ZD至顶网软件频道消息: 在用IMO班聊之前,东营市第一中学的老师们都觉得工作上的沟通效率明显不高。“500多名教职工基本上都是用QQ沟通,但是每天巨大的信息量、杂乱的内容,让工作和娱乐混为一谈。”信息部王主管感叹说,更别提500多人昵称泛滥,即使都改成实名,查找起来也不是特别方便。
“事业单位,尤其是学校这样教书育人的场所,一旦沟通内容掺杂了八卦娱乐,便很不适宜,而且办公效率也会大大降低。”老师们的抱怨,让王主管开始寻找真正能适应办公场景的沟通工具。一个偶然的机会之下,IMO班聊进入了王主管的视线。“它的工作属性非常鲜明,在组织架构、实名制的限定下,娱乐属性被降到最低,管理起来也很方便,每个人的班聊账号由信息部统一分配、集中管理。”
同样的情况,也出现在上海一家大型金融集团,其高管陈磊介绍道:“我们公司在全国有超过40家分支机构,员工超过3万。”陈磊表示,IMO班聊具备“典型”的工作属性,这点让很多聊天工具望尘莫及。“就拿企业通讯录来说,公司的所有架构、部门都清清楚楚,员工不仅采用实名制,而且职务、电话一应俱全,找个人非常方便。”而在班聊的电脑端甚至还配备了座位图,对跨部门沟通、组织扁平化有着意想不到的效果。
不会对管理需求视而不见
企业沟通与个人沟通最大的区别是,拒绝娱乐、需要管理。因此,不少企业在使用IMO班聊时都会发现,班聊有强大的管理后台,可提供多种权限管理——包括身份设置、功能权限管理、群权限管理、分支权限管理、一人多职管理等。
“虽然手机办公的大量普及,造成了权限管理的设置难度,但班聊不会对这些需求视而不见,既然做企业级服务,就必须满足这些细致、甚至有些繁琐的分级安全需求。”imo CEO乔月猛对此解释说。
据其介绍,在IMO班聊管理后台,还远不止权限管理这一个功能,组织架构设置、分支隐藏、一人多职、企业邮箱配置和邮件感知、各种身份权限、增值业务配置、群组管理等功能,在满足分级安全的需求上,更响应工作复杂的组织架构需求,进行管理协作,大大提升了工作效率。
比如邮件感知,管理员对企业邮箱的参数设置,可以打通班聊和邮件系统,每个用户在班聊上就能知道邮件的“到来”,并进行收发和管理;而针对网络文件柜功能,管理员可对成员设置在“企业文件柜”中的操作权限,包括:“上传”、“下载”以及“管理(可删除他人文件)”,不仅保证了工作中的有序操作,同时用户可放心上传,进行文件共享,无需担心文件泄露到外人之手。
工作属性要鲜明
企业有复杂的组织架构,用QQ或微信完全没有办法满足沟通协作需求,具有丰富而强大后台管理功能的IMO班聊绝对满足所需;公司机密部门不对企业内部公开,IMO班聊里亦能将这部分人加入组织架构,后台设置仅部分人可以查看;班聊提供的各种功能都可以在后台控制开关……
“从产品层面来说,IMO班聊坚持企业管理的必要性,因为‘没有规矩,不能成方圆’”乔月猛也认为,面向C端市场的产品可以不注重管理,但是企业级IM万万不能缺少管理性。“相反,好的企业级产品可以构建更加有序、良性发展闭环的团队。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。