ZD至顶网软件频道消息:对于协同办公常用的工具,我们常常会有哪些忧愁甚至是抱怨?
来自员工的抱怨:使用工具众多,数据不集中,文档找起来可要了命; 一个文件,同事间甚至跨部门编辑,来来回回效率低。
来自老板的抱怨:使用第三方协同工具,敏感数据存在安全隐患;开发独立平台,成本太高。
协同办公除了提高效率更要确保数据的存储安全,说到存储就不得不提到群晖NAS,那如果群晖NAS也能提供常用的协同工具,这样的办公新姿势是不是更炫呢?
办公新姿势——上云端
群晖NAS早已不只是资料保全,文档备份这么简单了。通过DSM 6.1所提供的协同套件,让一个办公室甚至是一家中小企业能够在一个私有云环境进行办公。
DSM 6.1的Synology Office套件支持文档和表格两种格式的文件,除了可以建立新文件外,也可以把微软Office的Word、 Excel文件导入进行编辑。
在线办公说来也不是新奇的技术了,多人同时在线编辑、历史版本还原、成员文档共享、标签归类、评论标注……这些在Synology Office上都能实现,且近似于微软Office的界面,操作也简单易上手,省去培训的时间成本,最重要的是产生的文档数据都在你的NAS上,隐私安全也得到了保障。
Synology Office表格文件支持常用公式和简易图表制作
如果说隐私安全是群晖NAS协同套件的一个优势,那么这些套件间的整合使用是另一个值得称道的亮点。当正在与同事协作编写提案的时候,可以发现DSM 6.1的即时沟通套件“Chat”能够在Synology Office中同框运行,方便在文件编辑的同时进行即时讨论。而反过来在Chat中也能收到来自Synology Office的消息,收到同事的共享文件。省时增效,一目了然。
Chat除了能实现即时沟通的基本功能,其提供的添加主题标签和书签功能可对内容进行分类便于搜索,同时,将内容中上传的文件、发布的链接,甚至是谁@我都能集中在一个界面显示,再也不怕阅后即忘,找寻起来也很便捷。
而不同于其他常用沟通软件的群组概念,Chat中的群组分为公共频道和专用频道,公共频道是可见频道,方便项目组成员自行添加,不用创建者一个个拉进群而漏了谁。而专用频道只有创建者和邀请人员看得到,具有一定的隐私性,也更便于讨论重要话题。
Chat移动端App便于移动办公
如果你具有一定IT知识,还能通过配置的webhook自定义整合外部资源到Chat中,触发关键词后自动弹送相应内容。
比如在接入智能机器人大脑后,可实现智能客服功能,就像和真人一样在进行聊天,体验更丰富的聊天环境。
接入图灵机器人的智能对话
了解群晖NAS的用户应该都知道可以在NAS中搭建邮件服务器,还能接收外部邮箱邮件,这个就是MailPlus套件,但是这次DSM 6.1给这个套件又加持了新的光环,配合使用新套件 Calendar 效果更佳。
Calendar自身是一个日历行程套件,可以为用户记录行程安排并进行提醒,但在NAS里,日历行程就不是普通的添加提醒这么简单了,你可以将添加的事件共享给NAS中的其他用户,不用群发邮件或者私信通知这么麻烦,到点提醒,一键解决。而当配合MailPlus使用时,可以点击邮件中含有日期或时间的字符,直接添加事件到Calendar中,反过来在Calendar中添加事件时可以直接发送邮件提醒事件成员。
另外,上述提到的Chat套件,在MailPlus中也能同框显示,边写邮件边沟通,工作信息传达更快。
针对开头提到员工和老板担心的常见问题,用群晖NAS的一整套协同套件就迎刃而解了。虽然集中存储做到了,那么文件找寻起来不还是很费力吗?不要担心,DSM 6.1提供的Universal Search就是解决这个搜索问题的,通过对共享文件夹添加索引后,使用Universal Search就能实现全内文搜索,也就是通过搜索文档内容中的某个关键字就能搜索到这个文档。
存储、协同以及搜索的一整套解决方案,这个办公新姿势你值得get。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。