36氪获悉，特斯拉表示，特斯拉电动卡车Semi进入量产新阶段。

36氪获悉，云迹科技2025年年报显示，期内总收入3.01亿元，同比增长23.1%。智能体应用收入增长194.1%，占总收入比重跃升至11.3%；HDOS订阅客户数大增925%；AI数字化系统收入增长57.3%，占比升至29.2%。海外收入增长92.1%，工厂场景增长393%。公司正从硬件供应商向服务智能体平台转型，收入结构迈向持续性现金流，估值逻辑重构。

摩根资产管理亚太首席市场策略师Tai Hui表示，美联储在可预见的未来可能维持利率不变。Tai Hui表示，鉴于多数委员觉得当前政策立场已属于中性，美联储可以保持耐心，观察中东冲突及其对经济和通胀的影响。他还表示，决策官员的分歧显示在高度不确定时期，美联储内部缺乏共识，这可能在新任主席上任后仍将持续。（新浪财经）

36氪获悉，4月29日，阿迪达斯公布2026年第一季度财报。财报显示，今年第一季度，阿迪达斯全球营收66亿欧元，在货币中性下（下同），较上年同期增长14%；营业利润同比增长16%，达7.05亿欧元；营业利润率达10.7%，同比提升0.8个百分点；毛利率维持在健康的51.1%。此外，今年第一季度，大中华区实现营收11.4亿欧元，同比增长17%，已连续十二个季度实现高质量的增长。

一季度过去，具身智能行业的融资热潮还在继续。

36氪获悉，专注于L4低速自动驾驶的公司「优时科技」宣布完成数亿元人民币B2轮融资。本轮融资由前海方舟领投，前海母基金旗下多支基金参与，联同鲲翎资本、厚天资本等8家投资机构共同完成。

在此之前，「优时科技」已完成了6轮融资：

·2018年6月，拿到 PNP 中国领投、北京汇丰投融、北京金种子和上海平阳复辉跟投的数百万人民币种子轮；

·2019年7月，获得英诺天使领投、驰星创投跟投的千万人民币天使轮；

·2020年10月，获得 Global Brain、英诺天使、驰星创投、PNP 中国、平阳复辉的数千万A轮融资；

·2022年7月，获得海尔资本、金茂资本、惟一资本投资的数千万A+轮融资；

·2023年1月，获得零以创投、厚天资本的数千万A++轮融资；

·2024年7月，完成了B1轮融资，由驰星创投、Global Brain投资，金额在数千万元级别。

「优时科技」成立于2018年，聚焦于通过计算机视觉实现L4自动驾驶，取代了传统多线激光雷达在低速行驶领域的应用。截至目前，「优时科技」已在海内外商圈、步行街、地铁站、机场等大流量场景部署了数千台「优时小车」，追平了成立于2014年的海外自动驾驶配送头部企业 Starship。

「优时科技」CEO林锫森表示：“在人形机器人赛道中，优时以L4视觉自动驾驶为底座，通过大流量场景验证机器人的通用导航和交互能力，进而平移到人形机器人平台。这一逻辑与特斯拉（Tesla）从FSD（完全自动驾驶）向人形机器人 Optimus 延伸的思路相似，两者都是坚持通过‘纯视觉感知算法 + 物理世界真实数据’，来驱动人形机器人走向通用智能。”

“当然，从小车跨越到人形机器人，在机械控制层面存在差异。” 林锫森强调，“优时的核心壁垒并非从零打造一具‘双足躯壳’，而是将成熟的L4视觉算法与空间认知能力，封装为具身机器人的‘社交导航大脑’。在硬件供应链日益成熟的今天，拥有应对复杂人流量的导航和交互大脑，也是人形机器人落地的重要环节。”

1.突破非结构化挑战，低成本转动数据飞轮

聚焦大流量场景，其技术挑战与传统开放道路的L4自动驾驶截然不同。

乘用车面临的环境通常是结构化的：有规整的车道线和室外RTK，算法可通过海量数据学习识别车道，并借助高精地图与多传感器融合进行辅助定位。相比之下，线下大流量商圈场景则是高度非结构化、强动态的复杂环境。这里没有车道线，人群穿梭不息，干扰因素极多。要在这种环境中实现自动驾驶，不仅需要重新构建算法，更必须把方案成本降到极致，才能满足线下商业需求。

“物理世界对成本极度敏感。无论是自动驾驶还是具身智能，低成本都是实现规模化的前提。”林锫森向36氪强调。“目前，可自主运营的人形机器人造价普遍偏高，出货量与乘用车无法在同一个量级，这导致其在物理世界采集的数据无法满足算法训练需求。行业陷入了‘先有鸡还是先有蛋’的困境——没有规模出货就跑不出数据，没数据就做不好智能，进而没法规模出货。具身智能很难直接复制乘用车‘靠海量用户转动数据飞轮’的路线。”

基于此，「优时科技」通过低成本的「优时小车」作为终端载体，率先在大流量场景跑起来。小车在拥挤人群中累积的真实运行数据，补齐了具身智能的“高动态社交数据”与“人机交互能力”。

为了实现这套低成本方案，「优时科技」花了7年时间的技术研发以及市场的探索。与其他竞品普遍采用多线激光雷达不同，优时从成立之初就坚决走纯视觉路线—— 采用双目摄像头实现三维定位和导航。

“如果依赖高精地图，派人重新扫描三维地图的市场价在每公里2000元左右。”一位无人车工程师透露。这对结构经常变动的大流量场景来说，是无法承受的隐性负担。

双目摄像头硬件虽便宜，但要实时生成3D信息，对算力要求极高。为此，优时通过自主研发的算法：在强弱光交替的环境中提取核心三维轮廓，滤除高动态干扰。这种机制确保了环境变化不对导航和运行产生影响。

2.下一步：大流量场景的人形机器人

“优时科技的定位始终是一家机器人公司。六轮小车是我们很专注的产品形态，接下来，我们的产品矩阵会增加人形机器人，未来两者将产生深度的场景和 IP 的结合。”林锫森表示。

在规划中，人形机器人更多承载交互功能，六轮小车则承担负载与移动。林锫森解释：“大流量场景需要高频的人机交互，且对续航要求极高。让人形机器人背着货跑，耗电量非常大，如果没有7到8小时以上的续航，很难在真实的商业运营中成立。”

在林锫森看来，具身智能的发展有两大核心板块：第一板块是 Locomotion（移动能力）与 Interaction（交互能力）；第二板块是 Manipulation（精细操作能力）。

他认为，机器人要想渗透进物理世界与人共处，首先要解决在复杂环境中的“共存与通行”问题——能否准确预判人的意图？是否听得懂指令？懂不懂得避让？而这正是「优时小车」的先发优势。每天在人流密集、环境嘈杂的商超中穿梭，积累了海量的人机共存数据，并借此训练出了“社交导航能力”，赋予了机器人意图预判、秩序融入和得体交互的能力。

“虽然小车和人形机器人的物理载体不同，但应对复杂人流的‘社交导航大脑’和‘空间认知模型’是相通的。”林锫森指出，“这能率先解决第一板块的移动和交互痛点。随着技术发展，我们再去慢慢完善第二板块的精细操作能力。”

3.造血式数据采集：线下商业闭环

除了视觉算法的复用，「优时科技」利用高频的线下商业场景，破解了具身智能行业“数据采集成本高”的核心痛点——用商业价值为数据采集买单，让机器人在为B端客户创造收益的同时，源源不断地反哺AI训练数据。

在大流量场景中，优时花了多年时间打磨造血环节：「优时小车」不再仅仅是单纯的物理移动载体，而是可移动的商业智能终端（AI Agent），能够依靠视觉算法主动寻找人流密集的高热度区域，为线下客户提供动态的展示、移动产品体验与线下流量分发。

这种主动找人的交互模式，打破了传统商业被动获客的痛点，将公域流量转化为私域流量；凭借可量化的商业回报，让小车成为基础设施，为客户大幅降低了获客成本。

如今，数千台在高频运转的终端小车构成了自我造血的变现网络，也是一个持续更新的世界数据库。小车在与人群的高频商业交互中，累积了海量的多模态数据与动态空间信息。

本轮投资方前海方舟项目投资负责人表示：“在物理世界里复刻AGI，是一场勇敢者的游戏。优时科技通过技术创新，实现了低成本高精度的L4自动驾驶解决方案；并进一步利用自研方案的优势，锚定赋能线下大流量、高动态环境市场。在快速跑通商业模式形成闭环的同时，逐步构建起了规模效应和物理世界的数据壁垒。该项目是前海方舟基金群在‘AI+物理智能体’垂直领域落下的关键一子。”

据悉，本轮资金将主要用于L4自动驾驶技术向具身智能的规模化迁移、通用视觉技术商业终端的网格化部署，以及多模态AI Agent与生成式动作大模型的研发与市场扩展。

36氪获悉，《“十五五”海南国际旅游消费中心规划》公开征求意见。其中提到，丰富航天旅游产品业态。优化升级发射观礼平台、综合观礼营地，开发海上邮轮观礼路线，落地海南航天博物馆、航天游学中心等项目，建设国家级航天科普研学基地，开放火箭总装测试、卫星超级工厂等工业场景，打造沉浸式研学阵地，布局亚轨道太空旅游中心等前沿设施，做强文昌“航天旅游之都”。完善航天旅游配套服务产业链。

36氪获悉，《“十五五”海南国际旅游消费中心规划》公开征求意见。其中提到，培育航天旅游市场主体。推进航天旅游平台组建，支持市场主体参与航天旅游产品开发、运营、推广，培育本土特色航天文旅企业。依托文昌国际航天城建设，整合火箭观礼嘉年华、航天科普中心、卫星超级工厂、研学基地等资源，打造集航天博览、科普教育、科幻体验、娱乐休闲、亲子研学、观光度假于一体的航天旅游综合体。构建以航天科技体验、航天科普研学为核心的沉浸式高端旅游消费集聚区。

菲律宾央行表示，2026年4月的通胀率将保持在5.6%至6.4%之间。将保持警惕，并以即将公布的数据为指引，尤其关注通胀和经济增长前景。（财联社）

36氪获悉，沪深两市成交额突破1万亿元，较上一个交易日此时放量近1700亿元。

36氪获悉，钉钉正式推出DingTalk A1 Pro，并在天猫钉钉官方旗舰店开售。据了解，DingTalk A1 Pro内置2980mAh大容量电池，连续录音时可达180小时，待机时达180天。

四月没过半，你的朋友圈应该已经被反复刷过三四轮屏了吧？

「龙虾」的热度还没完结，网上就出现了另一场新的全民狂欢：SBTI ——

这是由 b 站 up 主 @蛆肉儿串儿 戏仿 MBTI（迈尔斯-布里格斯类型指标）人格测试做出来的小工具，摒弃了严肃的荣格心理学式分类、添加了很多本土化元素：

4 月 9 日 @蛆肉儿串儿 将视频以及 SBTI 测试上线之后，咱们爱范儿编辑部的朋友圈就被迅速刷屏，领导者、伪人、尤物等等不胜枚举。

SBTI 原版链接：https://www.bilibili.com/video/BV1LpDHByET6

爱范儿小编也做了一次测试，如愿以偿地发现自己是个酒鬼：

根据 up 主自己所述，SBTI 本来是为了劝一个朋友戒酒设计的，里面的题目没有什么明确的心理学依据，但只要在有关喝酒的引导性问题上选择了正向答案，测出来的人格就一定是酒鬼。

图｜X @VikingSkirts

毕竟在 SBTI 里面，同一个人测三次能拿到三种完全不同的「人格」，它的全部意义就是让你笑一下。

然后截图发朋友圈，把自己笑一下拓展为大家笑一下。

但就在 SBTI 刷屏的同一周，另一个话题却正在以一种安静得多的方式，渗透进每个人的日常——

那就是「你的同事.skill」。

注：AI 图，真正把员工 skill 化的公司是不会浪费钱贴工牌的

这一周的前半段，你或许被各种各样的 Skill 刷过屏：能够自己画 k 线的特朗普.skill、记得每条聊天记录的前任.skill、PUA 比真人更狠的老板.skill 等等。

更不用说前两天冒出来的惊天张雪峰.skill 了……

严格来说，Skill 相当于喂给大语言模型的「预设」。

它的原理与你在对话框里写类似「你是一个一个一个香香软软的小蛋糕」之类的角色提示词差不多，只不过比手写更详细、更丰富、更规范而已。

图｜X @tuzi_lumaomao

同时，训练（或者说蒸馏）这种 Skill 的过程可以很简单。

把离职同事的飞书消息、钉钉文档、工作邮件喂给蒸馏工具，就能生成一个模仿这个人工作习惯、说话方式、甚至甩锅姿势的 AI 分身。

你的同事走了，他的 Skill 留下来继续搬砖。

接受标签化，反对标签化

然而调侃归调侃，梗图归梗图，这种「个人.skill」模式的流行，与昨天开始的 SBTI 潮流，在本质上其实是同一种现象——

一种人的标签化。

毕竟无论是 SBTI、MBTI、简单的 i/e 人分类，甚至是传统的星座能量和生肖运势，本质上都是在「贴标签」。

我们喜欢通过这种「给自己贴标签」的行为，主动将自己的行为习惯归类，并以此为基础寻找更小的社群。

这种标签化代表了我对于我自己的隐性认同或者期待，以及一种社交谈资。

与此同时，Skill 同样是一种标签化。

2025 年底 Anthropic 发布 Claude Skills，2026 年初 OpenClaw 引爆了智能体热潮，Skill 作为智能体的「技能商店」开始快速扩张，原理就是把某种专业能力打包成可复用模块的文件夹。

然而以前我们都只说「做网页的 Skill」，或者「校验照片哈希值的 Skill」，前一阵「同事.skill」的出现则标志着一个明显的转向：

大家开始担心，Skill 的定义从「模型能做什么」正在变成「谁的能力可以被打包」。

既然都是打包贴标签，为什么我们能够接受 MBTI、喜欢 SBTI，却对同事.skill 感到恐惧与不安呢？

我自己去测 SBTI，这是我主动贴上的标签，这个行为本身就带着一种隐秘的快乐——

测出来是「酒鬼」，我笑着发朋友圈，这是一种自我表达，本质上和在朋友圈 emo 说自己是个伞兵差不多。

这种「我自主定义」的标签是轻的，因为我既可以改变，也可以不认。今天我是「酒鬼」，明天测变成「老板」，没有人会因此重新评估我这个人值多少钱。

可公司把我蒸馏成一个 Skill，性质就完全不同了。

「我.skill」是别人对我的榨取，是把我积累的工作经验、处理问题的直觉、同事之间的默契炼化成了一组参数，装进一个几百 KB 的文件里，然后打上一个低于当地最低工资标准的价签，备注「可复用」。

图｜《来自深渊》

我是 SB，不是 SB.skill

不可否认的是，智能体 Skill 作为一种技术工具本身，它是没有任何取向性的。

一切问题的根源，都在于我们对于 AI 的使用已经从「人使用工具」，被逼迫、异化、扭曲成了「人化为工具」。

毕竟蒸馏的逻辑很简单：把非标资产（员工）标准化（蒸馏成 Skill），把不可替代变成可替代。

在这个过程中，我丧失的不仅仅是一个用来自嘲的社交标签，更是失去了自己以职业身份存在的权利。

再进一步说，比起「被炼化」更让人不安的，是这条路继续往前走的样子。

冰冷的资本铁律已经证明：剥削的本质不会改变，资本唯一进步的地方，只有它的剥削方式和剥削程度。

而眼下的 Skill 体系，以及整个 AI 技术领域，就处在这个「从技术工具变成剥削工具」的过程中。

当你的 Skill 文件成为你在公司内部的数字替身，HR 就会开始用「这个 Skill 的可复用程度」来评估你的不可替代性，你的标签从一种外化的描述，变成了「你」的存在本身：

你不再是「一个会做精美简洁的财务报表的人」，而是「那个做报表的 Skill 的名字贡献者」。

这话听起来科幻，但赛博朋克的典型世界观——人的市场价值由器官和植入体决定——与未来可能的 Skill 世界观之间的距离，比我们愿意承认的还要近很多。

因为用 Skill 来取代人，不是「汽车取代马车」式的技术迭代，而是否认「人作为人」的价值本身。

在工场手工业和手工业中，是工人利用工具，在工厂中，是工人服侍机器。

在前一种场合，劳动资料的运动从工人出发，在后一种场合，则是工人跟随劳动资料的运动。

……甚至减轻劳动也成了折磨人的手段，因为机器不是使工人摆脱劳动，而是使工人的劳动毫无内容。

而我们对于 Skill 的担心的本质，往小了说，是担心资本会以此为工具，冷酷且无底线地压缩用人成本；往大了说，则是对于现代政治理论中「以人为本」观念的动摇。

因此，大家喜欢用 SBTI 来嘲笑自己，给自己打上一个「吗喽」的标签，继续赚香蕉的钱。

但大家同样拒绝被无意识、甚至被迫地蒸馏成 Skill，变成一个「不叫做人」的工具。

直白点说，SBTI 是我自己的游戏，但 Skill 是别人的刀俎。

这或许就是当下这个时代的集体情绪——

在 FOMO（Fear Of Missing Out，害怕错过）之后，被 LLM、Agent、龙虾用鞭子驱赶着的我们正在进入一种新的焦虑—— FOBO（Fear Of Becoming Obsolete，害怕被淘汰）。

FOBO 驱动我们拼命参与、拼命刷屏、拼命测试自己到底是哪种人格，FOBO 则让我们在深夜突然心生警觉：

我的经验、技能、判断力，甚至我说话的语气，是不是都能被压缩进 Markdown 文件，然后被零成本地无限复制？

这种现代生活中的 SBTI 与 FOBO 的精神分裂，恰好从正反两面反映着同一种心理需求：

在这个人多到以十亿计的星球上，我需要确认自己是独特的、是不可替代的，是不能被简化为一串代码的。

我可以骂自己是 SB，但我不能接受被蒸馏成 SB.skill。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

首发于公众号 code进化论，欢迎关注。

前言

随着大模型能力增强，单纯的纯文本/图片输出已无法满足复杂内容的展示需求。以 Claude.ai 为代表的产品，已开始支持直接输出 HTML 并进行渐进式渲染，同时渲染出的 HTML 也可支持简单交互，从而实现更丰富的结构化内容表达与更流畅的用户体验。

本篇文章会带大家探索如何通过大模型能力生成可交互的 HTML 内容，并通过前端技术实现流式渲染，从而达到与 claude.ai 相似的效果。

Claude.ai 分析

下面通过一个图表生成的例子来探索 claude.ai 是如何实现 HTML 的流式渲染。

code-1311608451.cos.ap-guangzhou.myqcloud.com/agent%E7%94…

消息协议分析

下面是抓取的 claude.ai 返回的 sse 消息。

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"\"\\n<div style=\\\"padding: 1rem"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":" 0;\\\">\\n  <h2 class=\\\"sr-only\\\">2022\\u5e74\\u81f32025\\u5e74\\u4e2d\\u56fd\\u51fa"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"\\u751f\\u4eba\\u53e3\\u67f1\\u72b6\\u56fe</h2>\\n  <div style=\\\"display: flex; flex-wrap: wrap; gap: 12px; margin-bottom: 1."}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"5rem;\\\">\\n    <div style=\\\"background: var(--color-background-secondary); border-radius: var(--border"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"-radius-md); padding: 1rem; flex: 1; min-width: 120px;\\\">\\n      <p style=\\\"font-size: 13"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"px; color: var(--color-text-secondary); margin: 0 0 4px;\\\">\\u6700\\u9ad8\\u5e74"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"\\u4efd</p>\\n      <p style=\\\"font-size: 22px; font-weight: 500; margin: 0;\\\">2022"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"</p>\\n      <p style=\\\"font-size: 13px; color: var(--color-text-secondary); margin: 4px 0 0;\\\">956 \\u4e07\\u4eba"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"</p>\\n    </div>\\n    <div style=\\\"background: var(--color-background-secondary); border-radius: var(--border-radius-md); padding: 1rem; flex: 1; min-width: 120px"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":";\\\">\\n      <p style=\\\"font-size: 13px; color: var(--color-text-secondary); margin: 0 0 4px;\\\">\\u6700\\u4f4e\\u5e74\\u4efd</p>\\n      <p style=\\\"font-size: 22px"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"; font-weight: 500; margin: 0;\\\">2025</p>\\n      <p style=\\\"font-size: 13px; color: var(--color-text-secondary); margin: 4px 0 0;\\\">954"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":" \\u4e07\\u4eba</p>\\n    </div>\\n    <div style=\\\"background: var(--color-background-secondary); border-radius: var(--border-radius-md); padding: 1rem; flex: 1; min-width:"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":" 120px;\\\">\\n      <p style=\\\"font-size: 13px; color: var(--color-text-secondary); margin: 0 0 4px;\\\">\\u56db\\u5e74\\u7d2f"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"\\u8ba1</p>\\n      <p style=\\\"font-size: 22px; font-weight: 500; margin: 0;\\\">3795</p>\\n      <p style=\\\"font-size: 13"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"px; color: var(--color-text-secondary); margin: 4px 0 0;\\\">\\u4e07\\u4eba</p>\\n    </div>\\n  </div>\\n\\n  <div style=\\\"display: flex; gap: 8"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"983\\u4e07\\u4eba\\u3002</canvas>\\n  </div>\\n</div>\\n\\n<script src=\\\"https://cdnjs.cloudflare.com/ajax"}}

data: {"type":"content_block_delta","index":2,"delta":{"type":"input_json_delta","partial_json":"/libs/Chart.js/4.4.1/chart.umd.js\\\"></script>\\n<script>\\n  const isD"}}

从 sse 消息可以分析出几个关键点：

• 每条 sse 消息只输出一部分 HTML 内容，且是无规则的。
• HTML 的内容输出顺序是 style → content HTML → script ，这也是一个完整的 HTML 文档的标准格式。

HTML 渲染机制

最终输出的内容在一个独立的 iframe 中渲染，与宿主环境完全隔离。

如果输出 HTML 的过程中突然中断对话，展示的是已输出的合法的 HTML 内容，像<p style="font-size: 13 这种内容需要过滤。

难点分析

• HTML 渲染的样式可约束

  最终输出的 HTML 渲染出来的样式是可约束的，而不是大模型随机生成的，这样最终输出出来的 HTML 风格统一，质量稳定。因此需要输出一套大模型可理解的样式规范。

• HTML 渲染不能影响宿主环境

  HTML 本身可能会包含样式、脚本，直接在宿主环境渲染可能会影响宿主环境。

• HTML 如何高效的增量渲染

  因为每条 sse 消息拿到的是一小段 HTML 内容，是不完整的。如果等 HTML 内容完全输出后再渲染，等待时间会很长，整体体验也不友好，达不到预期目标。因此需要提供一套高效的增量渲染方案，在保证性能的情况下能够逐步渲染已有的内容。

• 如何过滤掉不合法的 HTML 内容

  sse 输出的 HTML 内容不能保证是完整的，会出现 <p style="font-size: 13这种情况，在渲染时需要进行过滤。

• 如何执行 script 脚本

  在浏览器规范中，通过 innerHTML、insertAdjacentHTML 等基于 HTML 解析器的方式插入的 <script> 标签不会被执行，因此对于 script 脚本需要单独处理。

• 确保 script 脚本的执行顺序

  script 脚本的执行可能存在依赖关系，比如绘制图表的脚本一定要等 Chart.js 加载完才能执行。

如何定制 HTML 生成规范？

HTML 生成规范可以参考开源项目 pi-generative-ui ，它是一个专为 pi（code agent）设计的插件，能够让 pi 像 claude.ai 一样输出具备一致设计风格的UI。下面展示了部分内容，详细提示词可参考 guidelines.ts 文件。

### Tokens
- Borders: always \`0.5px solid var(--color-border-tertiary)\` (or \`-secondary\` for emphasis)
- Corner radius: \`var(--border-radius-md)\` for most elements, \`var(--border-radius-lg)\` for cards
- Cards: white bg (\`var(--color-background-primary)\`), 0.5px border, radius-lg, padding 1rem 1.25rem
- Form elements (input, select, textarea, button, range slider) are pre-styled — write bare tags. Text inputs are 36px with hover/focus built in; range sliders have 4px track + 18px thumb; buttons have outline style with hover/active. Only add inline styles to override (e.g., different width).
- Buttons: pre-styled with transparent bg, 0.5px border-secondary, hover bg-secondary, active scale(0.98). If it triggers sendPrompt, append a ↗ arrow.
- **Round every displayed number.** JS float math leaks artifacts — \`0.1 + 0.2\` gives \`0.30000000000000004\`, \`7 * 1.1\` gives \`7.700000000000001\`. Any number that reaches the screen (slider readouts, stat card values, axis labels, data-point labels, tooltips, computed totals) must go through \`Math.round()\`, \`.toFixed(n)\`, or \`Intl.NumberFormat\`. Pick the precision that makes sense for the context — integers for counts, 1–2 decimals for percentages, \`toLocaleString()\` for currency. For range sliders, also set \`step="1"\` (or step="0.1" etc.) so the input itself emits round values.
- Spacing: use rem for vertical rhythm (1rem, 1.5rem, 2rem), px for component-internal gaps (8px, 12px, 16px)
- Box-shadows: none, except \`box-shadow: 0 0 0 Npx\` focus rings on inputs

### Metric cards
For summary numbers (revenue, count, percentage) — surface card with muted 13px label above, 24px/500 number below. \`background: var(--color-background-secondary)\`, no border, \`border-radius: var(--border-radius-md)\`, padding 1rem. Use in grids of 2-4 with \`gap: 12px\`. Distinct from raised cards (which have white bg + border).

### Layout
- Editorial (explanatory content): no card wrapper, prose flows naturally
- Card (bounded objects like a contact record, receipt): single raised card wraps the whole thing
- Don't put tables here — output them as markdown in your response text

按照 pi-generative-ui 官方的介绍，它的设计规范的提示词是完成从 claude.ai 中提取出来的，这一点作者已通过爬取 claude.ai 的源码验证过，因此如果大家想在自己的项目中应用这套提示词，这也是一个很好的衡量标准。

除此之外，在 pi-generative-ui 文档中也详细地讲解了 claude 实现生成式 UI 的详细步骤，作者下面要介绍的前端渲染方案就参考了里面的内容。

浏览器解析策略

前端在实现 HTML 流式渲染之前，需要先了解一下在浏览器中渲染一段 HTML 字符串时背后的策略，最简单的例子如下：

const tmp = document.createElement('div')
tmp.innerHTML = `
    <div style="font-size: 13px">
        HTML渲染
        <p>Hello World</p>
        <p style="font-size: 13
`

如果将一个不合法的 HTML 字符串通过 仍给浏览器，最终渲染出来的 DOM 树会是什么样的呢？

根据 WHATWG HTML 标准定义，浏览器在解析 HTML 时遵循 WHATWG HTML 标准中定义的解析算法，该算法本身是容错的。在解析过程中，标签结构会被自动补全，而语法错误的属性则会被直接忽略。因此，最终生成的 DOM 树往往是“修复后的结果”，而非原始字符串的直接映射。因此在浏览器中最终展示的 DOM 树如下：

如何实现 HTML 流式渲染？

Iframe 沙箱隔离

优势：

• 接入非常简单，接入方使用没有任何心智负担。
• iframe 天生具备隔离能力，无论是js、css、dom，都完全与宿主环境隔离。

缺点：

• dom 严重割裂，弹窗只能在 iframe 内部展示，无法覆盖全局。

• 通信困难

  iframe是独立的运行上下文，并且通常是以跨域的形式出现，与宿主通信困难体现在3点：

  • 方式困难

    仅可通过 postmessage 等方式，难以同步执行、直接调用。

  • 数据结构困难

    仅可传输Transferable Object。

  • 效率低，内存限制大

    传输数据(除sharedArrayBuffer)， 均需要做structuredClone。

• 隐私限制

  对于跨域的场景， iframe 中的代码因跨域无法获取到用户隐私信息(cookie, localstory, indexDB)等。极大限制了功能实现。iframe 也难以感知到宿主环境状态。

在对话场景下 HTML 渲染出来的页面是纯展示页面，不存在复杂的交互，不需要和宿主环境通信，因此 Iframe 已经能满足场景需求。

Morphdom 增量渲染

浏览器在解析 HTML 时具备一定的容错能力，因此在一般场景下可以直接将 HTML 字符串交由解析器处理，而无需对其进行严格的预校验。在通过 SSE 获取 HTML 内容后，最直接的渲染方式是使用 innerHTML 将其插入到页面中。然而，innerHTML 在更新内容时会整体替换原有 DOM 子树，这不仅会导致已有状态（如输入框内容、滚动位置等）丢失，还可能引发明显的重绘与闪烁问题，影响用户体验，为了解决上述问题，可以引入 morphdom 进行增量渲染。

定义

morphdom 是一个轻量级的 DOM diff 库，它通过对比当前 DOM 与目标 DOM 的差异，仅对发生变化的节点进行最小化更新，从而避免整树替换带来的性能开销和状态丢失问题。与 React 等基于虚拟 DOM 的方案不同，morphdom 并不引入额外的抽象层，而是直接在真实 DOM 上执行 diff 与 patch 操作，在保持较高性能的同时简化了整体实现复杂度。

基本使用

使用 morphdom 非常简单。以下是一个基本示例，演示如何将一个 DOM 元素转换为另一个：

var morphdom = require('morphdom');
 
// 创建初始元素
var el1 = document.createElement('div');
el1.className = 'foo';
 
// 创建目标元素
var el2 = document.createElement('div');
el2.className = 'bar';
 
// 将 el1 转换为匹配 el2
morphdom(el1, el2);
 
// el1 现在拥有类 'bar'
console.log(el1.className); // 'bar'

除了传递 DOM 元素，也可以传递 HTML 字符串作为目标：

var morphdom = require('morphdom');
 
var container = document.getElementById('my-container');
container.innerHTML = '<div class="old-content">Hello World</div>';
 
// 用新内容更新容器
morphdom(container, '<div class="new-content">Hello Morphdom</div>');

这个就和当前的场景非常类似，但是这里有一个核心功能需要重点关注，当传递 HTML 字符串作为目标时，morphdom 会先调用 DOM API 将字符串转换为 DOM 元素，源码如下：

function morphdom(fromNode, toNode, options) {
    if (!options) {
      options = {};
    }

    if (typeof toNode === 'string') {
        var toNodeHtml = toNode;
        toNode = doc.createElement('html');
        toNode.innerHTML = toNodeHtml;
    }
    //...
 }

这也就是说 morphdom 也是支持传递不合规的 HTML 字符串，因为内部也会先通过浏览器的解析算法进行容错处理并转换为 DOM 元素。

手动执行 Script 脚本

在浏览器规范中，通过 innerHTML、insertAdjacentHTML 等基于 HTML 解析器的方式插入的 <script> 标签不会被执行，因此需要等 HTML 内容生成完之后手动获取脚本并执行。

const runScripts = async (root: HTMLElement): Promise<void> => {
  const scripts = Array.from(root.querySelectorAll("script"));
  for (const old of scripts) {
    const s = root.ownerDocument.createElement("script");
    if (old.src) {
      // 外部脚本：等待加载完成再继续
      await new Promise<void>((resolve, reject) => {
        s.src = old.src;
        s.onload = () => resolve();
        s.onerror = () => reject(new Error(`Failed to load: ${old.src}`));
        old.parentNode!.replaceChild(s, old);
      });
    } else {
      s.textContent = old.textContent;
      old.parentNode!.replaceChild(s, old);
    }
  }
}

runScripts 方法里展示了 script 执行的大概流程，总结如下：

• 获取所有 script 元素并遍历。
• 通过 DOM API 创建并插入新的 script 元素。
• 如果是加载外部脚本，需要等加载完毕之后再执行后面的脚本。

Demo

code-1311608451.cos.ap-guangzhou.myqcloud.com/agent%E7%94…

这个例子的 sse 数据直接用的 claude.ai 的，可以自己写个简单的 server。

招商银行迎来了主帅的“换防”。据了解，4月30日上午9点多，招商银行召开相关会议，会上宣布王小青任招商银行党委书记，现任党委书记王良到龄退休。按照招商银行公司章程第四十条规定：党委书记、行长由一人担任。这就意味着，在走完公司内部相关流程以及获监管核准后，王小青将任招商银行第五任行长。（上证报）

本文目标: 先建立全局认知，再让AI写代码😁

一个常见的误解

很多人以为后端很难。

“要懂服务器、数据库、缓存、消息队列……”

“要学 Java、Python、Go……”

“要配环境、搭框架、写 SQL……”

其实，后端的核心逻辑非常简单。

今天用一张图，让你彻底理解后端是干嘛的。

后端做什么？

前端发起接口请求。

后端: 接收请求  → 解析验证 →业务处理 → 数据库操作 → 返回响应

就这5步，没了。

以用户登录为例

用户在登录页面输入用户名和密码，点击“登录”。

第1步：接收请求

前端发送：POST/api/login，Body: { username: “张三”， password: “123456” }

后端路由匹配到 /api/login，交给登录处理函数。

// 监听请求
app.post('/api/login', (req, res) => {
  // 处理逻辑
})

第2步：解析验证

检查用户名和密码是否为空？格式是否正确？

如果为空 → 返回 400 “用户名和密码不能为空”，停止执行。

根据 username 去数据库查用户，用 bcrypt 比对密码。

密码错误 → 返回 401 “用户名或密码错误”。

第3步：业务处理

如果密码正确，生成 JWT Token（一个加密的字符串）, 同时提取用户登录IP / 时间等。

第4步：操作数据

存储第三步数据到数据库。

第5步：返回响应

返回给前端：HTTP状态码: 200, 接口返回JSON数据

前端拿到 Token，存储起来，后续请求带上它证明身份。 

nodejs + expres示例

🌟注意: 

1. 本文初期用js写后端, 帮助前端同学过渡, 后续会写py和java代码, 都是通过提示词让AI写😁

2. 下面代码大概看下就行, 后续文章会完善真读数据库, 反正都是AI直接生, 主要看提示词:基于express 生成登录接口 输入body参数(username,password), 返{"success":true,"data":{"token":"xxx","user":{"id":1,"name":"张三"}}} token要真验. 

下面是把提示词给deepseek生成的:

const express = require('express');
const jwt = require('jsonwebtoken');
const app = express();

app.use(express.json());

// 模拟用户数据（实际应该查数据库）
const users = [
  { id: 1, username: 'zhangsan', password: '123456', name: '张三' },
  { id: 2, username: 'lisi', password: '123456', name: '李四' }
];

// 密钥（实际应放在环境变量）
const SECRET_KEY = 'your-secret-key-123456';

app.post('/api/login', (req, res) => {
  const { username, password } = req.body;

  // 1. 验证用户名密码
  const user = users.find(u => u.username === username && u.password === password);

  if (!user) {
    return res.status(401).json({
      success: false,
      error: '用户名或密码错误'
    });
  }

  // 2. 生成真正的 JWT token
  const token = jwt.sign(
    { userId: user.id, username: user.username },
    SECRET_KEY,
    { expiresIn: '7d' }  // 7天有效期
  );

  // 3. 返回结果
  res.json({
    success: true,
    data: {
      token: token,
      user: {
        id: user.id,
        name: user.name
      }
    }
  });
});

app.listen(3000, () => {
  console.log('服务器已启动：http://localhost:3000');
});

核心结论

后端 = 接收请求  → 解析验证 →业务处理 → 数据库操作 → 返回响应

所有后端语言都在解决这5件事，只是语法不同。

学会用概念描述需求，AI 就能帮你生成任何语言（Bun.js / Python / Java）的代码。

后续

后端并没有那么复杂吧, 别着急, 今天先说这么多, 后续课程会继续拆解其他开发任务。

思考题

回想一下你平时调用的后端接口（比如获取用户列表、提交表单），试着用今天学的“5步法”拆解一下后端做了什么？

欢迎在评论区分享你的思考。

36氪获悉，4月30日，阿里发布数字员工QoderWake和Qoder移动端两款Agent产品，全面覆盖企业和个人场景的需求。QoderWake能在真实工作中承担软件工程师、运营和分析师等岗位角色。目前，QoderWake已开启邀测，个人和企业均可在官网申请雇佣一位或多位数字员工，或根据自身业务流程定制专属数字员工。

OpenAI提前数年实现在美国获取人工智能（AI）算力的关键里程碑，为这家初创公司雄心勃勃的数据中心扩张计划注入动力。该公司周三在一篇博客文章中称，已签署了10吉瓦AI算力合同。该公司最初力争在2029年实现这一目标。OpenAI表示，已签订合同的10吉瓦算力中，有3吉瓦是在过去90天敲定的。其中包括亚马逊提供的2吉瓦。1吉瓦的电力足以同时为约75万户美国家庭供电。（新浪财经）

36氪获悉，寒武纪盘中一度大涨超8%，股价超源杰科技，成为A股新晋“股王”。

三星电子：如有需要，计划投资机器人公司。（新浪财经）

36氪获悉，中国4月RatingDog制造业PMI 52.2，前值50.8。