[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-horance-liu--tensorflow-internals":3,"tool-horance-liu--tensorflow-internals":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",150720,2,"2026-04-11T11:33:10",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":75,"owner_location":76,"owner_email":77,"owner_twitter":75,"owner_website":78,"owner_url":79,"languages":80,"stars":89,"forks":90,"last_commit_at":91,"license":75,"difficulty_score":92,"env_os":93,"env_gpu":94,"env_ram":94,"env_deps":95,"category_tags":100,"github_topics":101,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":105,"updated_at":106,"faqs":107,"releases":127},6597,"horance-liu\u002Ftensorflow-internals","tensorflow-internals","It is open source ebook about TensorFlow kernel and implementation mechanism.","tensorflow-internals 是一本开源的电子书，旨在深入剖析 TensorFlow 的核心内核与底层实现机制。对于许多希望超越表层 API 调用、真正理解深度学习框架运作原理的用户来说，它解决了官方文档往往缺乏底层细节这一痛点。书中系统性地讲解了 TensorFlow 的编程模型、计算图构建原理以及分布式训练架构，帮助读者打通从理论算法到工程落地的“最后一公里”。\n\n这本书特别适合 AI 开发者、算法研究人员以及计算机相关专业的学生使用。如果你不满足于仅仅会调包，而是渴望探究张量如何在图中流动、会话如何管理资源，或是想为自定义算子开发打下坚实基础，tensorflow-internals 将是极佳的进阶指南。其独特的技术亮点在于以书籍的形式，将原本散落在庞大 C++ 源码中的复杂逻辑梳理成连贯的知识体系，并提供了完整的 LaTeX 源码，允许社区共同协作更新与维护。通过阅读它，你将获得透视深度学习框架内部运作的“透视眼”，从而在模型优化和故障排查时更加游刃有余。","# TensorFlow Internals.\n\nIt is open source ebook about TensorFlow kernel and implementation mechanism, including programming model, computation graph, distributed training for machine learning.\n\n## Downloads\n\nYou can obtain full latex source files of TensorFlow Internals from [https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ftensorflow-internals](https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ftensorflow-internals)\n\n## Install TeX distribution\n\nYou should install full texlive packages.\n\n- Ubuntu     \n\n```bash\n$ sudo apt-get install texlive-full\n```\n\n- MacOS\n\nDownload [MacTeX.pkg](http:\u002F\u002Ftug.org\u002Fmactex\u002F), and install it.\n\n- Windows\n      \nDownload [TeX Live](http:\u002F\u002Ftug.org\u002Ftexlive\u002F), and install it (see [insruction](https:\u002F\u002Fliam.page\u002Ftexlive)).\n\n## Install Missing Fonts\n\nThen you should install some missing chinese fonts. Please download missing fonts from Gitlab.\n\n```\n$ git clone https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ffonts.git\n```\n\nThen install all missing fonts.\n\n- Ubuntu\n\n```bash\n$ sudo cp fonts\u002F* \u002Fusr\u002Flocal\u002Fshare\u002Ffonts\n$ sudo fc-cache\n```\n\n- MacOS \n    \nImport all missing fonts into fontbook, then cache all fonts.\n\n```bash\n$ sudo fc-cache\n```\n\n- Windows\n \nCopy the all missing fonts into C:\u002FWINDOWS\u002FFonts, then cache all fonts.\n\n```bash\n$ fc-cache\n```\n\n## Build\n\n```bash\n$ make\n```\n\nif you happen to Error begin with `?`, then press `R`(not `r`) and `Enter` to continue.\n\n## Preview PDF\n\n- Mac OSX\n\n```bash\n$ open output\u002Ftensorflow-internals.pdf\n```\n\n- Ubuntu\n\n```bash\n$ okular output\u002Ftensorflow-internals.pdf\n```\n\nif no okular installed, please install it.\n\n```bash\n$ sudo apt-get install okular\n```\n\n- Windows\n\nopen the file from directory `tensorflow-internals\u002Foutput`.\n\n## License\n\n[MIT License](http:\u002F\u002Fopensource.org\u002Flicenses\u002Fmit-license.html) \n\n","# TensorFlow 内幕。\n\n这是一本开源电子书，介绍 TensorFlow 的内核及实现机制，包括编程模型、计算图和机器学习的分布式训练。\n\n## 下载\n\n您可以从 [https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ftensorflow-internals](https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ftensorflow-internals) 获取 TensorFlow 内幕的完整 LaTeX 源文件。\n\n## 安装 TeX 发行版\n\n您需要安装完整的 TeX Live 软件包。\n\n- Ubuntu\n\n```bash\n$ sudo apt-get install texlive-full\n```\n\n- macOS\n\n下载 [MacTeX.pkg](http:\u002F\u002Ftug.org\u002Fmactex\u002F) 并进行安装。\n\n- Windows\n\n下载 [TeX Live](http:\u002F\u002Ftug.org\u002Ftexlive\u002F) 并进行安装（参见 [安装说明](https:\u002F\u002Fliam.page\u002Ftexlive)）。\n\n## 安装缺失字体\n\n接下来，您需要安装一些缺失的中文字体。请从 GitLab 下载缺失字体：\n\n```bash\n$ git clone https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ffonts.git\n```\n\n然后安装所有缺失字体。\n\n- Ubuntu\n\n```bash\n$ sudo cp fonts\u002F* \u002Fusr\u002Flocal\u002Fshare\u002Ffonts\n$ sudo fc-cache\n```\n\n- macOS\n\n将所有缺失字体导入字体册，然后更新字体缓存：\n\n```bash\n$ sudo fc-cache\n```\n\n- Windows\n\n将所有缺失字体复制到 `C:\u002FWINDOWS\u002FFonts` 目录下，然后更新字体缓存：\n\n```bash\n$ fc-cache\n```\n\n## 构建\n\n```bash\n$ make\n```\n\n如果出现以 `?` 开头的错误，请按下 `R` 键（而非 `r`）并按回车键继续。\n\n## 预览 PDF\n\n- macOS\n\n```bash\n$ open output\u002Ftensorflow-internals.pdf\n```\n\n- Ubuntu\n\n```bash\n$ okular output\u002Ftensorflow-internals.pdf\n```\n\n如果未安装 Okular，请先安装：\n\n```bash\n$ sudo apt-get install okular\n```\n\n- Windows\n\n在 `tensorflow-internals\u002Foutput` 目录中打开该文件。\n\n## 许可证\n\n[MIT 许可证](http:\u002F\u002Fopensource.org\u002Flicenses\u002Fmit-license.html)","# TensorFlow Internals 快速上手指南\n\n`tensorflow-internals` 是一本关于 TensorFlow 内核与实现机制的开源电子书，涵盖编程模型、计算图及分布式训练等内容。本指南将帮助你从源码构建该书的 PDF 版本。\n\n## 环境准备\n\n在开始之前，请确保你的系统已安装完整的 TeX 发行版以支持 LaTeX 编译，并准备好中文字体文件。\n\n*   **操作系统**：Ubuntu \u002F macOS \u002F Windows\n*   **核心依赖**：\n    *   `texlive-full` (完整 TeX Live 包)\n    *   `make` (构建工具)\n    *   `git` (用于下载字体)\n    *   `fonts` (缺失的中文字体，需从 GitLab 下载)\n*   **预览工具**（可选）：\n    *   Ubuntu: `okular` 或其他 PDF 阅读器\n    *   macOS: 默认预览应用\n    *   Windows: 默认 PDF 阅读器\n\n## 安装步骤\n\n### 1. 安装 TeX 发行版\n\n根据你的操作系统执行以下命令：\n\n**Ubuntu**\n```bash\n$ sudo apt-get install texlive-full\n```\n\n**macOS**\n下载 [MacTeX.pkg](http:\u002F\u002Ftug.org\u002Fmactex\u002F) 并安装。\n\n**Windows**\n下载 [TeX Live](http:\u002F\u002Ftug.org\u002Ftexlive\u002F) 并安装（参考 [安装说明](https:\u002F\u002Fliam.page\u002Ftexlive)）。\n\n> **提示**：国内用户若下载官方源较慢，可尝试使用清华大学或中国科学技术大学提供的 TeX Live 镜像源进行安装。\n\n### 2. 获取项目源码与字体\n\n首先克隆字体仓库以解决中文编译缺失问题：\n\n```bash\n$ git clone https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ffonts.git\n```\n\n*(注：主项目源码可从 [https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ftensorflow-internals](https:\u002F\u002Fgitlab.com\u002Fhorance\u002Ftensorflow-internals) 获取)*\n\n### 3. 安装缺失字体\n\n将下载的字体文件安装到系统目录：\n\n**Ubuntu**\n```bash\n$ sudo cp fonts\u002F* \u002Fusr\u002Flocal\u002Fshare\u002Ffonts\n$ sudo fc-cache\n```\n\n**macOS**\n将所有缺失字体导入“字体册 (Font Book)\"，然后运行：\n```bash\n$ sudo fc-cache\n```\n\n**Windows**\n将所有字体文件复制到 `C:\u002FWINDOWS\u002FFonts` 目录，然后运行：\n```bash\n$ fc-cache\n```\n\n## 基本使用\n\n完成上述配置后，即可构建电子书。\n\n### 1. 构建 PDF\n\n在项目根目录下执行：\n\n```bash\n$ make\n```\n\n*注意：若编译过程中出现以 `?` 开头的错误提示，请输入 `R` (大写) 并按 `Enter` 键继续，切勿输入小写 `r`。*\n\n### 2. 预览结果\n\n编译成功后，PDF 文件将生成在 `output` 目录中。\n\n**macOS**\n```bash\n$ open output\u002Ftensorflow-internals.pdf\n```\n\n**Ubuntu**\n```bash\n$ okular output\u002Ftensorflow-internals.pdf\n```\n*(若未安装 okular，可运行 `sudo apt-get install okular` 安装)*\n\n**Windows**\n直接进入 `tensorflow-internals\u002Foutput` 文件夹，双击打开 `tensorflow-internals.pdf` 文件。","某深度学习框架研发团队的工程师在尝试优化 TensorFlow 自定义算子性能时，遇到了底层机制不透明的难题。\n\n### 没有 tensorflow-internals 时\n- 面对复杂的 C++ 源码，开发者难以理清 TensorFlow 内核的编程模型与计算图构建逻辑，只能靠盲目猜测。\n- 在排查分布式训练故障时，因缺乏对底层实现机制的系统性认知，定位问题如同大海捞针，耗时数天无果。\n- 社区中零散的技术博客往往只讲表面用法，缺乏关于内核原理的深度资料，导致团队学习曲线极其陡峭。\n- 想要修改底层逻辑却不敢下手，担心因不理解内存管理或执行流程而引发难以追踪的隐性 Bug。\n\n### 使用 tensorflow-internals 后\n- 通过阅读这本开源电子书，工程师快速掌握了计算图的生成与优化原理，能精准定位自定义算子的性能瓶颈。\n- 书中对分布式训练机制的详尽剖析，帮助团队迅速理解了参数同步流程，将故障排查时间从几天缩短至几小时。\n- 系统化的内核知识体系填补了官方文档与源码之间的空白，让团队成员能举一反三，高效解决各类底层异常。\n- 基于对内部机制的透彻理解，开发者敢于对核心代码进行安全重构，显著提升了模型推理速度且未引入新错误。\n\ntensorflow-internals 将晦涩的源码转化为系统的知识图谱，让开发者从“黑盒摸索”转向“白盒掌控”，极大降低了深入 TensorFlow 内核的技术门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhorance-liu_tensorflow-internals_8e42e992.png","horance-liu","horance","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fhorance-liu_004bbbf1.png",null,"Xi'an@China","liu.guangcong@aliyun.com","http:\u002F\u002Fwww.jianshu.com\u002Fusers\u002F49d1f3b7049e","https:\u002F\u002Fgithub.com\u002Fhorance-liu",[81,85],{"name":82,"color":83,"percentage":84},"TeX","#3D6117",100,{"name":86,"color":87,"percentage":88},"Makefile","#427819",0,2892,575,"2026-04-10T19:11:22",4,"Linux, macOS, Windows","未说明",{"notes":96,"python":94,"dependencies":97},"该项目是 TensorFlow 内核与实现机制的开源电子书（LaTeX 源码），并非可执行的 AI 模型或推理工具，因此无需 GPU 或特定 Python 环境。构建前需安装完整的 TeX Live 发行版及特定的中文字体（需从 GitLab 单独下载）。在 Ubuntu 上预览 PDF 推荐安装 Okular，macOS 使用默认打开方式，Windows 直接打开输出目录下的 PDF 文件。编译时若遇到以'?'开头的错误，需输入'R'并回车继续。",[98,99],"texlive-full (或完整 TeX Live 发行版)","中文字体包",[14],[102,103,104],"tensorflow","machine-learning","deeplearning","2026-03-27T02:49:30.150509","2026-04-11T21:49:12.957604",[108,113,118,123],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},29800,"这本书是否已经过时？它基于哪个 TensorFlow 版本？","本书主要基于 TensorFlow 1.2 编写。虽然 Python API 发生了很大变化（特别是随着 2.0 的发布，传统的基于 Session 的图执行模式将被弃用），但内部的 C++ 类和函数核心架构并未发生根本性改变。因此，如果您想深入学习 TensorFlow 的内部原理（如 C++ 核心类），这本书仍然具有参考价值；如果您仅关注应用开发，则可能不需要深入钻研底层。作者曾计划于 2019 年将其更新为 TensorFlow 2.0 版本。","https:\u002F\u002Fgithub.com\u002Fhorance-liu\u002Ftensorflow-internals\u002Fissues\u002F3",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},29801,"这本书有英文版本吗？","目前官方尚未提供正式的英文译本，但社区用户 sergey-serebryakov 提供了一个半自动翻译的版本（通过 Google 翻译生成），该版本虽需仔细校对，但在当前状态下已可供使用。您可以访问其 GitHub 仓库获取：https:\u002F\u002Fgithub.com\u002Fsergey-serebryakov\u002Ftensorflow-internals。","https:\u002F\u002Fgithub.com\u002Fhorance-liu\u002Ftensorflow-internals\u002Fissues\u002F2",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},29802,"为什么 Session 的前后端交互需要中间 C 接口层？","在几乎所有跨语言系统调用中，C 语言都是最好的桥梁。例如，当 Python 前端需要调用 C++ 后端实现时，通过 C 接口作为中间层是最方便且标准的做法，能够有效解决不同语言间的二进制兼容性和调用约定问题。","https:\u002F\u002Fgithub.com\u002Fhorance-liu\u002Ftensorflow-internals\u002Fissues\u002F7",{"id":124,"question_zh":125,"answer_zh":126,"source_url":112},29803,"学习 TensorFlow 内部 C++ 源码的成本和收益如何？","学习内部 C++ 类确实需要耗费大量时间且难度较高。如果您的目标仅仅是进行机器学习或深度学习的应用开发，通常不需要深入到底层源码。只有在确实需要定制底层操作或深入理解框架机制时，投入时间学习才会有足够的回报，否则可能会得不偿失。",[128],{"id":129,"version":130,"summary_zh":75,"released_at":131},206370,"v1","2018-06-30T02:59:37"]