RSS 每日摘要

「哇咔财务管家」APP本周上线两项新功能：分红管理支持基金和股票按笔记录，自动计算累计分红、本金摊回等数据；存钱计划内置12存单法、36存单法、52周、365天等多种方式，以网格形式可视化进度。iOS版本开放VIP用户申请测试，安卓端同步取消注册审核，可直接通过APP注册登录。终身VIP早鸟价39.9元，云同步以外功能免费使用。

AI Agent驱动的无头服务（Headless Services）浪潮正在兴起。Salesforce已推出Headless 360，将整个平台（含Agentforce和Slack）完全API化，宣称「API即UI」。其背后逻辑是：个人AI直接调用API比操控图形界面更快更可靠，用户也更愿意通过AI代理使用服务。这一趋势被类比为2010年代初的API经济第一波浪潮，不同之处在于API现在是让AI代理替用户完成任务的关键入口。对现有SaaS按用户数计费的定价模式将构成重大冲击。

simdjson作者探讨ARM处理器上字符分类的最优SIMD实现。传统方案使用ARM NEON的nibble查表法（Langdale & Lemire 2019），每16字节一条指令完成JSON结构字符与空白符的掩码生成。新方案利用SVE/SVE2指令集——SVE最早于2022年随Amazon Graviton3实装，现已在Graviton4、Apple M系列、Microsoft Cobalt 100等主流芯片上普及——提供比NEON更宽的向量寄存器与更强的指令，可进一步提升JSON索引的吞吐性能。文章详细对比了两种方案的实现原理与适用场景。

Figma正成为「SaaSpocalypse」的典型案例。其脆弱性根源在于用户结构：S1文件显示2025年Q1设计师仅占33%，开发者占30%，其余为非设计角色——这批非设计用户最先被AI替代。LLM在辅助设计上已足够实用，能处理报告、提案等不需要顶级设计师的场景。Anthropic推出的Claude Design进一步将这一威胁具象化。文章指出Figma通过协作功能向非设计角色扩张的策略，在AI时代反而成为最大的战略负债。

作者记录了三周内围绕Multica与Impeccable构建的AI开发/设计工作流。Multica是Devv创始人开发的开源Agent协作平台，通过CLI将本机设为Runtime，支持为不同Agent配置独立指令和技能，并共享跨设备的知识库上下文，近期新增Projects与Autopilot功能。Impeccable则通过/impeccable teach先分析项目的用户画像与品牌调性生成.impeccable.md，再用/craft、/polish等命令驱动可复用的UI组件设计，在Web3Insight项目上取得了超出预期的效果。

Scala社区2026年4月第三周动态：sbt 2正式发布进入最后冲刺阶段，同期披露了一个sbt命令注入安全漏洞及修复方案。新开源项目包括类型安全的词法/解析库Alpaca（支持编译期校验和模式匹配DSL）和Protobuf/gRPC工具库Proteus。社区讨论焦点集中在Scala在AI时代的增长策略与生态定位。Scala Days 2026已宣布，6月布鲁塞尔的Scala Workshop CFP同步开放。

三种方法可将 Datasette 数据直接拉入 Google Sheets：最简单的是原生 importdata() 函数，适合无鉴权场景；进阶方案是将其封装为「命名函数」；若需在 HTTP 请求头中携带 API Token（importdata 不支持），则需借助 Google Apps Script 实现。作者提供了一份演示三种方式的示例表格供参考。

Claude Opus 4.7 采用全新分词器，导致相同输入的 Token 数量显著膨胀：纯文本约为 4.6 的 1.46 倍，高分辨率大图最高达 3 倍（因 4.7 支持最高 2576px 长边），但 PDF 文档仅增加 1.08 倍。由于 Opus 4.7 与 4.6 定价相同（输入 $5/百万 Token），Token 膨胀意味着实际文本处理成本约上涨 40%。作者已升级 Claude Token Counter 工具，支持跨模型对比计数。

Sebastian Raschka 分享了绘制 LLM 架构图的工作流：从官方技术报告出发，但因近年论文细节日益稀少，主要转向 Hugging Face 上的模型 config 文件与 transformers 库参考实现进行逆向分析——「能跑通的代码不会撒谎」。该流程仅适用于开源权重模型，不适用于 ChatGPT、Claude 等闭源模型，且作者有意保持手动操作以加深对架构的理解。

美团 LongCat 团队发布 LongCat-AudioDiT，彻底抛弃梅尔频谱等中间表示，直接在波形潜空间通过扩散 Transformer（DiT）完成 TTS，从源头消除级联误差。两项关键推理改进：① 修复流匹配框架中长期存在的训练-推理不匹配问题（每步推理强制重置提示区域隐变量）；② 用自适应投影引导（APG）替代 CFG，避免频谱过饱和。3.5B 版本在 Seed-ZH 说话人相似度达 0.818，超越 Seed-TTS、CosyVoice3.5 等模型，已开源 1B/3.5B 两个版本。