蓝田书院,蓝田为丰顺县的书院一个县级文物保护单位,类型为古建筑,广东丰顺县人民政府认定其为丰顺县文物保护单位。蓝田 蓝田书院的书院历史年代为清代。位于中国广东省梅州市丰顺县汤坑镇,广东 参考文献 丰顺建筑蓝田公布时间为1983年4月。书院1983年4月,广东

科学编制监测方案。立足汉阴实际,全面梳理监测事项,精准制定年度监测计划,有效避免重复监测和任务遗漏。同时,严格对标技术规范,合理确定监测点位、项目和频次,持续提升监测工作系统性和实效性。
强化监测业务培训。高度重视监测队伍能力建设,针对站内人员少、新进人员业务不熟等实际情况,常态化组织开展业务学习与技能培训。重点围绕持证上岗考核要求和水质采样等核心业务,通过开展理论培训、跟班学习等方式,确保监测人员及时掌握新标准、新方法,不断提高专业素养和技术水平。
狠抓全程质量控制。针对监测任务主要委托第三方实施的实际,重点加强对第三方监测公司的监督,通过参与现场采样、发放盲样考核、抽查原始记录等方式,做到分工明确、层层把关,确保监测数据真实准确、可溯可信。
目前,已全面完成2026年第一季度县级饮用水水源地、农村“千吨万人”水源地、镇级水源地环境质量监测,以及重点污染源、农村生活污水处理设施监督性监测等任务。下一步,汉阴分局将继续按照年度监测计划,有序推进国家重点生态功能区县域生态环境质量监测与评价、声环境质量监测、重点监管污染源监测等工作,充分发挥环境监测在污染治理和生态保护中的基础支撑作用,为持续改善区域生态环境质量提供有力技术保障。
编辑:沈杰
编审:黄琪雅 黄智发
终审:方亮
" alt="安康市生态环境局汉阴分局扎实推进环境监测工作 筑牢生态保护数据根基">安康市生态环境局汉阴分局扎实推进环境监测工作 筑牢生态保护数据根基清风慢属于什么档次?
评判香氛品牌的档次,需从品牌定位、产品调性与核心价值等维度考量。清风慢自诞生以来,便明确以香氛疗愈为核心定位,精准对接追求生活质感、渴望舒缓身心的都市人群,走中高端香氛路线,区别于普通工业香品。

品牌以古法工艺与天然植材为核心竞争力,拒绝流水线速成模式,每一支线香都承载着匠心与时光的厚度,既传递东方香文化的雅致,又契合现代消费者对健康、疗愈的高端需求。这种“天然+匠心+疗愈”的产品调性,让清风慢在香氛疗愈领域形成独特优势,成为中高端天然线香的优质之选,彰显使用者的生活品味与从容态度。
清风慢质量好不好?
质量是品牌的生命线,对于香氛产品而言,天然与安全更是核心前提。清风慢始终坚守“非极致·不将就”的品质理念,从原料甄选到成香出品,每一个环节都严苛把控,筑牢产品质量防线。

在原料上,品牌深耕自然,奔赴深山旷野采撷原生植材,经手工甄选剔除杂质,摒弃工业香精与化学助燃剂,确保原料纯粹天然,从源头规避潜在危害,让香氛疗愈更具安心感,这也是高端线香品牌的核心特质之一。在工艺上,传承千年古法精髓,历经古法炮制、自然阴干、慢火窨制等多道繁复工序,让香气层层沉淀,呈现温润绵长、不张扬的原生韵味,既保留植材本香,又彰显匠心工艺的厚重。
未来,清风慢将持续探索草木、花果等多元原生植材,打造覆盖不同心境的天然线香矩阵,以稳定的品质的延续品牌初心,让每一次香氛体验都兼具疗愈价值与安心感。

综上所述,清风慢无疑属于中高端香氛疗愈品牌,其清晰的定位、优质的产品与严苛的品质把控,共同构成核心竞争力。无论是追求身心疗愈的都市上班族,还是热爱慢生活、注重生活质感的人群,清风慢都是值得信赖的选择。从品牌档次到产品质量,清风慢都展现出中高端香氛品牌的实力与温度。
来源:品牌之家 了解更多 清风慢品牌信息>>>" alt="清风慢属于什么档次?清风慢质量好不好?">清风慢属于什么档次?清风慢质量好不好?
本期公开课,雷锋网请到了图普科技机器学习工程师 Vincent 为大家揭开 AI 可以助你成为“画家”的秘密。 Vincent 曾在英国留学两年,回国后加入图普,担任机器学习工程师一职,参与图普多个产品的研发工作,立誓要搞深度学习搞到死。
嘉宾介绍:
Vincent,图普科技机器学习工程师,主要从事工业级深度学习算法的研发。曾任摩根大通欧洲技术中心分析师,IBM爱丁堡办公室软件工程师。熟悉自然语言处理(文本分类,语言模型等),图像转换(艺术滤镜、图片上色等)和分类算法。

以下内容章整理自公开课分享。
|深度神经网络在图像识别领域的进展
自从 2012 年 Alexnet 横空出世,一举夺得 ImageNet 图片分类大赛冠军之后,深度学习一飞冲天,以卷积网络为首的深度神经网络不断刷新各种计算机视觉任务的 State-of –the-art 。过去四五年间,我们可以看到学术界不断地开发出各种不同结构的卷积神经网络,而且,这些结构并不仅仅是在 Alexnet 的基础上加深层数,而是自成一派,各有所长。

本次公开课重点分享三种神经网络结构:
Network in Network(NIN,网络中的网络):卷积网络是一种线性操作,非线性的表现能力有限,NIN 的研发者设计了比起传统的卷积网络更复杂的操作 —— MLPconv,并用 Global average pooling 极大的改进了卷积网络的大小。
VGG 和 GoogLeNet(inception_v1):二者是 2014 年 ImageNet 竞赛的双雄。VGG 的设计理念,全部都用了 3x3 卷积,增加了网络的深度。 GoogLeNet 属于Google 的 Inception 系列,用了比较花式的网络设计,旨在减少网络的运算量,加快训练 。
Resnet(深度残差网络): 根据无限逼近定理(Universal Approximation Theorem),我们可以用一个一层的神经网络来实现任意的维到维的映射,但网络的参数量(网络的宽度)会随着问题复杂度的增加变得非常大,而增加网络的深度则可以让我们用更少的参数量实现同样的映射。但是,随着神经网络层数的加深,它们的训练也会变得越来越困难,因为在训练时会出现梯度消失的状况。Resnet 很好的解决了这个问题,让训练达1000多层的神经网络变得可能。
除了图片分类,以 RCNN 系列为首的神经网络技术在物体检测任务上也取得了重大进展,近年来也出现了速度更快(YOLO),效果更好的算法(SSD)。
最近很火的 GAN 是一个训练框架,在 GAN 出现之前, 生成模型的训练是一件相对较困难的事情,GAN 出现后,生成模型训练的效率大大提高。


GAN的应用大部分也是生成模型的应用,用来生成图片、音乐、文字等。但是对抗训练对训练判别模型也是有非常大的帮助的,因为虽然有非线性的激活函数,但深度网络依然是高度线性的,会对误差进行累积,累积的误差结果通过肉眼分辨不出来,但是可以从卷积网络中看出。但与普通线性模型不同,深度神经网络可以拟合对抗训练可以很好的解决这个问题,解决方式是生成对抗样本,使得网络对对抗样本的容忍性更强些。
GAN这一两年来产生了许多非常有意思的应用,其中包括上期公开课中冯佳时博士提到的超分辨率,旨在把低分辨率的图片放大,而尽量不让其清晰度受影响。
|纹理转换
近几个月比较火的纹理转换也就是所谓的图片风格化,在深度学习之前,这也是一个非常困难的问题。其本质原因在于之前非深度学习的方法只能获取到目标图片低层次的图片特征,这导致这些方法无法独立的对图片的语义内容和风格的变化进行有效地建模,从而无法很好地对两者进行解耦和合成。

风格化算法现在更迭了两代。
第一代风格化算法:Neural Style

2015年的时候,德国图宾根大学的学者们提出了一种用深度神经网络各层的响应来表达图片的风格和内容的办法,方法可概括为:
准备好在 ImageNet 数据集上训练好的 VGG 网络,然后选取其中的某些层作为风格语义的提取层,某些层作为内容语义的提取层;
用这个训练好的 VGG 提取风格图片代表风格的高层语义信息,具体为,把风格图片作为 VGG 的输入,然后提取在风格语义选取层激活值的格拉姆矩阵(Gramian Matrix)。值得一提的是,格拉姆矩阵的数学意义使得其可以很好地捕捉激活值之间的相关性,所以能很好地表现图片的风格特征;
用 VGG 提取被风格化图片代表内容的高层语义信息,具体为,把该图片作为 VGG 的输入,然后提取内容语义提取层的激活值。这个方法很好地利用了卷积神经网络的性质,既捕捉了图片元素的结构信息,又对细节有一定的容错度;
随机初始化一张图片,然后用2,3介绍的方法提取其风格,内容特征,然后将它们分别与风格图片的风格特征,内容图片的内容特征相减,再按一定的权重相加,作为优化的目标函数。
保持 VGG 的权重不不变,直接对初始化的图⽚做梯度下降,直至目标函数降至一个比较小的值。
这个方法的风格化效果震惊了学术界,但它的缺点也是显而易见的,由于这种风格化方式本质上是一个利用梯度下降迭代优化的过程,所以尽管其效果不不错,但是风格化的速度较慢,处理一张图片在GPU上大概需要十几秒。deepart.io这个网站就是运用这个技术来进行图片纹理转换的。
第二代风格化算法:Fast Neural Style

有了可以解耦图片风格和内容的方式,我们就能训练一个端到端的网络,使得我们只需要做一次前向,就能得到风格化图片。因此生成图片大概的步骤是,根据转化的网络得到输出,输出至 VGG 网络,提取风格特征后,跟风格图片的特质做比较,内容图片的特征也会被提取,跟内容图片做比较。
这种算法的有点是速度快,可以在GPU上做到实时生成。去年年中火爆全世界的 Prisma,背后就是这个技术。但这个技术还是有缺陷的,比如由于卷积网络固有的性质,它无法像手动绘图一样对图片的细节进行精挑细选的处理,所以它像是一个豪放的印象派画家,对一些对细节要求比较高的任务,比如人物的动漫化,这种方式是不太适合的。
所以,前段时间⽐较流行的《你的名字》同款滤镜所用到的技术跟Prisma 并不一样,我们猜测这个滤镜不是端到端的,而是会先对原图做像素分割,找出可能是天空的部分,然后加上新海诚特色的云,其他部分则会做一些滤镜化处理。

纹理转换的另外一个非常有意思的应用是Neural Doodle,运用这个技术,我们可以让三岁的小孩子都轻易地像莫奈一样成为绘画大师。这个技术本质上其实就是先对一幅世界名画(比如皮埃尔-奥古斯特·雷诺阿的Bank of a River)做一个像素分割,得出它的语义图,让神经网络学习每个区域的风格。
然后,我们只需要像小孩子一样在这个语义图上面涂鸦(比如,我们想要在图片的中间画一条河,在右上方画一棵树),神经网络就能根据语义图上的区域渲染它,最后得出一幅印象派的大作。

大家如果有关注 AI 领域信息的话,可能也知道 Facebook 宣布了他们的 caffe2go 框架,并展示了他们在手机上的实时风格化视频,这项成果意义重大,主要体现在可以在手机端非常有效率的运行人工智能的算法,把有趣的人工智能技术实现到你的手掌心。例如现在直播或视频中可以在人脸上添加各种可爱小动物表情的技术也是人工智能的技术,其主要运用了人脸关键点检测技术。

实现视频风格化的难点在于:
像图像风格化这样的重型应用,如果要在手机上做到实时效果,需要有非常多工程上的优化和算法方面,在尽量不影响效果的前提下减少网络的参数量;
⽐起单图片风格化,视频风格化需要考量的东西会更多,单独对视频的每一帧进行处理,不考虑帧与帧之间的关联,会造成风格化的视频抖动和不协调。
|黑白照片上色
最后一个要介绍的技术为黑白照片上色(Colourful Image Colourization),想象一下,如果人工智能出色地完成这个任务,我们便可以用它来为老照片,老电影增色,轻易地为漫画上色了。本次公开课我会主要介绍去年 ECCV 里加州大学伯克利分校的一篇文章介绍的方法。这个方法与之前方法的不同之处在于,它把照片上色看成是一个分类问题——预测三百多种颜色在图片每一个像素点上的概率分布。这种方法tackle了这个任务本身的不确定性,例如,当你看到一个黑白的苹果时,你可能会觉得它是红色的,但如果这个苹果是青色的,其实也并没有多少违和感。大家也可以到作者的网站网站来试用他们的demo。
这篇文章里面介绍的方法有两个非常重要的trick:
颜色重平衡(Class rebalancing)

我们都知道,各个颜色在全世界所有彩色照片里面的分布是不一样的。比如,大部分照片里面可能会有天空,墙壁,草地等。论文作者给出了 ImageNet 数据集中颜色的分布,可以看出,如果用 LAB 的方式来表示图片(L 通道为像素的亮度,AB 通道表示颜色),ab 值比较低的颜色出现的频率远高于其他颜色。

如果不考虑这个问题,我们的目标函数会对 ab 值⽐比较高的颜色极其不敏感。所以,论文作者提出了了一种方法——在训练时让每一个像素点乘上一个系数,系数的大小与该像素点 ab 值的分布有关。运用这个trick,输出图片的颜色会更有多样性,更接近真实的图片。
从概率分布得出预测颜色值(Point estimate)

我们知道,这个网络的输出是各个像素点ab值的概率分布,那么我们如何去通过这个概率分布得出这个ab值呢?当然,我们可以直接选择概率最大的值作为我们的 prediction,这种做法下输出图片的颜色会更加鲜艳,但很多时候会有不自然的patch出现。另外一种做法是,取这个概率分布的均值作为prediction,这会导致我们的输出图片对比度非常低。作者在这篇文章里提出了一个折中的做法:我们可以调整Softmax 函数的 temperature,然后再求新的概率分布的均值。


这篇文章介绍的方法虽然效果很好,但它还是有缺陷的。比如,对狗的图片上色时,即使它没有伸出舌头,神经网络总是会“想象”它伸出了,然后在鼻子下面的一小块区域涂上红色。而且,上色后的图片有时会出现一小块突兀的 patch。
以上介绍的几个技术都并不是完美的,但是瑕不掩瑜,我们能从中看到深度学习的潜力,明白它能做的远远不止是分类和检测。我相信随着社会对深度学习的热情越来越大,更多有趣的成果会不断产生。如果你觉得以上的技术很酷,那我保证,你的惊讶才刚刚开始。
|有关产品化的思考

当然,要把学术界的成果应用到工业界其实并不是一件容易的事情。我们做机器学习的都知道一个著名的定理叫No Free Lunch Theorem,它说的就是,我们并不可能找到对所有问题都最优的算法。在ImageNet数据集上表现最好的算法,在工业级庞大、复杂、多变的数据上并不一定就会表现好。所以我们也根据各个客户数据分布的不同做了很多特定的优化。比如我们在为映客提供审核服务,直播场景本身就非常多样和复杂,我们发现当直播视频界面出现大量用手机或者电脑等电子产品播放另一个界面的内容,相对整个图片来说,内容呈现部分所占比例很小且十分模糊、不明显,当出现色情、暴恐等不良信息的时候,人工以及标准化的审核模型难以精准识别,误判、漏判的概率较高。于是我们需要针对这个问题具体优化,针对画中画的数据再做识别,然后再调用普通的审核模型。雷锋网雷锋网
图普的产品目前已经在多个行业领域取得很好的应用,但它们暂时只能在一定程度上减少大部分审核人力,无法完全替代人工。这一轮融资过后,我们将加大在服务和计算能力方面的投入,提升产品运行速度和鲁棒性;在算法方面,继续提高图像识别准确率和召回率,我们的愿景是完全解放审核人力,我们也将往审核之外的其他方向扩张业务,如人脸识别,增强现实等,提供更直接,高效和多样化的任务。
" alt="AI 如何助你成为“画家”|雷锋网公开课">AI 如何助你成为“画家”|雷锋网公开课
新三国志曹操传三国系列游戏招兵买马策略游戏在新三国志曹操传中玩家需要搭配不同的阵容来完成许多关卡与挑战,其中部分玩家不知道诸兵阵演蜀22层一二三关应该怎么过,下面就为大家带来新三国志曹操传中诸兵阵演蜀中诸兵阵演蜀22层一二三关攻略,有需要的玩家可以参考。
新三国志曹操传诸兵阵演蜀22层一二三关
主力武将:马超、马云禄、诸葛
挂件武将:张飞、徐庶、刘备、庞统、其他随意,注意优先给徐庶替换最强装备,刘备次之,没有也没关系,否则伤害可能不够。
第一关:
开局马妹配合马超,先秒董卓,董卓的嘲讽非常恶心,不先弄死他马超会给控死。

第二回合诸葛小技能AOE,再秒一个,援军出现后,马超先把陈宫、貂蝉、吕布突了,
剩下的张任真TM肉,第六回合才搞定。
第二关:
必须先秒董卓,如果秒不掉,可以尝试用刘备或者徐庶靠近了吸引他的嘲讽,

第二回合,诸葛小技能如果不能再秒一个,马超也是直接突把援军提前拉出来。
这个位置非常好,马超直接突,后续几下足够把援军主力突完,第三回合敌方基本全灭了。
第三关:
秒董卓,没秒掉,
第二回合运气不错,马超每个嘲讽到,接着秒他,

然后马超直接突,援军中最恶心的就是吕布貂蝉还有陈宫,这三必秒,
艰难过关。
" alt="新三国志曹操传诸兵阵演蜀22层一二三关攻略">新三国志曹操传诸兵阵演蜀22层一二三关攻略
清晨,针对开学首日交通流量叠加的实际,大队执勤民辅警提前到岗到位,按照“一校一策”原则部署警力,在学校门口及重点路段周边织密“定点值守+动态巡控”的立体防控网。在学校周边,提前清理违停车辆,引导送学车辆即停即走。同步加大对校园周边不按规定行驶、驾乘摩托车不戴安全头盔、超员等交通违法行为的劝导与整治力度,及时消除道路安全隐患。在斑马线旁,民辅警又化身“平安守护者”,护送学生安全过马路,耐心叮嘱孩子们注意观察路况、有序通行。

期间,大队领导深入辖区学校开展护学安保督导检查工作,实地查看交通流量、勤务部署及安防设施,并与校方负责人就深化警校联动、优化交通组织进行现场交流。同时,要求各中队严格落实勤务制度,强化高峰时段巡逻管控与隐患排查,持续完善周边交通设施;坚持整治与宣传并重,通过多元形式提升师生安全意识,全力筑牢校园交通安全防线。
编辑:沈杰
编审:黄琪雅 黄智发
终审:方亮
" alt="汉阴公安交警暖心“护学岗”点亮平安新学期">汉阴公安交警暖心“护学岗”点亮平安新学期
1月14日,在2026年未来矿业大会(The Future Minerals Forum)期间,在沙特工业和矿产资源部部长班达尔.胡莱尔(Bandar Al-Khorayef)阁下以及沙特投资大臣法利赫(KhalidAl-Falih)阁下的共同见证下,信義玻璃与沙特工业城市和技术区管理局(MODON)举行项目签约仪式。
信義玻璃执行董事兼行政总裁董清世先生出席仪式,并代表信義玻璃与MODON正式签署协议,此次签约是信義玻璃积极响应国家“一带一路”倡议的重要成果,也是信義集团推进全球化战略布局和中东区域产业延伸的关键一步。
该项目总投资约3.86亿美元,占地面积超35万平方米。项目规划建设浮法玻璃、汽车玻璃及高性能Low-E节能玻璃生产线,产品将广泛应用于建筑与汽车领域。投产后,该项目将成为信義玻璃在中东地区的旗舰生产基地,同时也是沙特首家汽车玻璃生产企业,不仅填补了当地产业空白,还将优化汽车产业供应链,为沙特玻璃行业引入先进制造技术与高品质产品。
该项目将服务沙特本地市场,同时辐射至中东、北非及欧洲等地区市场,进一步助力沙特2030愿景中关于产业本地化、出口多元化和先进制造业发展的战略目标。
信義玻璃与MODON致力于将该项目打造为中沙产业合作标杆,为沙特玻璃产业链长期发展和区域制造业提升贡献力量。
On January 14, during the 2026 Future Minerals Forum, Xinyi Glass and the Saudi Industrial Cities and Technology Zones Authority (MODON) held a project signing ceremony. The event was witnessed by His Excellency Bandar Al-Khorayef, Saudi Minister of Industry and Mineral Resources, and His Excellency KhalidAl-Falih, Saudi Minister of Investment.
Mr. Tung Ching Sai, Xinyi Glass Executive Director and CEO , attended the ceremony and signed the agreement on behalf of the company. This collaboration marks a significant achievement in Xinyi Glass’s active response to the Belt & Road Initiative and represents a key step in the group’s global strategic expansion and industrial extension into the Middle East region.
With a total investment of approximately USD 386 million and covering an area of over 350,000 square meters, the project will establish production lines for float glass, automotive glass, and high-performance Low-E energy-saving glass. The products will serve both the construction and automotive sectors.
Upon completion, the project will become Xinyi Glass’s flagship production base in the Middle East and Saudi Arabia’s first automotive glass manufacturer. It will fill a critical gap in the local industry, optimize the automotive supply chain, and introduce advanced manufacturing technology and high-quality products to Saudi Arabia’s glass sector.
The project will not only serve the domestic Saudi market but also supply regions including the Middle East, North Africa, and Europe. It will further support the strategic objectives of Saudi Vision 2030 in industrial localization, export diversification, and the development of advanced manufacturing.
Xinyi Glass and MODON are committed to building this project into a benchmark for industrial cooperation between China and Saudi Arabia, contributing to the long-term growth of Saudi Arabia’s glass industry and the enhancement of regional manufacturing capabilities.
来源:信义玻璃

" alt="投资约3.86亿美元,信義玻璃与MODON签署项目协议助力沙特2030愿景与“一带一路”产业协同,行业会议">投资约3.86亿美元,信義玻璃与MODON签署项目协议助力沙特2030愿景与“一带一路”产业协同,行业会议

具体回答时,当用户用语音进行提问之后,页面中将呈现出AI根据真人经验整理出的总结答案,下方则出现“AI总结xx篇笔记生成”的标注。
比如,当界面新闻搜索“春节去哈尔滨玩5天有什么形成安排推荐?”的问题时,平台在10秒之内完成了AI总结,用较为清晰的文字排版呈现出5天的行程安排。除了行程安排之外,AI总结的答案还加上了“春节特别提醒”,涵盖交通、美食推荐等细化建议。而在收尾处,该答案也附上了参考来源,这些来源笔记皆可点开一一查看。

除此之外,小红书也会给出AI总结答案之外的大量笔记参考。在整个页面中,AI总结答案占据大约半屏左右的比例,需要点击后查看全部内容;而答案下方依然会呈现双列流笔记,内容与用户的提问紧密相关。

事实上,在AI应用爆发之后,“旅游攻略”这一类需要提供有用信息和干货的问题,往往成为最受用户欢迎的提问。小红书在这一点上能够提供大量的笔记参考,例如,在上述搜索下,页面出现的内容包括普通旅客、旅行社、导游和当地市民等用户发布的笔记,形式也涵盖图文和视频。
值得一提的是,小红书还在搜索入口下方推出了“春节指南”、“年度诗篇”等限定玩法,去引导用户在春节场景里尝试“语音问一问”。无论用户有没有问题,都可以通过点击提问来“逛答案”。
比如年夜饭灵感——在这一答案中,AI会总结出“怎么做出看起来很硬核但实际上很简单的菜”。

而另一类更具“生活感”、强调个体主观看法的问题,同样是符合小红书用户需求的提问。界面新闻试着使用“语音问一问”搜索“放假完不想上班怎么办?”的问题时,小红书结合了34篇笔记生成了一份AI总结,包括“调整心态”、“行动起来”、“如果真的无法忍受”等具体的答案。

对于这种颇具“活人感”的话题,这份总结给出的答案似乎更有小红书的特色,例如,在AI总结的答案中,提到了“想开点,钱最重要”这类像朋友对话般的回答;同样也提到了制定小目标这样具体的建议。在页面下方推荐的笔记中,界面新闻观察到,不少用户分享了自己摆脱“假期综合症”的方法和体验,也有不少用户分享了有关情绪管理的小tip,兼具个人体验和实用性。

体验完上述两个提问之后,关于小红书“语音问一问”的功能特质也更加明了。
在中文互联网社区,“问答类”的产品早已不是全新概念。最早它往往作为搜索引擎的补充出现,旨在解决用户具体的问题;之后其发展成更具社区和互动属性的问答,但往往也有中心化的特征。
AI的出现,让“语音问一问”这一功能有了更多延伸的可能。
截至2024年末,小红书月活用户突破3.5亿。此外,小红书又是一个典型的UGC平台,大量的“活人经验”让平台有了天然的“答案库”。
从上述搜索体验来看,小红书语音问一问给出的答案全部基于站内真人经验总结而成,相当于“浓缩”了真人经验分享。
正是依托于天然的“答案库”,小红书的“语音问一问”才得以实现相对独特的体验。
AI时代的新产品
ChatGPT和DeepSeek的横空出世让不少社区产品被动加快追赶的脚步,但AI的可复制的“标准答案”与小红书的“活人感”社区之间乍一看显得格格不入。
然而就是在这“碰撞”之中,小红书近期交出了第一份尝试的答卷——“语音问一问”功能上线半个月,社区语音问一问累计次数达4800万次,平均每秒钟都有37个人在线蹲答案。除夕当天“拜年祝福怎么发更特别”被问了570万次。

图片来源:《小红书2025年十大搜索趋势报告》
那么小红书为何要推出“语音问一问”呢?
这还要从平台本身的属性上说起。在产品形态上,小红书坚持双列瀑布流的信息展示方式,去中心化的推荐设置也让更多来自于普通人的笔记被曝光、被看见。在用户心智上,小红书涉及的类目越来越多,用户如今普遍将平台视作一个获取真实生活经验、决策参考和信息交流的重要来源,普通用户之间的交流也十分频繁。
据媒体报道,如今小红书用户的日均搜索次数已经超过7亿次。根据《小红书2025年十大搜索趋势报告》,2025年全年搜索总次数2500亿次,问题垒起来相当于5500万本《十万个为什么》。
可以说,现阶段这一产品功能的更新,也是为了满足当下小红书用户的搜索新需求:从最早的消费决策满足到干货信息的延伸,如今,越来越多的用户希望在小红书上找到更进一步的具体经验分享、更全面的“有用”回答以及更具启发性的个性化经验。
2025年年末,小红书社区内出现过“AMA”的风潮——“Ask me anything”,一种发帖人对提问者“有问必答”的玩法。几个月时间里,AMA在小红书扩散,不仅吸引了李开复、李银河、罗永浩等名人下场参与,也让这股全民问答风潮,成为一种新的互联网现象。
AMA的爆火,恰恰说明,用户如今在小红书上的经验需求,已经从生活场景“破圈”延展到了知识、科技、人文等细分领域。
再往前追溯,小红书其实早已尝试过在评论区、搜索框右侧等端口上线“问一问”功能。
类似这样的趋势和尝试,为“语音问一问”的推出埋下伏笔。
需求明确之后,交互方式的选择就涉及如何最大限度容纳用户需求匹配的问题。
一方面,语音提问是一种更顺畅表达问题的方式,某种程度上有利于用户降低提问与搜索的门槛;另一方面,“提问”是一种承接、解决问题的方式,它传递出的信息是,只要用户提出问题,就会有笔记能够“回答”。
事实上,相比其他搜索产品,足以覆盖极广泛、细分经验场景的UGC真实内容,一直是小红书搜索的核心护城河。即使是某一个景点的当日天气,或者某一家餐厅的wifi密码,这样细颗粒度的问题,在小红书上都有笔记答案。
但小红书内部人士表示,他们观察的一个现象是,过往的搜索框中较短的词语占据了70%到80%的比例,这意味着要让用户更具体地表达提问,并匹配准确结果,单凭文字搜索+双列笔记承接并不容易。
而语音交互+AI总结无疑能进一步让这些真实、长尾的经验被最大限度地匹配——从调研来看,用户在语音这种环境下会更偏向于自然表达,也会提出一些更长的、更具体的、更明确的问题。而当问到长达几段的个性化问题时,问一问依然能够总结和匹配站内的经验笔记回答。
从早期的搜索补充到后期的独立产品,再到嵌入社区,“问搜”式的产品形态几经变化。如今,用户对于搜索功能的需求已经不只是单一的标准答案和知识满足,他们有了更多元的期待,同时也不再局限于文字的交互。甚至于,搜索功能未来也可能会深度融入小红书这样的内容平台,成为互动和内容生产的“基础设施”。
不过,纵观市面上的“问答”功能,大部分仍然聚焦在平台或内容生产者对于某一问题的解读上。
抛开形式上的特殊之处,小红书“语音问一问”的最大差异化体现在真实经验上。
举例而言,近两年小红书用户中对于家居家装内容保持高兴趣的用户已经达到1.6亿,这意味着平台聚集了大量和家居、装修有关的笔记。当界面新闻试着语音提问“家里装修是复古风格,适合放一些什么样的插画?”时,AI总结了71篇笔记生成了答案。除了建议不同风格之外,回答还给出了“温馨小贴士”,下方的总结多来自于不同用户分享的插画灵感。
从社区内容的活跃度来看,这样“问搜”的方式不仅提升了用户获取信息的效率,也同时保留了提问者和内容生产者之间的连接,甚至盘活了社区的流量。
以真实经验为基石,同时辅以AI技术,未来小红书的“搜索”心智或许也会迎来进一步迭代、泛化和巩固。
很长一段时间里,社区主要围绕人的连接和内容消费展开,但发展到今天,随着用户的需求日益多元,社区产品本身也需要寻找新的形态和创新路径。
与此同时,一个现象正在发生:人工智能技术的发展让用户逐渐习惯与AI对话,在高效寻找标准答案的背后,部分问题也呼之欲出——那些基于真实生活、富有个人感受的经验分享,正变得愈发稀缺。
可预见的未来里,人们或许不会满足于迅速获取一个“标准答案”,而是渴望看到他人的真实决策、试过的“错”,甚至在具体生活场景中的主观感受。
某种程度而言,这或许才是小红书“语音问一问”的宝贵价值——真人经验依然是社区最宝贵的财富,这条护城河在语音问一问AI功能的辅助之下,被更多的人看到、使用和认同,这或许才是产品升级的底层逻辑。
春节期间,引发用户自发分享的“年度诗篇”在社交媒体上刷屏,便是个例子。“年度诗篇”实际上是AI通过用户搜索行为洞察出的个人年度总结,其之所以能击中用户的内心,原因就在于AI用敏锐、细致、有温度的方式准确表达了每一个用户的真实搜索需求和意图,并且富有诗意地将其呈现出来。那些个性、差异、多元和细节,才最动人。
小红书“语音问一问”只是一个开始,它正在让人看到真人经验UGC社区更多的创造力和可能性。
" alt="推出语音问一问背后,小红书的“答案”逻辑变了?">推出语音问一问背后,小红书的“答案”逻辑变了?2025年3月19日


9月25日,记者从芜湖市医疗保障局获悉,芜湖医保聚焦生育家庭的急难愁盼问题,推行了一系列创新务实的举措,全面提升生育保障服务的广度、深度与温度。
生育保障“广覆盖”,不仅大幅上调生育待遇标准,还将灵活就业人员、失业人员纳入生育保险制度保障范围。2025年上半年,全市699名特殊群体(灵活就业622人、失业77人)享受政策红利,累计支出生育医疗费182万元、发放津贴276万元。
聚焦“不能生、不敢生”痛点,将“取卵术”“胚胎移植术”等8个治疗性辅助生殖技术项目纳入医保报销范畴,为有生育意愿的家庭带来曙光。自政策实施以来,全市共有2984人次享受人工辅助生殖费用报销,医保基金累计支付354万元。
同时,大幅提高参保居民分娩(含剖宫产)住院发生的符合规定的生育医疗费用定额标准,顺产从1000元提高到1600元,剖腹产从1000元提高到2400元。自政策执行以来,全市4699个家庭受益,医保基金累计支出952万元,为优生优育提供了强有力的支持。
待遇提高的同时,办理流程也便捷通畅。生育津贴“免申即享”,发放时间从原来的20个工作日大幅缩短至10个工作日内,且直接发放到个人。2025年上半年累计为5125人发放生育津贴,合计发放11155万元。
推出新生儿“出生即享”参保服务,明确新生儿在90天内参保可追溯至出生日享受医保待遇。2025年以来,全市共有7147名新生儿享受到了一站式参保服务。(记者 程茜 实习生 钱琰)
编辑: 刘晓东" alt="芜湖市近3000人次享受人工辅助生殖费用报销">芜湖市近3000人次享受人工辅助生殖费用报销

北京时间4月25日,2016-17赛季NBA继续季后赛的争夺,而在赛场内外,也有不少消息值得关注。
以下是今日NBA部分消息的汇总:
利拉德失望被横扫
在今天,开拓者主场103-128不敌勇士,季后赛首轮总比分0-4被淘汰出局。赛后,开拓者球星达米安-利拉德谈到这样的结果时,感到非常失望。“已我们这种方式出局,实在令人难以接受,真的很令人失望……我认为我们需要变得更好,每个人都要变得更棒,下赛季要团结一致再继续努力。”利拉德说道。4场系列赛,利拉德已经拼尽全力,他场均得到27.8分,数据显示,这也是开拓者队史近31年来季后赛场均得分最多的一次。
纳什出售600平豪宅
来自美国媒体的报道,有房产中介网站显示,前NBA球星史蒂夫-纳什已经将一栋位于亚利桑那州的豪华住宅成功出售,成交价格为317.5万美元。据报道,纳什的这套住宅早在2014年就在市场上挂牌。这套五居室的住宅占地约611平米,包括一栋独立的客房、游泳池、四个车库和一个酒窖。球员时期,纳什曾在亚利桑那州的球队菲尼克斯太阳长期效力,而那段时间,也是他生涯的巅峰期。
马刺众将欲帮伦纳德减压
来自美国媒体的报道,马刺后卫帕蒂-米尔斯今天在接受采访时,谈到了核心伦纳德,米尔斯表示,接下来的比赛,队友需要给米尔斯更多支援,“他需要帮助,我们都要站出来帮助他。”上场球,马刺加时憾负灰熊,伦纳德全场30投14中,砍下了43分,其中三分球10投7中。但是全队其他球员,全场三分球只有20中2。从末节开始,马刺几乎都是在靠着伦纳德一人苦撑大局。
火箭锋将盼次轮复出
来自《休斯顿纪事报》的报道,火箭锋线球星萨姆-德克尔今天在接受采访时,谈到了伤病的恢复情况。在常规赛末段,德克尔左手骨折,随后接受了手术治疗,但近期,他的伤情恢复不错。“我现在还打不了,不过他们(医疗团队)说我可以更有侵略性一些了,我可以持球、抓东西,当然,我还需要努力让自己适应。”德克尔说道。同时他也表示,如果火箭能杀进西部半决赛,他希望在第二轮可以登场。
马刺蓝领内线复出
来自圣安东尼奥媒体的报道,马刺中锋德维恩-戴德蒙将会在与灰熊的第五场比赛中复出。此前,由于生病,戴德蒙缺席了上一场与灰熊的比赛。目前,双方总比分站成2-2平,接下来天王山之战,将极有可能决定两队的晋级前景。今年季后赛,戴德蒙场均出战12.7分钟,能够得到1.3分5.0篮板0.7助攻。尽管数据普通,但是在内线,他却相当受波波维奇重用。
发展联盟MVP出炉
今天早些时候,NBA发展联盟官方宣布,效力于洛杉矶捍卫者队的后卫范德-布鲁当选本赛季发展联盟最有价值成员。布鲁出生于1992年7月17日,身高1米93,体重90公斤,来自马奎特大学。这已经是布鲁效力捍卫者的第三个赛季,期间,他共出战47场球,场均能得到24.8分5.1个篮板4次助攻及1.6次抢断,在他的率领下,捍卫者取得34胜16负的战绩,常规赛排名西部第一。除了在发展联盟打球,布鲁还先后在NBA的凯尔特人和湖人队短暂效力过。(波洛)
" alt="25日NBA:利拉德失望被横扫 纳什出售600平豪宅">25日NBA:利拉德失望被横扫 纳什出售600平豪宅