形象來製作內容。愛奇藝高級副總裁劉文峰在現場表示，這是在搭建一座橋樑，讓 AI 創作者和演員更快地對接，用更低的成本、更快的速度，實現更豐富的創作。\n\n消息一出，完全炸鍋，第一時間跳出來反對的不是別人，正是演員們本人。粉絲群體的憤怒隨後而至。愛奇藝被嘲諷為下一個「非物質文化遺產」，「AI 藝人」這個詞條迅速衝上熱搜，熱梗也隨之而來，矛頭對準了 CEO 龔宇：AI 這麼厲害，怎麼不把你們高管取代了呢？\n\n愛奇藝不得迅速做出澄清，稱市場對「百人名單」存在誤讀。龔宇也親自出來重申，解釋自己在發布會時的表達，以及進行一些潦草的公關動作。但無論如何，這無法遮掩平台對 AI 技術在影視娛樂產業應用抱有的態度：AI 是平台眼中的「效率工具」，在創作者眼中是對人的替代。當技術能把一個人的臉、聲音、表演習慣拆解成資料庫裡的可調用參數，「確認權」這三個字能提供的安慰其實非常有限。\n\n但愛奇藝的 AI 野心並非孤例。它只是一條正在高速運轉的產業鏈上，最新露出水面的一環。\n\n**一條不需要觀眾喜歡就能賺錢的產業鏈**\n\n2026 年 1 月，中国各平台日均上線 470 部 AI 短劇，單月新增超過 14,600 部。到 2 月底，在播 AI 劇目累計達到 12.78 萬部。3 月，抖音上 AI 短劇的日均廣告投放額突破 7,000 萬元，歷史上首次超過了真人短劇。僅 2026 年 3 月新上線的 AI 短劇，總量即達 39,239 部。\n\n這些數字看起來像是一個行業的黃金時代。但如果你去看另一組數據，畫面就完全不同了：在這 12.78 萬部劇目中，播放量破億的不超過 150 部。破億率 0.117%。\n\n更關鍵的是觀眾的態度。2026 年初的受眾調查發現，寫實類 AI 短劇在所有 AI 內容形態中，消費和付費的意願排名墊底。AI 製作的劇集類型中，觀眾更為接受的僅僅只是動漫類，而非真人類。\n\n現在的技術是非常強了，但是在細枝末節處，觀眾還是能察覺到合成的質感。真的被騙過去的人不會懷疑，反而是這種「接近真實但又沒到」的微妙不適感，恰好壓制了讓人願意掏钱的情感投入。\n\n如果故事不賣錢，這個行業靠什麼掙錢？答案是流量套利。這套玩法有一個精準的閉環：低成本製作內容，高強度購買平台廣告來獲取播放量，從中間的差價裡掙錢。生存的關鍵不是講好一個故事，而是買量效率。\n\n這套模式之所以能運轉，是因為 AI 把製作成本壓到了一個前所未有的低點。傳統短劇單集成本在十萬到數十萬元之間，場景複雜的甚至達到百萬級。而 AI 短劇《霍去病》的核心算力成本，僅僅 3,000 元人民幣，它在春節檔上線後播放量破 10 億，登頂紅果短劇全站熱播榜。\n\n3,000 元當然不是真正的「全部成本」，但它揭示了一個結構性變化：當製作的邊際成本趨近於零，整條產業鏈的利潤重心就不可避免地從「內容」轉移到了「基礎設施」。\n\n華西證券的分析師趙琳把這個趨勢拆成了三個受益方向：AI 視頻工具 SaaS、算力租賃平台、以及掌握 IP 儲備和分發渠道的頭部平台。中信建投的分析師則從 token 消耗的角度算了一筆賬：一部 AI 漫劇每分鐘消耗 50 萬到數百萬 token，一部完整作品需要消耗過億 token。這意味著，哪怕這部劇沒有任何一個觀眾付費觀看，模型公司已經從算力消耗中收到了錢。\n\n**最先擁抱 AI 的一代人正在最快地離開**\n\n模型公司賣算力，平台賣流量，資本賣故事，每個環節都在賺錢，唯獨沒有在意作品本身，產業鏈的上游和中游都在加速。\n\n那終端的觀眾呢？來看一下更廣泛層面，大眾對 AI 的觀感。蓋洛普今年 4 月發布的最新民調給出了一個令人意外的答案。在美國，Z 世代對 AI 的興奮度在過去一年內從 36% 暴跌至 22%，下降了 14 個百分點。與此同時，這個群體中對 AI 感到「憤怒」的比例從 22% 飆升至 31%。\n\nZ 世代是數字原住民，是第一批把 ChatGPT 用在作業裡的人，是所有世代中最早擁抱 AI 的群體。所以，這不是中老年人對新技術的本能恐懼，而是最早擁抱 AI 的人，他們正在最快地恨上 AI。\n\n廣泛的現象，也是因為有廣泛的原因：抽象的技術樂觀主義撞上了具體的生存壓力。Stanford 2025 年時的研究數據就顯示，22 到 25 歲電腦專業畢業生的就業率大幅下降，這些剛好是年輕的應屆生。紐約聯儲的調查發現，年收入低於 5 萬美元的工人中只有 15.9% 在使用 AI，而年收入超過 20 萬的群體使用率高達 66.3%。AI 不是在「賦能所有人」，它在拉大已有的差距。\n\n這也是為什麼，在面對愛奇藝 AI 藝人的暴論時，最熱切的討論不是從藝術，而是從就業方向展開的，觀眾本能地共情這個行業裡潛在被代替的勞動者：編劇、攝影、場務、美術、妝造……\n\n當內容的生產成本趨近於零，爆款率也趨近於零，觀眾的興趣同樣趨近於零，「娛樂產業」這四個字還意味著什麼？也許它正在變成一種新的基礎設施生意，就像修高速公路，收費站永遠在賺錢，只是路上跑的車越來越少，而車上坐的人越來越無聊。（來源：愛範兒）","source_url":"https://www.me.news/aimpact/articles/12990","published_at":"2026-04-27T05:57:35.000000Z","status":1,"metadata":{"raw_data_id":82991,"content_length":2249,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T07:01:44.000000Z","updated_at":"2026-04-27T07:01:44.000000Z","deleted_at":null},{"id":12979,"source":"news","source_id":"https://medium.com/p/0f9176eabe72","category":"ai","ai_score":120,"title":"我是如何使用Claude Code构建生产级流热仿真平台的","content":"从物理方程到CUDA内核、WebGPU着色器，以及基于浏览器的GPU原生仿真堆栈。强迫空气对流的3D打印格子铜散热器，底部伴有热源。\n\n在这个项目的某个阶段，我停下来数了一下：Python、CUDA C++、WGSL、GLSL、JavaScript。五种语言，一个集成平台，零位合著者。通常需要一支数值方法工程师、GPU程序员、前端开发人员的团队，以及数年时间才能交付一个成熟的工程工具。我的背景是计算力学：有限元分析、结构优化、材料建模和多物理场仿真。不是GPU内核。不是WebGPU着色器管道。\n\n改变这一切的是Claude Code。它从“给我写一个Python脚本”变成了一个能够运行自主夜间数值研究、在五种编程语言中保持正确性契约、在跨模块不一致变成bug之前就标记它们的AI。这就是我想告诉你的AI辅助工程的版本。\n\nFluxCore3D是最终的结果：一个GPU加速的共轭传热平台。共轭意味着流体流动和固体热传导同时求解。专门为电子热管理而构建——风冷或液冷芯片、冷板、热管、热交换器、浸没冷却、复杂的散热器和歧管拓扑结构。核心组件包括：一个运行在WebGPU（WGSL）上的内置节点图符号距离场（SDF）CAD引擎、一个让你点击3D网格面的WebGPU面选择器、基于GPU射线追踪的体素化、一个耦合多网格热求解器的Lattice Boltzmann流动求解器、以及用于可视化的基于WebGL的体积光线行进场、动画流线等等。\n\n从物理到平台的旅程并非从想法到工作软件的一条直线。它是一系列独特的工程问题，每个问题都需要不同的方法、不同的语言，以及与Claude Code的不同协作方式。有些阶段是关于仔细奠定基础，这样所有建立在上面的东西都不会倒塌。其他阶段是解决我之前没有预料到的问题，而且在任何合理的时间范围内无法独自解决。以下是每个阶段的诚实分解，以及作为独立开发者构建另一个工程仿真平台时会采取的相同做法。","source_url":"https://www.me.news/aimpact/articles/12979","published_at":"2026-04-27T02:37:44.000000Z","status":1,"metadata":{"author":"Karthik Rajan, Ph.D","raw_data_id":82772,"content_length":809,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T05:01:36.000000Z","updated_at":"2026-04-27T05:01:36.000000Z","deleted_at":null},{"id":12978,"source":"news","source_id":"https://medium.com/p/ece45c1f80bb","category":"ai","ai_score":145,"title":"MCP已死：到底是什么在真正杀死它","content":"MCP（Model Context Protocol）被设计为AI智能体的通用集成层，但其架构存在一个根本性缺陷，这一缺陷的严重程度已经远超其 adoption 增长的速度。每个MCP服务器连接时，都会将其工具描述直接注入智能体的上下文窗口，每次添加都会扩大攻击面。Context Poisoning（上下文污染）—— 即恶意或冗余的工具描述破坏智能体的推理能力—— 现已被OWASP评为第一大LLM安全漏洞。2025年的真实事件已暴露了企业数据，影响了超过10万个站点，并证实了这一威胁并非理论假设。\n\n**为什么MCP曾经重要（现在这已不够）**\n\n2024年11月，Anthropic推出了MCP，它恰好成为了AI生态系统需要的抽象层。智能体正在迅速普及——研究智能体、编码助手、工作流自动化器——但每个都需要定制的集成。MCP提供了一个清晰的答案：通过JSON-RPC 2.0协议标准化工具调用，让服务器通过结构化模式宣传功能，让任何主机（Claude Desktop、Cursor、自定义智能体）都能统一使用它们。“AI的USB-C”这一比喻之所以流行，是因为它是准确的。几个月内，官方MCP GitHub仓库获得了超过27000颗星。Stripe、Slack、OpenAI、Microsoft Copilot和IBM Watson相继推出了官方集成。数百个开源服务器随之诞生。\n\n但问题不在于MCP的雄心，而在于其执行方式——一个特定的架构决策现在正在损害生产级AI系统。\n\n**根本问题：所有内容都进入上下文窗口**\n\n当你将MCP服务器连接到智能体时会发生什么？服务器注册自己并宣传其工具：名称、描述、输入模式、参数。所有这些都直接流入LLM的上下文窗口，作为系统提示或工具调用元数据的一部分。你的智能体读取它，对其进行推理，并根据这些自然语言描述决定调用哪个工具。这就是设计。它也是攻击面。\n\n**Context Poisoning：无法修补的结构性漏洞**\n\nContext Poisoning发生在流入智能体上下文窗口的文本——工具描述、返回的API响应、文档内容——包含改变智能体预期行为的指令时。这就是协议层面的提示注入。由于MCP的信任模型是宽松设计的（工具描述被视为权威），恶意或被破坏的MCP服务器可以直接在工具元数据中嵌入隐藏指令。OWASP将提示注入列为LLM01：LLM应用中的顶级漏洞。在MCP生态系统中，除非主机明确清除它接收的每个工具描述（目前默认没有任何人这样做），否则这在结构上是不可避免的。\n\n这并非理论假设。Invariant Labs在2025年演示了一个恶意MCP服务器只需在注册时污染工具行为，就能静默泄露用户的整个WhatsApp消息历史。攻击不需要代码执行，也不需要用户交互，只需连接恶意服务器即可。\n\n真正的企业事件随之而来：\n- Asana（2025年5月）：其MCP集成中的租户隔离失败导致跨组织数据污染，影响多达1000家企业\n- WordPress AI Engine插件（2025年6月）：超过10万个站点因MCP漏洞暴露特权提升，公开披露后才修补\n- Supabase + Cursor（2025年中期）：通过支持工单内容的提示注入导致拥有service-role数据库访问权限的智能体将私有集成令牌泄露到公共线程\n\nMCPTox基准测试评估了真实MCP服务器面对工具污染攻击的能力，发现包括o1-mini和DeepSeek-R1在内的流行模型在对抗性工具描述下的攻击成功率超过60%。\n\n**当前构建智能体系统意味着什么**\n\nMCP生态不会消失。Claude Desktop、Cursor、GitHub Copilot和数十种其他工具都有原生MCP支持。无论你是否计划，都必须与它交互。现在值得做的工程决策：\n\n1. 将每个MCP服务器视为不受信任的输入。工具描述是用户提供的文本，即使服务器是由你信任的供应商运营。不要直接向MCP服务器授予凭证访问权限。\n2. 将智能体权限限制为每个任务所需的最小范围。进行研究的智能体不应该有GitHub写权限。提交工单的智能体不应该有生产基础设施访问权限。MCP的扁平访问模式与此相反；在其之上叠加权限系统。\n3. 对任何难以逆转的操作要求人工批准。发送、创建、删除、发布任何具有真实世界副作用的操作。在需要时之前建立审批通道，而不是在事件发生后。\n\nMCP采用的Velocity已经超过了其安全模型。这不是停止构建智能体系统的理由，而是要以智能体最终会被误导、操纵或迷惑的假设来构建——你的架构应该优雅地处理这三种情况。","source_url":"https://www.me.news/aimpact/articles/12978","published_at":"2026-04-27T02:37:13.000000Z","status":1,"metadata":{"author":"Kushal Banda","raw_data_id":82774,"content_length":1907,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T05:00:54.000000Z","updated_at":"2026-04-27T05:00:54.000000Z","deleted_at":null},{"id":12992,"source":"news","source_id":"https://medium.com/p/f961e14f42ad","category":"ai","ai_score":110,"title":"17000 人本週被裁員：矽谷巨頭為 AI 豪擲 2500 億美元的殘酷算數","content":"2026 年 4 月的一週內，硅谷三家最大的科技公司宣佈將合計裁員 17,000 人。Snap 解僱 1,000 人，佔其全部員工的 16%。Meta 宣佈裁員 8,000 人，佔其員工總數的 10%，定於 5 月 20 日生效。微軟向約 7% 的美國員工提供自願買斷方案，約 8,750 人。\n\n與此同時，這些公司的股價全部上漲。Snap 股價大漲 11%。這些被裁減的人類員工正在為正在建設的機器提供資金。Meta 計劃在 2026 年在 AI 基礎設施上投入 1,150 億至 1,350 億美元。微軟去年在 AI 上的支出高達 880 億美元，並裁減了 15,000 個工作崗位。（來源：Towards AI）\n\n（全文完）\n\n本文章講述了科技巨頭在 AI 時代的用工矛盾：一邊大規模裁員削減成本，一邊在 AI 基礎設施上投入巨額資金。這種對比引發了關於 AI 對就業影響的討論。","source_url":"https://www.me.news/aimpact/articles/12992","published_at":"2026-04-27T02:36:14.000000Z","status":1,"metadata":{"raw_data_id":82776,"content_length":391,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T07:02:15.000000Z","updated_at":"2026-04-27T07:02:15.000000Z","deleted_at":null},{"id":12988,"source":"news","source_id":"1690430","category":"ai","ai_score":88,"title":"DeepSeek Moment 2.0：華為或將撼動 Nvidia 領導地位","content":"中國備受期待的人工智能模型對 Nvidia 的影響可能比對 OpenAI 或 Anthropic 更大。DeepSeek 最新發布的產品與全球競爭對手相比令人印象深刻。但這家初創公司更重要的成就是找到了使用華為功能較弱處理器的方法。這是北京努力擺脫黃仁勛 4.9 萬億美元巨頭的重要一步。\n\n這家秘密 AI 實驗室一年多前以突破性成本效率模型震驚世界，被稱為\"DeepSeek Moment\"。這家總部位於杭州的公司終於在周五展示了其最新旗艦產品的預覽。這一代 V4 似乎不負厚望，根據 DeepSeek 自己的分析，在某些基準測試中與 OpenAI、Anthropic 和 Google 的產品相匹配甚至超越。\n\n但更大的明星可能是華為——北京指定的國家冠軍，領導國家的芯片製造努力。在 DeepSeek 發布同一天，這家從電信到半導體的巨頭宣布已與 DeepSeek 密切合作，其最新芯片可以支持 V4 模型進行推理。\n\n這是一個重要的里程碑。華盛頓的制裁和出口管制意味着這家私營中國公司最先進的芯片落後於 Nvidia，但華為正在通過將數千個性能較弱的處理器連接在一起運行取得令人印象深刻的進展。此外，DeepSeek 透露它已調整其推理軟件以高效使用 Nvidia 和華為芯片——這是將華為提升為可行的國產替代品的關鍵一步。當地芯片製造商的股票都因這一前景而上漲。\n\n儘管如此，要完全取代 Nvidia 和西方芯片還有很長的路要走。首先，DeepSeek 承認更強大的 V4 Pro 模型的供應將受到計算資源短缺的限制，一旦華為芯片在下半年量產，價格將大幅下降。這表明從 Nvidia 完全轉向華為還為時過早。此外，這家美國巨頭的處理器仍然主導著 AI 訓練市場。但是，DeepSeek Moment 2.0 仍是對 Nvidia 的警鐘。（來源：Reuters Breakingviews）","source_url":"https://www.me.news/aimpact/articles/12988","published_at":"2026-04-27T01:44:01.000000Z","status":1,"metadata":{"raw_data_id":82645,"content_length":796,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T07:01:09.000000Z","updated_at":"2026-04-27T07:01:09.000000Z","deleted_at":null},{"id":12973,"source":"news","source_id":"https://medium.com/p/9d782cb2cb2c","category":"ai","ai_score":92,"title":"我如何为团队构建知识图谱——利用AI和Markdown","content":"大多数团队没有知识问题。他们有检索问题。答案已经存在——存在于文档、查询、仪表板或某人的脑海中。问题在于没有人知道在哪里寻找。\n\n在我之前的文章中，我描述了构建一个永不遗忘的持久AI助手——一个使用markdown和本地知识结构的个人记忆层。这个系统对个人生产力效果很好。但它揭示了一个更难的问题：当知识不仅仅是属于我的时候，会发生什么？\n\n团队积累了大量机构知识——基础系统、业务上下文知识、数据表、SQL查询、调查手册、系统架构决策、利益相关者怪癖、指标定义、业务目标。在规模上，这不仅仅是数十个工件——而是数千个。其中大部分存在于某个人的脑海中，分散在内部文档、内部聊天群和部落记忆中。当那个人休假、换团队或离开公司时，知识不会转移。它会蒸发。\n\n所以我尝试了一些不同的东西。我为团队构建了一个结构化知识图谱——使用AI、markdown文件和信任评分系统——任何团队成员（或AI代理）从第一天起就可以导航。\n\n问题：部落知识无法扩展\n\n我的工作涉及推动供应链领域的分析科学—— inbound系统、outbound系统和库存管理。这个领域很密集。在一家万亿美元规模的公司，有数千个数据表分布在数十个系统中，每个系统都有自己的怪癖——列命名不一致、未记录的过滤器、仍出现在仪表板中的已弃用字段、外观相同但测量不同的表。\n\n加入这个空间的新团队成员面临陡峭的入职曲线不是因为工作概念上困难，而是因为正确完成工作所需的上下文分散且未撰写。我观察到这种模式反复出现：有人问\"哪个表有按仓库的每周库存？\"三个人给出三个不同的答案其中两个答案过时正确的答案需要没有人记录的特定过滤器。将其乘以数百个表和数十个工作流程，你会发现团队花费大量时间重新发现已经知道的东西。有些人可能会认为修复方法是更好的入职文档——但问题不仅限于新加入者。即使在该领域工作多年的团队成员也难以找到最新的真实来源，因为真正的问题是：我应该从哪里开始搜索？\n\n设计：结构化知识库\n\n从分散的知识到可导航的系统。\n\n知识图谱完全用markdown构建。没有专有工具，没有数据库。相反，我把这个problem分解成简单、可组合的单位。结构很简单：表→每个表一个文件（模式、信任评分、注意事项、相关查询）查询→按域组织的可重用SQL模板 SOPs→链接表和查询的逐步调查手册系统→主要平台的架构文档工具包→调查指南、AI配置、复制模板。每个文件遵循一致的模板。每个文件链接到相关文件。图谱从链接中出现。\n\n信任评分：并非所有知识都是平等的\n\n这是一个让系统真正有用的设计决策。每个表文件在其元数据中携带信任评分：评分信任级别含义 8-10 高 经过实战检验——完整模式，在3+真实调查中验证 6-7 中 经过验证——列通过直接查询确认 4-5 低 已记录——存在模式但尚未经过实战检验 2-3 未发现 最小——只有名称和类别\n\n这很重要，因为在大型组织中，并非所有文档都同样可靠。两年前写的工件可能描述了一个自那时起已重组的表。查询模板可能引用已重命名的列。信任评分使陈旧可见。更重要的是，它们使不确定性明确。它们告诉读者：这个文件最近经过验证并在实际工作中使用过vs这个文件存在但尚未验证。\n\n当我开始时，知识库大部分是未发现的。经过几周的积极调查工作，表从未发现→低→中→高毕业，因为它们被使用、验证和丰富。分布从大部分存根转变为健康的金字塔——高和低中丰富文件不断增长，低和未发现文件随着时间推移减少。\n\nAI如何构建（和维护）图谱\n\n手动构建数百个表配置文件需要几个月。AI在几周内使其可行。这依赖于LLM驱动的提取、总结和跨存储库和文档的链接。以下是实际发生的情况——一步一步：步骤1：绘制人员图。我让AI找到向我组织领导层汇报的每个人——完整的组织树。这给了我需要捕获其工作的贡献者宇宙。步骤2：找到他们的代码。对于每个人，AI扫描了公司的代码存储库——他们贡献的每个包、每个文件夹。对于每个发现，它创建了一个记录核心目的的文件。数千个文件夹和5,000+个文件出现。在那时，问题停止了发现。它变成了导航。步骤3：找到他们的数据。AI然后搜索这些人在过去一年中做的查询、数据表和分析工作。每个发现都获得了自己带有上下文的文件。2,000+个更多文件出现。步骤4：从文档丰富。AI抓取了这些人发布的每个可访问的内部文档——设计文档、手册、分析报告——并用它们来丰富步骤2和3中的文件。存根变成了丰富的配置文件。步骤5：从创建到维护。一旦基础层构建完成，系统从创建转变为维护——索引、交叉链接、自动刷新和持续丰富。定时工作每周拉取新鲜的表元数据，扫描新的代码提交，并自动检测组织变化。每个新发布的内部文档都用清晰的日期标记丰富现有的知识库文件。当运行真实调查时，AI识别书面程序中的空白，在索引知识库中搜索正确的信息，并即时更新程序。SOPs作为做真实工作的副产物而改进。这些步骤映射到四个概念层：脚手架（步骤1-3）：从人、代码和数据构建文件的初始宇宙 丰富（步骤4）：使用现有文档将存根深化为丰富的配置文件 交叉链接：双向连接文件——表链接到查询，查询链接到SOPs，SOPs链接到系统文档。图连接性——至少链接到另一个文件的文件的百分比——从个位数到接近整体。 living维护（步骤5）：自动刷新、持续丰富和自我修复程序，使知识库每次有人做真实工作时都变得更聪明。那一层是最重要的。知识而不是蒸发。\n\n图谱效应\n\n一旦知识库达到临界质量，事情发生了变化。新调查变得更快——不是因为AI更聪明，而是因为上下文已经结构化。与其花30分钟找出应该使用哪个表，AI（或人类）可以导航图谱：SOP→步骤→表→查询→已知注意事项。一个以前需要深入部落知识的多阶段调查变得任何有权访问知识库的人都可以导航。图谱也在之前不明显之前浮现了模式。在这个系统之前，每次调查都从不确定性开始——我应该从哪里开始？在图谱之后，调查从导航开始——这个在图谱中的哪里？仅仅是这一转变就改变了团队的运营速度。在多次调查中出现的表但信任评分低的成为明显的丰富优先事项。跨SOPs重复的查询得到整合。相互矛盾的系统文档被标记。\n\n是什么让它可移植\n\n知识库只是一个markdown文件文件夹。这就是重点。它在Obsidian（基于markdown的知识管理应用）中工作。它在VS Code中工作。它作为Git仓库工作。它作为可以读取文件的任何AI代理的输入工作。当我指向完全不同的AI接口到同一个文件夹时，它继承了完整的图谱——导航、信任评分、交叉链接、调查历史——无需任何重新配置。知识 survive the tool。\n\n可扩展性\n\n一旦我将图谱推送到共享存储库，我的50多人团队的每个成员在24小时内都克隆了它。在两周内，我举办了三场培训课程，解释团队成员如何在本地维护和扩展知识库。采用是即时的——不是因为我 mandate it，而是因为人们可以感受到不同。调查曾经开始于\"我应该问谁？\"现在从\"让我检查知识库\"开始。信号不是采用。是行为改变——人们停止问\"谁知道这个？\"并开始问\"这个在知识库的哪里？\"\n\n我们正在努力的下一步：使团队能够为共享存储库做出贡献。与其通过电子邮件或聊天消息交换知识——它被埋没和丢失——贡献直接进入图谱本身。知识保持结构化、可发现和永久。\n\n没有这个的代价\n\n我开始从时间恢复的角度思考这个问题。在知识库之前，典型的调查需要：15-30分钟识别正确的表10-20分钟找到或编写正确的查询10-15分钟发现别人已经知道的注意事项每次调查大约30-60分钟的开销。工作不难。查找是。将其乘以每周运行多次调查的团队，成本 quickly compound。保守估计：结构化知识恢复节省了每个团队每季度相当于一个全职人员的工作——不是通过更快地工作，而是通过消除冗余的重新发现。这不是什么这不是为了取代文档系统或数据目录。它填补了他们一直错过的空白——系统在实际中如何表现。文档平台适合叙事撰写和长篇指南。数据目录适合模式发现。这个知识库捕获了它们之间的操作知识层——gotchas、边缘情况和正式系统很少捕获的部落知识。\n\n任何团队如何重建这个\n\n这种方法不是领域特定的。任何具有以下条件的团队都可以构建一个版本：重复分析工作流程他们定期查询的数据表调查或调试程序存在于人们脑海中的机构知识成分是：每个知识类型的一致markdown模板跟踪可靠性的信任评分系统相关文件之间的交叉链接加速脚手架和丰富的AI层真实工作丰富知识库的反馈循环最难的部分不是构建它。是维护它。信任评分在这里有所帮助——它们使衰减 visible，这产生了保持事物最新的自然压力。\n\n结束反思知识管理经常被视为文档问题。写更多文档。更新内部页面。创建一个手册。但没有结构的文档只是文本。没有信任信号的文本只是噪音。使得这个系统有效的不 是内容 volume。而是图谱——文件之间的连接、信号可靠性的信任评分，以及使系统随着使用变得更智能的反馈循环。团队不是因为缺少知识而失败。是因为知识不 compound.Graphs compound。信任compound。结构 compound。工具不。这是关于职业成长、产品思维和构建复合系统的系列文章的第五篇。之前：How I Built a Persistent AI Assistant for Work That Never Forgets.","source_url":"https://www.me.news/aimpact/articles/12973","published_at":"2026-04-26T23:31:01.000000Z","status":1,"metadata":{"author":"Pankaj Kumar","raw_data_id":82532,"content_length":3846,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T02:02:49.000000Z","updated_at":"2026-04-27T02:02:49.000000Z","deleted_at":null},{"id":12969,"source":"news","source_id":"https://medium.com/p/1426c7980b87","category":"ai","ai_score":105,"title":"使用Python中的有向无环图(DAG)实现层级销售目标瀑布式分配","content":"企业级销售目标分配是每个大型组织面临的核心挑战。传统的预测库（如Meta的Prophet或标准Scikit-Learn回归模型）在企业B2B销售环境中经常遇到结构性障碍。这些统计聚合器专为B2C流量、仓库库存和宏观零售销售设计，它们依赖自下而上的历史聚合来进行概率预测。但企业B2B销售预测本质上是自上而下且具有层级约束的差异化过程，标准回归方法难以适用。\n\n本文介绍了一种将机器学习预测与企业确定性约束相结合的图论方法。主要内容包括：1) 数学论证为何标准回归库难以处理层级约束；2) 使用networkx和pandas构建图论方法自上而下分配目标；3)  reconciliation复杂企业层级中的人类行为偏差；4) 使用零和逻辑诊断管道健康状况并智能重新分配配额。通过使用有向无环图（DAG），企业可以数学上将确定性约束自上而下地推送，同时尊重历史容量权重和有意设置的安全层级。","source_url":"https://www.me.news/aimpact/articles/12969","published_at":"2026-04-26T21:31:01.000000Z","status":1,"metadata":{"raw_data_id":82373,"content_length":391,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T02:01:53.000000Z","updated_at":"2026-04-27T03:02:09.000000Z","deleted_at":null},{"id":12972,"source":"news","source_id":"1687880","category":"ai","ai_score":95,"title":"古尔曼：库克将强大产品线移交给继任者，包括九月发布的折叠屏iPhone","content":"科技记者马克·古尔曼（Mark Gurman）报道，苹果CEO蒂姆·库克（Tim Cook）正在将一条实力雄厚的产品线移交给继任者约翰·特努斯（John Ternus），其中包括计划于今年九月发布的折叠屏iPhone。\n\n这一消息表明库克在离任前已完成关键产品布局的交接工作。折叠屏iPhone作为苹果在可折叠设备领域的首次尝试，备受市场关注。该设备的发布将为苹果开辟全新的产品品类，同时也预示着苹果在创新设计方面的持续投入。\n\n约翰·特努斯此前主要负责硬件工程部门，在库克领导下积累了丰富的管理经验。此番接手产品线，他将为苹果带来怎样的新产品策略和产品规划，业界拭目以待。","source_url":"https://www.me.news/aimpact/articles/12972","published_at":"2026-04-26T18:42:43.000000Z","status":1,"metadata":{"raw_data_id":82191,"content_length":285,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-27T02:02:22.000000Z","updated_at":"2026-04-27T02:02:22.000000Z","deleted_at":null},{"id":12943,"source":"news","source_id":"1686635","category":"ai","ai_score":85,"title":"【DeepSeek输入缓存降价】全系列模型输入缓存命中价格降至首发价1/10","content":"【DeepSeek输入缓存降价】金十数据4月26日讯，据DeepSeek官网消息，即日起，DeepSeek全系列模型，输入缓存命中的价格降至首发价格的1/10，deepseek-v4-pro模型限时2.5折，优惠期至北京时间2026/05/05 23:59。此番减价叠加限时优惠后，DeepSeek-V4-Pro模型输入（缓存命中）降低至0.025元/百万Tokens。","source_url":"https://www.me.news/aimpact/articles/12943","published_at":"2026-04-26T14:53:54.000000Z","status":1,"metadata":{"raw_data_id":81857,"content_length":185,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-26T16:00:56.000000Z","updated_at":"2026-04-26T16:00:56.000000Z","deleted_at":null},{"id":12942,"source":"news","source_id":"https://the-decoder.com/?p=34859","category":"ai","ai_score":160,"title":"OpenAI 再次砍掉专用编程模型 Codex，将其整合进 GPT-5.5","content":"OpenAI 再次关闭了其专用的 Codex 编程模型，将其功能直接整合到主模型中。OpenAI 表示，GPT-5.5 承诺提供更强的 Agent 编程能力和更低的 Token 使用量。这是 OpenAI 第二次停用 Codex 模型，第一次停用后曾短暂恢复过，现在则彻底将其合并到主模型中，不再作为独立产品运营。","source_url":"https://www.me.news/aimpact/articles/12942","published_at":"2026-04-26T12:49:27.000000Z","status":1,"metadata":{"author":"Matthias Bastian","raw_data_id":81763,"content_length":157,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-26T16:00:49.000000Z","updated_at":"2026-04-26T16:00:49.000000Z","deleted_at":null},{"id":12935,"source":"news","source_id":"https://the-decoder.com/?p=34834","category":"ai","ai_score":85,"title":"研究人员指出：AI Agent 并未取代软件工程，而是将其扩展到代码之外","content":"流行的说法是 AI Agent 正在吞噬更多的编程工作，开发者正走向淘汰。但查尔姆斯理工大学和沃尔沃集团的研究人员在一篇新论文中认为，这种观点忽略了重点。研究表明，AI Agent 并没有取代软件工程，而是将其扩展到代码之外更广泛的领域，包括需求分析、系统设计、测试自动化、部署运维等多个环节。研究者呼吁业界重新定义软件工程的范畴，以适应 AI 驱动开发的新范式。","source_url":"https://www.me.news/aimpact/articles/12935","published_at":"2026-04-26T08:12:17.000000Z","status":1,"metadata":{"author":"Matthias Bastian","raw_data_id":81490,"content_length":182,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-26T12:00:53.000000Z","updated_at":"2026-04-26T16:01:26.000000Z","deleted_at":null},{"id":12922,"source":"news","source_id":"https://www.theguardian.com/technology/2026/apr/26/cannes-ai-film-festival-raises-eyebrows-questions-future","category":"ai","ai_score":83,"title":"戛纳 AI 电影节引争议——更引出关于未来的思考","content":"新兴技术被禁止进入金棕榈奖评选，但一个新兴运动正在获得投资和关注\n\n在戛纳黑暗的放映室里，本周电影业的所谓未来以一种奇异的方式闪现。首届世界 AI 电影节（WAIFF）展示了各种奇幻场景：男人脖子上长出鳞片、嘴里吐出海草；女主角的心脏在体外跳动；还有无数 AI 生成的古铜色男性军队横扫战场，连大卫·里恩都会脸红。\n\n上周，第 76 届戛纳电影节禁止新兴技术参与金棕榈奖竞争，坚称“AI 模仿得很好，但永远无法感受深层情感”。但本周，这座海滨小城被 AI 电影运动及其大型科技支持者接管的好莱坞工作室的投资和关注所占据。他们说，“新浪潮”正在到来。\n\n这个全新电影节在传统戛纳电影节同期举办，首次亮相就引发了关于电影未来的激烈讨论。一方面是坚持传统电影工艺的守护者，另一方面是拥抱 AI 创作工具的新兴力量。WAIFF 展示了 AI 生成影像的无限可能，从超现实主义视觉效果到完全由算法构思的叙事结构。\n\n支持者认为，AI 不是要取代人类创作者，而是要成为新的表达媒介。他们指出，正如所有新技术最初都会引发恐惧一样，电影院也曾抵制过声音、颜色和 CGI。然而，批评者担心，当 AI 可以批量生产内容时，什么才是真正的艺术？\n\n大型科技公司正在这一领域投入巨额资金，Meta、OpenAI 和 Google 等公司都在开发专门的电影制作 AI 工具。他们相信，未来的电影制作将更加民主化，任何人都能够通过简单的文本提示生成专业级视频内容。\n\n但 AI 电影面临的挑战同样现实：版权问题、伦理困境、以及如何定义“创作”。戛纳的决定表明，至少在目前，最负盛名的电影节仍然认为 human creativity 不可替代。","source_url":"https://www.me.news/aimpact/articles/12922","published_at":"2026-04-26T06:00:07.000000Z","status":1,"metadata":{"raw_data_id":81381,"content_length":701,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-04-26T07:01:32.000000Z","updated_at":"2026-04-26T08:01:11.000000Z","deleted_at":null}],"total":1647,"pageSize":20,"pageNum":1}}