在2026年PGConf.Dev大会上，Pigsty的作者冯若航带来了一场名为“Extensions for Everyone”（为所有人而构建的扩展）的演讲。这篇整理稿提炼了演讲的核心内容，并提供了在线PPT链接：https://vonng.com/work/extensions-for-everyone。

开篇：扩展的超能力与共享交付的价值

0. 扩展，属于每一个人的工具箱

各位来宾，我今天分享的主题是“让每一个PostgreSQL用户都能轻松获取扩展”。

它围绕扩展的交付展开，探讨一个共享的交付层，如何让用户、扩展作者、厂商乃至PostgreSQL内核开发者都从中获益。

1. 讲者简介：冯若航与Pigsty

我叫冯若航，是开源PostgreSQL发行版Pigsty的作者和维护者。

过去两年间，我一直在为数百个PostgreSQL扩展做编目、构建、打包与测试，横跨不同的PG大版本和Linux平台。所以今天的内容不是理论推导，而是一份来自一线的务实报告。

2. 可扩展性：PostgreSQL吞噬数据库世界的动力

两年前我就写过一篇文章，指出PostgreSQL正在吞噬整个数据库世界。

核心论点很直接：PostgreSQL的成功源自它卓越的可扩展性。这种能力让生态可以快速进化，而不必把每一个新特性都硬塞进内核。这是PostgreSQL的超能力，但也随之带来了一个非常现实的挑战。

如果PostgreSQL通过扩展来成长，那么扩展的交付本身就成了系统的一部分。

光是可扩展还不够。一个扩展只有被用户发现、被顺利安装、被充分信任，才具备真正的意义。

这就是我着手收集和打包扩展的起点。

3. 两年之后：一个百万下载的开源基础设施

两年后，我搭建起了一套名为pgext.cloud的开源基础设施，专注于PG扩展的交付。

目前它已经覆盖了16个Linux目标平台和5个活跃的PostgreSQL大版本。把PGDG和contrib计算在内，可交付的扩展集合大约有511个。

这个仓库现在每月提供大约一百万次下载。已有几家PostgreSQL厂商借助它来分发自己的扩展。但今天要谈的重点并不是这个仓库本身。

更重要的是，我们在维护这张覆盖矩阵的过程中学到了什么。这才是我想和大家分享的内容。

4. 四类受益者

当我说“人人都能用上的扩展”时，指的是四类人。

第一类是终端用户和数据库管理员。他们需要现成的二进制包，而不是在生产服务器上编译代码。

第二类是扩展作者。他们需要触达用户，也不想被构建和交付这些琐碎事务拖累。

第三类是厂商。他们需要可以复用的组件。反复重新构建同一批包，是对工程时间的巨大浪费。

第四类是PostgreSQL内核开发者。他们需要反馈信号。当内核改动导致兼容性被破坏时，扩展往往是最早暴露问题的地方。

所以，这件事的本质是一个共享交付层。它不仅让工作更省力，也提供了可见性和反馈通路。在深入交付之前，我们先要了解生态系统本身，弄清楚我们到底在交付什么。

生态全景：一个庞大而散乱的扩展星系

5. 星系级条目数：1600+个候选项

PostgreSQL到底有多少扩展？社区里有一个众人维护的GitHub列表，收录了一千多个条目。我自己维护的目录目前跟踪着大约1,617个条目。

但这个数字需要背景信息：一些项目还在活跃开发中，一些已经无人维护；有些只能在特定云上使用；有些依赖专有的PostgreSQL分叉；还有一些仅仅是想法和示例。因此，1,617这个数字并不意味着有1,617个可以直接安装的扩展。

它真正表明的是，生态的边界非常巨大，而且相当混乱。

6. GitHub星标：关注度的快照

第一个公开的信号是GitHub星标。星标既不能衡量质量，也不能代表生产环境的使用情况，还会遗漏掉那些根本不托管在GitHub上的项目，比如PostgreSQL本身和PostGIS。

但星标仍然有价值。它反映了关注度、声誉和大概的认知度。排在榜单前列的都是熟悉的名字：TimescaleDB、pgvector、Citus、pg_search、pgml、pgai、pgmq等等。

观察其分布会发现，它高度倾斜——少数扩展吸走了绝大部分注意力，后面拖着一根长长的尾巴，呈现典型的对数分布。

7. 星标梯队：从四大天王到长尾

把扩展按星标数量级分组，可以得到一个简单的层级模型。

第零层：四大天王——PostGIS、TimescaleDB、pgvector、Citus，每家的星标都突破了一万。

第一层：44个扩展，星标在一千到一万之间。

第二层：大约152个扩展，星标在一百以上。

第三层：大约373个扩展，星标超过十个。

再往下就是约748个星标低于十的长尾扩展。

这并不是质量排行榜。有些热门项目早已不再活跃，比如pgml或zombodb；而某些低星标的扩展却非常实用。

不过这些层级向我们揭示了一件事：可见的生态远比已被发现的生态要小得多。把第零层到第三层加总，大约有570个超过十星的扩展，这与实际可交付的规模十分接近。

8. 扩展漏斗：从发现到实用

由此，我们得到了一个漏斗模型。顶部约有1,600个候选项。一旦将长尾截断，数量会急剧收缩。

中间，大约有500个扩展已经被编目、打包并进入交付阶段。

从来源拆分看，大约330个来自Pigsty仓库，160个来自PGDG，两边存在一些重叠。最底层是PostgreSQL自带的71个contrib扩展。

这个漏斗的形状很重要：发现面很宽，实际交付的范围窄得多，而真正广泛使用的又更窄。

9. 维度分析：32种观察角度

这个目录跟踪的维度远不止星标，还包括语言、许可证、分类、最近发布日期、仓库状态、打包状态、PG版本支持以及操作系统支持。你可以从多达32个不同的维度浏览扩展。

使用AI创作视频时，真正的瓶颈往往不是最终画面的精细度，而是从想法到成片的混乱过程。脑海里已经浮现出球场灯光、看台欢呼、球员在雨夜中奔跑、倒计时与“世界再次沸腾”的定格画面——热血又清晰。可一旦开工，难题接踵而至：分镜如何拆分？角色怎样保持统一？场景怎么衔接？一支60秒的宣传片需要多少镜头？每个镜头的提示词怎么写？做出一版不满意，素材又该如何管理？很多AI视频创作就卡在了这一步。

为了攻克这道坎，我尝试了Seko的无限画布，它把AI视频流程里最混乱的部分摊开、理顺。官方平台在seko.sensetime.com/explore。这次给自己定的任务是制作一支世界杯主题短片，讲述一个励志故事。向Seko输入的初始灵感很简单：

四年一次的足球盛会即将到来。城市、街头、球场、海边、雪山下的小镇，都有人在等待同一声哨响。一个少年抱着足球奔跑，灯光点亮球场，世界各地的人们抬头看向大屏幕。所有画面汇成一句话：当世界再次沸腾，我们一起开场。

过去做这类片子，得先建文档拆脚本，逐条写分镜，再单独生成场景、人物、动作和转场，AI虽能辅助，但耗时依旧。最折磨人的是刚完成第一个镜头，就开始焦虑后面的分镜能否顺畅衔接。而在Seko的无限画布里，我直接把这段灵感丢进去，让它自动生成画布工作流。

系统会首先将故事拆解为一组可继续编辑的分镜。

整个过程完全自动化。如果对某处分镜不满意，随时可以修改。确认无误后，直接进入画布开始创作。下方有两种生成模式可供选择，这里选画布模式，更加直观可控。

进入画布后的景象让人既不敢相信又极度兴奋——所有逻辑连线都已预先规划好，这种体验在以往画布产品中从未有过。

点击观看画布展示视频：

接下来只需逐一检查各分镜图片是否符合预期，不合格的重新生成，合格的直接输出为视频。视频提示词已自动填入，我们的工作就是点击确认。

生成视频的模型阵容也相当齐全，除了顶级模型Seedance2.0，还整合了Vidu、可灵等实用工具。建议在普通镜头下使用Vidu或可灵，当需要处理大动态或提升提示词遵循能力时再启用Seedance2.0，这样能有效控制积分消耗。

例如，以下是用Vidu生成的分镜视频：

再用Seedance2.0生成另一组分镜视频看效果：

随后可以将各个分镜视频拖入编辑器进行精细调整。

批量导入编辑器后，即可着手最终的视频剪辑与合成。

调整好各分镜后直接导出即可。

此外，侧边栏还能选择和制作背景音乐与配音音频，一站式服务到位。

最后把所有分镜导入剪映进行微调，一部质感不错的短片就完成了。

来看看最终成片效果：

这套流程对新手非常友好。不用先把所有镜头想透彻再动手，只需先输入一个整体方向，让Seko拆解故事、生成画布，然后像导演一样在画布里调节节奏、补充镜头、变换构图、精修画面。

Seko的一大特色是可以一次性制作多剧集短剧，这个功能也被完美继承到了无限画布中，各个剧集之间的资产、风格都是共享的，非常便利。例如，我制作了一个文艺小短片，灵感是：

“一个人在夏天结束前，坐最后一班巴士去海边，和过去的自己告别。”

第一集成片如下：

不同剧集间，人物角色与关联场景都保持高度一致。第一集画风如下：

第三集则完美继承了相同的风格和人物。

再看看具体画布中的资产情况：

可以清楚看到，不同剧集间的人物、资产是互通的，这样能最大限度保证多剧集视频内容的主体角色一致、主要场景不偏离。在资产管理部分，也可以按分集查看画布信息。

除了基础的图片与视频生成，无限画布还内置了许多实用的附加功能，例如全景生成与多角度图片生成，对AI视频创作十分关键。

很多人不缺乏精彩灵感，缺的是能承接灵感的清晰流程。像制作世界杯宣传片这样听上去热血沸腾的内容，实际执行时容易在“城市、球场、人物、人群”之间迷失。如果没有画布，很快就会攒成一堆散乱的素材；而有了画布，从灵感到分镜、从分镜到资产、从资产到精修、最终进入编辑器成片，每个环节都变得清晰可控。这正是Seko无限画布最值得体验的地方——它让AI视频创作终于走出黑箱，我们能亲眼看着自己的故事一点点变成画面，这种掌控感令人兴奋。

如果你也想制作一支AI短片、预告片或赛事宣传片，或者只想验证脑中故事的可视化可能，不妨从一张画布开始，先把灵感写下来，剩下的让Seko陪你往前推进。

对于新用户，Seko目前赠送算力，Seedance2.0模型还有4.8折优惠，同时可以参加官方举办的“神作星探局”活动，参与即可获得积分补贴。

在我过去的模型评测中，经常用到一款叫做 CodingPlan Test 的自研工具，很多读者来问，表示很想上手一试。今天就把最新的软件和源码一块儿开放出来。

项目跑起来非常简单，完全零基础也能轻松玩转。

为什么要做这个平台

初衷很直接：需要一个可以批量检验不同 CodingPlan 真实水平的环境，同时观察它们的响应速度、Token 消耗等硬指标。而平台本身的迭代过程，也成为大模型能力测试的一部分，相关的文章我已经写了几十篇。

经过长时间实测，我越来越肯定一个结论：同样叫 Token，纯度之间的鸿沟远比想象中大得多。 优质的 Token 一口吸进去就再也不想换，劣质的吸一口就想吐。

短期内我可能不再发布评测向的内容，索性把工具完全交出来，方便大家自己动手对比。如果你在用中转站或其他代理服务，也可以拿它来检验一下 Token 的成色。

让我有点意外的是，不过短短几个月，纯粹的 CodingPlan 已经所剩无几，几乎全线变成 TokenPlan，不是贵得离谱，就是抢到崩溃。这就让原来的平台名字有些尴尬。所以我索性给它改了个更直白的名——TokenPlay。一个随便“玩”Token 的地方。

下面就从功能菜单出发，逐一说明有哪些玩法，每个功能都对应着不同的使用场景。

1. 平台配置

这个模块负责统一管理各类大模型供应商，也就是不同平台的接入信息。

目前内置了 6 个平台，只需要填入 Key，选好协议和模型，立刻就可以调用。

同时提供添加、编辑、测试、删除等基础操作。

编辑界面可以调整的信息包括：

• 平台名称
• 支持的协议
• 接入点地址
• 模型清单
• 密钥

除此之外，还允许指定思考模式以及默认的系统提示词。

添加模型时，我预先内置了大量常见选项，方便快速录入。目前国内主流模型基本都在预设列表里，海外也整合了 OpenRouter。模型配置完成后，后续所有功能都可以直接调用，还能随时启用或停用某个配置。

2. 批量测试

这个功能支持一键对多个模型进行批量测试，并将结果、速度和 Token 消耗并排展示。

当前可以自定义的参数包括：

• 核心提示词
• 系统提示词
• 最大输出 Token 数
• 具体参与测试的平台

测试结束后会全部自动存档，直接点击“历史记录”即可查看。

响应结果展示界面如下：

这里会显示所有参与模型的输出、思考过程以及详细的请求数据，内容完美支持 Markdown 格式渲染。

除了文本结果，还有性能数据：

性能指标包含 5 项：

• 首次响应延迟
• 总耗时
• 端到端速度
• 解码速度
• Token 消耗（功耗）

全部用图表呈现，一目了然。这就是 Token 照妖镜——随便抛出一个问题，谁强谁弱、谁快谁慢便一目了然。

此前曾分享过微信小程序 Vibe Coding 上线全流程，收到许多关于如何利用 Vibe Coding 开发网站的留言。趁着最近动手搓了一个几乎人人必备的 Markdown 文章编辑器，我将整个零成本开发部署的过程整理出来，供大家参考。

项目缘起

Markdown 文章编辑器如今人人都能通过 Vibe Coding 手工打造，但开发完成之后，“如何部署”往往成为新的问题。

恰好我手头有一个与 Markdown 相关的域名，便顺势开发了一款专门面向公众号内容创作者的 AI Markdown 工作台，命名为「码搭AI」。

核心功能一览

内容库管理

码搭AI 与其他 Markdown 编辑器最大的不同，就是它对“内容库”的深度支持。

很多编辑器只能单篇写作，写完即走，但公众号运营者往往需要同时管理多个账号、多篇文章，缺少的是完整的内容管理方案。

• 多库管理 — 支持创建多个独立的内容库。如果你运营多个公众号，可以按账号分库存放，互不干扰，一键切换。
• 自定义图标 — 每个内容库都可以上传自己的图标或选用 Emoji，让你在侧边栏就能快速辨认并定位。
• 多文档管理 — 每个库内都可以创建、编辑、删除及重命名多篇文档，随时增删改查。
• 文档排序与置顶 — 重要文档一键置顶，也可以通过上下移动灵活调整顺序，写作节奏完全由你把控。
• 侧边栏快捷切换 — 内容库直接展示在侧边栏，单击即切换，无需进入二级页面翻找。
• 本地持久化 — 所有内容自动保存在浏览器本地，刷新页面也不会丢失，打开即用，免登录。

一句话概括：一个编辑器帮你管好所有账号的所有文章。

三步实现零成本部署

整个项目从代码到上线都无需花费一分钱，流程非常简单，主要分为以下三步：

第一步：初始化项目

打开 Claude Code（或其他 AI 编程工具），用下面这样的描述告诉它你想要的功能：

帮我创建一个微信公众号 Markdown 编辑器，使用 Vue 3 + Vite + TDesign，支持实时预览、主题切换、一键复制到公众号。

AI 会自动搭建项目骨架、安装依赖并生成核心代码。

Codex目前每月全球活跃用户数已达500万，这对一款编程工具而言堪称惊人。
在各大社区中，Codex的口碑也超越了Claude Code、Cursor等竞品。业内人士对其赞誉有加，纷纷预测它未来可能发展为像Windows和iOS一样的系统级生态应用。

作为一名普通但深度的Codex用户，我几乎将所有重要工作都交给Codex处理。
原因很简单，交给其他AI工具我实在不放心。
Codex工作极其严谨，每一步过程都会向我说明。我能够清晰了解它的思考路径和工作流程，因此格外安心。
更重要的是，Codex能够直接操控浏览器，甚至控制整个电脑。
再加上Codex生态的全面性，集设计、Office文档编制、网站开发等能力于一身。
可以说，一骑绝尘。国内的工具短时间内确实难以望其项背。用过Codex之后，再回头使用国内AI工具，总会有各种不适应。

对于Codex，我既深深依赖，又怀有隐忧。担心某一天账号突然失效，自己“一夜回到解放前”。
这种担忧并非空穴来风。前段时间，Codex因风控问题曾封禁一批账号，虽然后来证明只是虚惊一场，但足以给所有人敲响警钟。
对于Codex，绝不能过度依赖，谁也不知道它会不会像Claude Code那样，突然对你赶尽杀绝。

以上说的是风险，再来看看使用中遇到的实际问题。
问题主要源于网络不互通。尽管Codex拥有强大的浏览器操作能力，但又有几家公司的内网环境能随意访问外部服务呢？
因此实际场景是，我打开Codex就无法访问工作网站，登录工作网站时又无法使用Codex。
我还是只能手动操作网站进行测试、排查问题。两者无法结合，此时Codex对我的价值就降到了与豆包、元宝差不多的程度。
由于网络频繁切换，我甚至可能两三天都找不到机会使用Codex。在那些忙得焦头烂额的日子里，我格外怀念Codex，偶尔不免抱怨：如果它能帮上忙，我又怎会如此忙碌？

基于以上风险与现实问题，我认为降低对Codex的依赖才是正确的方向。
假若有朝一日Codex离我而去，我也能独自扛起一切。
所以，从现在起，就要为那一天铺路。

第一步：沉淀Codex经验，建立可迁移的知识库

我会将Codex中的每一次对话、每一次解决问题的思路与方法都记录下来，沉淀到我的 PMBrain 知识库中。

借助PMBrain作为中央知识库与工作路由，其他AI工具也能了解我所处理的事务和进度，从而随时接手。
反过来同样有效，我可以把在其他AI工具上失败或难以推进的工作记录进PMBrain，再交由Codex继续完成。

第二步：熟练驾驭一款国产AI助手，作为可靠备选

我选择了Codebuddy作为下位替代，这款工具总不会被禁用。我需要彻底摸熟、摸透它。虽然它不如Codex强大，但基本能力健全，完成大部分基础工作不成问题，万一搞砸了再回头找Codex也不迟。
我也会使用Claude Code + DeepSeek 的组合方案，同样好用且靠谱。只是命令行界面（CLI）的操作我始终不太习惯，觉得有些反人类。但Claude Code的Hermes功能确实强大，如果能适应CLI，其能力远胜Codebuddy。

第三步：解耦工作流，让能力脱离单一工具的束缚

我认为这一步最为关键。许多人依赖Codex，真正难以割舍的是Codex帮你塑造的那套工作方式。
但今天由Codex执行，明天可以换成Codebuddy，换成Claude Code，甚至可以由你手动操作。因此，我会有意识地将一些高效的流程整理成文档、规则或技能（skill）。一旦落地为文，Codex能用，其他工具同样能用。
这就是把能力从工具中解耦出来。工具会变，成熟的流程能一直留存。

结语

走完这三步，Codex不再是唯一的选择。它依然很好用，我依然会继续使用它。但我不会再将所有希望寄托于一身。
写这篇文章，并非要说Codex不好。恰恰相反，正因为我太喜欢Codex，才会担心自己过度依赖。
一个工具越好用，你越容易将自身的能力外包给它。短期来看很爽，长期则暗藏风险。
今后，我会继续用Codex，但绝不能只会用Codex。把知识沉淀下来，把流程解耦出来，把替代工具练熟。
如果它还能用，当然最好；即便某天它真的离你而去，你也不至于在原地手足无措。
工具可以更换，你的思考能力仍在。

#参数化设计 #建筑软件 #性能化设计

建筑软件的新一轮竞争，表面争的是AI功能、云端平台与实时分析，实质却指向同一个核心——谁能把早期设计中模糊的经验判断，转化为可计算、可追踪并能延续到BIM中的项目证据。将Forma与Opossum并置观察，恰好能看清这一趋势。

AEC趋势判断

近期一个颇具代表性的课程组合进入视野：Autodesk Forma协同Grasshopper中的Opossum，借助早期性能数据、日照模拟、辐照分析、空间日光自主性与多目标优化来推敲方案。表面上看这像是一场参数化工作坊，实质上更像建筑软件演进路径的一张切片。

过去二十年，建筑软件的主战场一直是“表达”：把形体绘制出来，把构件搭建出来，把图纸输出出来。而如今主战场正在向“判断”迁移：一个体量为什么这样摆放，一块立面为什么这样开洞，一个户型组合为什么如此取舍，方案从概念转入Revit时，前期所做的性能假设是否丢失。

我的判断非常明确：未来五年，建筑设计软件不会简单蜕变成“会聊天的CAD”。更可能出现的是一批面向设计决策的工作台：一边承接几何与构件，一边接入气候、碳、成本、规范以及项目知识。

路径一：性能分析前置，拒绝定型后补救

Forma最具代表性的地方，不在于能否替代Revit，也不在于建模功能有多细腻。真正的关键在于，它把环境反馈移到了方案早期。Autodesk在2026年推出Forma Building Design时重点强调的能力，包括场地快速生成、平面与立面自动化、日照与采光潜力评估、碳分析，以及将方案作为附带地理位置的原生Revit模型继续深化。

这背后的软件逻辑十分重要。传统流程里，早期方案靠经验快速推进，性能分析往往后期才补做。补做当然有其价值，但它常常只能告诉你“这个方案哪里出了问题”。当分析被嵌入概念阶段，它便开始改变设计动作本身：你每调整一次朝向、后退红线、体量高度或窗墙比，软件立刻把影响反馈回来。

这正是“性能化设计”从顾问报告走向设计桌面的过程。它的任务并非让建筑师变成能耗工程师，而是让建筑师在最便宜、最可逆的阶段，提前看清关键变量的方向。

但同时必须界定清楚：早期分析提供的只是决策线索，并不等同于施工图深度的模拟结论。把它当作“方向盘”不妨，若当作“审图依据”则危险。

路径二：参数化不再造形，转为方案搜索引擎

Grasshopper长期被很多人理解为“做复杂形体的工具”，这种理解过于狭隘。参数化真正强韧的地方，在于把方案拆解为变量、约束和目标。Opossum的价值恰落在这里：它将注意力从奇特的形态转移到参数搜索上，在一组可变参数中寻找更优解。

Opossum由斯图加特大学ICD相关团队开发，名称源自OPtimizatiOn Solver with SUrrogate Models。它在Grasshopper中提供了RBFOpt、CMA-ES、RBFMOpt、NSGA-II等优化算法。对建筑师而言，不必纠结于算法名称，关键在于理解两类核心能力：一类是在模拟耗时长的情况下，利用代理模型减少真实计算次数；另一类是在能耗、日照、造价、舒适度相互制衡时，给出Pareto取舍方案。

这和传统Galapagos式遗传算法最大的区别，在于它更适应昂贵模拟。建筑性能问题常常无法在一秒内跑完，一次能耗、日照、热舒适或结构响应可能需要较长时间。此时粗放地尝试上千个解根本不现实；让软件先学习问题的大致形态，再把计算预算投向更可能有效的区域，才是更贴近真实项目的策略。

建筑师的职责因此发生转变：少一些凭手感在无穷版本中漫游，多一些对变量、约束和评价指标的定义。谁能把问题定义清楚，谁就能让工具产出有价值的成果。

路径三：BIM数据拆解，走向按需调用

建筑软件真正的变革，不只发生在界面层，也在数据层。Autodesk的AEC Data Model API已经把Revit这类大文件中的元素、参数、版本和属性查询，拆解为云端可访问的颗粒化数据。2025年的几何公开测试更进一步，将Revit geometry、IFC转换、内存网格以及多应用工作流置于同一轨道。

这件事将深刻重塑建筑软件的形态。过去我们围着文件转：谁打开RVT，谁导出IFC，谁发送模型，谁再进行分析。未来，越来越多流程将围着数据接口转：质量检查、房间数据表、材料统计、碳核算、规范筛查、成本预估，都可以直接抓取元素级数据，无需等待某人手动导出一次文件。

开源与开放标准路径也在加速同向演进。buildingSMART的IFC 4.3已作为ISO 16739-1:2024成为正式标准，Speckle也把重点从“模型互通”转向数据驱动流程、实时洞察和自动化。一个清晰的信号是：互操作本身不再是终点，让数据流入分析、协作与自动判断，才是终点。

路径四：AI从渲染工具切入，深入项目上下文

很多人第一次接触建筑中的AI，是通过出图工具。Graphisoft的AI Visualizer 2.0便是典型例子：在Archicad里将草图、模型视图、材质构思转成更容易沟通的视觉成果。这具有现实价值，尤其适用于概念表达、材料试探和客户沟通。

但如果只停留在出图，建筑软件的深层变化就被看浅了。图像工具能帮你表达一个方向，却很难替你承担项目连续性。真正会改变事务所工作方式的AI，不应只停留在“把这个模型渲成某种风格”。更关键的能力，是读取项目数据、理解约束、调用分析、比对版本、指出风险、生成可追踪的交付材料。

这也是为什么云端数据、API、IFC、参数化优化会突然变得如此重要。没有结构化数据，AI只能看图说话；拥有了元素、参数、版本、关系和分析结果，它才可能进入真实的设计流程。

建筑行业不会被“一个万能设计按钮”瞬间改写。它更可能被无数细小而具体的判断环节慢慢重塑：这个窗洞是否加剧过热，这个单元组合是否牺牲了采光，这个方案为何碳值更高，这次修改相比上一版改变了哪些关键指标。

路径判断：建筑师须从操作者转型为流程定义者

从Forma到Opossum，从Revit数据API到IFC 4.3，从Speckle到Archicad的视觉与知识辅助工具，背后共同指向一条路径：建筑软件正从“单机生产工具”走向“连续决策系统”。这一系统包含三个关键部件。

第一，早期模型必须拥有数据密度。 体量不能只是漂亮盒子，至少要带上位置、面积、层数、朝向、开窗、材料假设和基本性能指标。没有数据密度，后续的判断不过是视觉讨论。

第二，参数化模型必须配备评价指标。 不要只会拉动滑块。每个参数都应该回答一个问题：它影响日照、碳、成本、得房率、施工复杂度，还是运营能耗？变量若没有目标，优化便只是随机试错。

第三，BIM必须能够承接早期决策。 早期分析若无法带入后续模型，就会沦为漂亮汇报页。未来的核心竞争力，就在于让概念阶段的性能证据、方案取舍、数据假设持续流入详细设计，避免每换一次软件就得重来一遍。

对事务所而言，最现实的升级顺序并非采购一堆新软件。先选定一个真实项目，将“概念体量、性能分析、参数优化、BIM承接、版本记录”串成一条小流程。跑通一条，再扩展到一类项目。

建筑师的三项行动指南

先把Forma这类工具当作早期判断仪表盘，不要把它视作Revit替代品。用它快速测试场地、日照、噪声、碳和体量方向，目的不是得到最终答案，重点是尽早排除错误方向。

再将Grasshopper/Opossum当作问题定义训练。不要一上来追逐复杂算法，先从三个变量、两个目标起步：例如窗墙比、遮阳深度、体量退台，对应日照、碳或得房率。模型越小，越容易看清优化是否真正有意义。

最后，把数据连续性作为软件选型的硬标准。一个工具再炫，如果只能产出孤立图片或孤立模型，长期价值便非常有限。能不能回到BIM，能不能导出结构化数据，能不能接入IFC或API，能不能被团队复用，才是建筑软件下一阶段的硬指标。

建筑师无需害怕软件越来越聪明。真正需要警惕的是，自己仍停留在“会操作按钮”的层面。未来更有价值的能力，是把设计问题翻译为变量、约束、证据和交付链路。工具会换，软件公司会换，平台会换；能定义流程的人，才不会被每一轮更新牵着走。

来源：Autodesk News, “Autodesk brings design and make intelligence to the built environment with Forma Building Design and deeper cloud connections with Revit” https://adsknews.autodesk.com/en/news/autodesk-design-and-make-intelligence/
Autodesk Forma Blog, “Design Now, Revit Next: Schematic Design with Forma Building Design” https://blogs.autodesk.com/forma/2026/04/07/introduction-to-forma-building-design/
ICD University of Stuttgart, “Opossum” https://www.icd.uni-stuttgart.de/research/research-tools/opossum/
Autodesk Platform Services, “AEC Data Model API” https://aps.autodesk.com/en/docs/aecdatamodel/v1/developers_guide/overview/
buildingSMART Technical, “Industry Foundation Classes” https://technical.buildingsmart.org/standards/ifc/
Speckle, “Speckle’s new era of data-driven workflows” https://speckle.systems/blog/speckles-new-era-of-data-driven-workflows/
Graphisoft, “AI Solutions” https://www.graphisoft.com/en-us/plans-and-products/ai-solutions/

当需要一台接近正统Linux体验、清爽无桌面组件的服务器时，我常选择在树莓派上运行Ubuntu Server。这款系统特别适合搭建家用服务器、小型实验环境或各类常驻后台任务。唯一的小遗憾是启动后直接进入命令行界面；若你习惯了树莓派官方带桌面的系统，初次接触会感到过于简朴。

Ubuntu Server 26.04 已正式适配最新的树莓派硬件。你可以通过Raspberry Pi Imager工具，或直接从Ubuntu官网下载镜像，将系统烧录到SD卡或U盘，整个过程不包含任何桌面环境。

本文首先讲解完整的安装流程，接着分享系统初始化的配置技巧，最后介绍如何按需加装桌面环境。

• 在树莓派上安装 Ubuntu Server 的两种途径
• Ubuntu Server 初次启动与基础配置
• 为 Ubuntu Server 扩充桌面环境

在树莓派上安装 Ubuntu Server 的两种途径

整体安装流程包含以下三步：

• 在个人电脑上下载并安装 Raspberry Pi Imager。
• 使用该工具将 Ubuntu Server 镜像写入 SD 卡。
• 将准备好的 SD 卡插入树莓派并开机启动。

接下来我们会展开每一步，并介绍使用 Balena Etcher 等工具的备选方案。

方法一：通过 Raspberry Pi Imager 快速部署

想要最便捷地在树莓派上运行 Ubuntu Server，首推 Raspberry Pi Imager，可以从官网下载。

安装 Raspberry Pi Imager

打开官网的软件页面。

下载对应你操作系统的版本。它支持 Windows、macOS 和 Linux。如果你正在运行 Raspberry Pi OS，甚至可以直接在树莓派上安装：

sudo apt install rpi-imager

安装完成后，就可以将 Ubuntu 文件写入存储卡。

一、市场概览

根据Straits Research的统计，2024年全球芳香疗法扩散器市场规模约为20亿美元，预计到2034年将攀升至46.9亿美元，复合年增长率（CAGR）达8.9%。其中，智能与WiFi连接型扩散器已成为增速最快的细分领域，正从传统家用电器蜕变为智能家居生态中不可或缺的节点。从区域格局来看，北美市场占据了44%的份额，欧洲占比30%，而亚太地区以20%的份额和高达9.7%的CAGR成为增速最快的区域。社交端，TikTok平台上的#homescent话题已累计超过50亿次播放，强烈映射出消费者对“居家幸福感”的追求正不断深化（数据参考：Emergen Research、Verified Market Reports）。

二、竞争格局

从中提炼的核心洞察是：市场整体呈现哑铃型结构——低端$20-$50区间已是全塑料白牌的肉搏红海，高端$95-$250则被Pura、Aera等品牌的封闭生态牢牢锁定。而**$59-$79的价格段，几乎没有出现任何同时具备WiFi智能、开放生态、高端设计与500ml大容量的产品**，正是DTC品牌切入的理想空白地带。

三、用户痛点分析

四、品牌真空带：$59-79最佳切入点

当前市场的哑铃型结构极为分明：
🔴低端$20-50 → ASAKUKI、InnoGear、Urpower等数百个白牌，清一色全塑料、廉价感突出，全部困在价格战中
🟢$59-79 → 品牌绝对真空！至今没有一个品牌能够同时兑现“WiFi智能+开放生态+高端设计+500ml大容量”
🔵高端$95-250 → Pura（封闭）、Aera（封闭）、Vitruvi（弱智能）、Moodo（小众）牢牢占据
💡 Pura $44-50虽低价却将用户锁在封闭系统内，Aera $95+用高价胶囊抬高后续成本，Vitruvi $119+以陶瓷美学为卖点却缺失WiFi——这些玩家的短板恰好拼接成一块“黄金三角”机会，静待新品牌精准切入。

近期跨境电商领域迎来密集调整，本期重点解读三大关键变化：Temu广告模式自6月7日起强制切换至全域ROAS出价，低单价铺货策略失去空间；Shopee在多个站点将广告计费从点击（CPC）转变为浏览（Views）归因，广告投资回报率测算方法需全面重建；同时剖析一个DTC独立站从月亏损6万到月盈利18万的逆袭案例，总结可复制的精细化运营方法。

一、Temu广告系统重大调整：全域ROAS出价即日强制启用

自2026年6月7日起，Temu广告投放体系发生根本性变化：新建的推广计划只能采用全域ROAS出价模式，原有的“目标推广ROAS出价（单品推广出价）”选项已不再支持创建新计划。此前已建立的单品推广计划可沿用至6月30日，之后将全面停用。

新模式的核心机制是：卖家只需为整个店铺设定预期的投产比（ROAS），平台便会自动将商品推广至搜索、推荐及活动页等全域流量位，并配套14天超长退单红包和全店利润核算功能。

二、Shopee广告计费模式革新：从CPC转为浏览归因

从6月1日开始，Shopee在菲律宾、越南、马来西亚、泰国、新加坡、巴西以及中国台湾这七个市场，对全站推广的商品广告新增了1天浏览归因，正式将计费方式从按点击收费（CPC）转为按浏览计费（Views）。换言之，即使买家未直接点击广告，只要他们浏览过广告展示位置并在1天内完成订单，该交易就会被算作广告带来的转化。同时，部分原本的自然流量转化也可能被归因到广告上，这可能导致广告投资回报率（ROI）被高估。

三、DTC独立站逆袭案例：从月亏损6万到月盈利18万

EcoVibe是一个由国内卖家运营的环保家居DTC品牌，于2024年底在Shopify上线。早期依赖低价爆款和大规模广告投放，却在2025年上半年累计亏损超过80万元。经过策略转型，到2026年4月，其月营收达到82万元，净利润18万元，净利率达22%。其方法论可划分为四个阶段：

盈亏平衡ROAS计算公式为：1÷(1-毛利率-退货率-手续费率)。一旦广告ROAS低于该盈亏平衡点，投入越多反而亏损越严重。

四、Shopee马来西亚6.6大促持续进行：流量较平日高出五倍

Shopee马来西亚2026年“6.6生日大促”从6月3日持续至16日，为期14天，涵盖预热、爆发和返场三个阶段。预计主会场流量集中度比平日高出至少5倍，跨境直邮、家居用品、美妆、电子产品等核心类目将迎来订单集中爆发。大促活动仍在进行中，建议重点布局家居日用品、平价美妆和3C配件，提前为广告账户充值以冲刺转化效果，并抓住每天的流量高峰期。

纵观6月跨境电商领域，Temu和Shopee的广告模式几乎同步迎来根本性变革，标志着粗放式铺货运营时代的正式终结。EcoVibe的逆袭之路表明，走精细化运营路线、定位于中高端市场并构建系统化的复购体系，才是当前唯一可持续的增长路径。

一、全球市场生态全景

全球水牙线（又称冲牙器或口腔冲洗器）市场正迎来高速扩容周期。根据 Mordor Intelligence 的行业监测，2025年全球市场规模约 11.5亿美元，到2031年预计攀升至 17亿美元，测算期内复合年增长率（CAGR）约为 6.8%。另一机构 Deep Market Insights 的评估则显示，2024年市场规模约11.9亿美元，至2030年可达23.6亿美元，中长期增长动力强劲。

在细分形态中，便携式无线冲牙器无疑是领跑品类。Mordor Intelligence 指出，2025年无线款已占据整体市场 57.12% 的销售份额，成为新用户入门的绝对首选。QY Research 的数据进一步显示，全球无线便携冲牙器市场2024年估值约 8.79亿美元，2031年预计达到 12.06亿美元，CAGR 4.7%，体量和增速均十分可观。

区域市场分布上，呈现出明显的梯度格局：

• 北美

  以 38.47% 的份额稳居全球第一大市场（Mordor Intelligence）。在美国本土，Waterpik 凭借 40%–45% 的压倒性市占率占据主导地位（Accio 数据）。

• 亚太

  以 7.9% 的 CAGR 成为增长最快的区域，由中国和印度市场共同驱动，2023年收入贡献约占全球的24%。

• 欧洲

  受可回收材料法规驱动产品迭代，市场增长稳健，高端化替换需求持续释放。

核心趋势信号速览：

• 亚马逊平台搜索数据显示，12月受节假日效应拉动出现爆发式跳涨，2月和4月也分别录得 +8.49% 和 +9.18% 的显著搜索增幅，表明多个消费节点存在商机。
• 60% 的英、美消费者愿意以超过80美元的价格购买高端冲牙器（Accio 数据），支付意愿强烈。
• 智能化需求已成主流：76% 的美国受访者和 72% 的英国受访者将蓝牙连接、APP追踪、可调节压力等智能功能视为关键购买因素。
• TikTok 上 #waterflosser 话题持续升温，相关内容的月均增长达32%，社交传播势能显著。

二、竞争格局深度拆解

竞争格局总结：