【菜科解读】

冬天天气比较很冷，就会容易有雨雪天气，很多人将车停在室外，这种情况就需要将雨刮立起来，因为气温过低，会容易将雨刮器和挡风玻璃冻在一起，容易损坏雨刮器。

雪天雨刮器要立起来吗要立起来。

在下雪天的早晨，如果您的车辆已经停放在户外并且前挡风玻璃上有积雪，建议您将雨刮器竖起来以保护其不被冻在玻璃上。

这是因为雨刮器是由橡胶制成的，当遇到低温时会变硬并可能冻结在前挡风玻璃上。

这样做可以避免因雨刮器与玻璃冻在一起而导致的损害，同时也避免了因强行使用雨刮器而造成的电机损坏或其他机械故障。

如果您忘记在雪天之前将雨刮器竖起，那么在开始使用时应该小心操作，以免损伤雨刮器。

您可以使用柔软的材料（如布料或塑料泡沫）将雨刮器与前挡风玻璃隔离，以防雨刮器突然弹起造成伤害。

总结一下，在下雪天，为了保护雨刮器和避免不必要的麻烦，最好的做法是将雨刮器竖起来。

如果已经忘记，也应谨慎地手动调整雨刮器至适当的位置，并在清除积雪后再将其放下。

雪天雨刮器为什么要立起来下雪时汽车雨刷器需要立起来。

主要原因就是因为雨刮器是橡胶制品，天气冷的情况下，前挡风玻璃会出现冰冻的情况，若雨刮不立起来容易和玻璃冻在一起，这样对雨刮器的损害是非常大的。

如果雨刷器冻住千万不要启动雨刮器，结冰后强硬开启雨刮器，会损坏雨刮器马达，还会撕裂雨刮器表面橡胶，使其失去功效，也不要用热水去浇灌，这会很容易车窗因为温度的变化而发生炸裂，让雨刷器变形。

解决办法：将空调开至热风，把风吹向前挡风玻璃，等上几分钟雨刷就解冻。

雪天停车要注意什么1、不要拉手刹：因为雨雪天气，汽车行驶后，在制动盘和卡钳内会有一些积水，如果拉手刹后，在晚上气温低时里面的积水就会结冰，在第二天启动车辆时易损坏制动系统；

2、要保护好车灯和车窗：3、尽量不要使用车罩；

4、要抬起雨刮器：如果不抬起雨刮器，经过一个晚上的下雪天气后，落在汽车上的积雪就会结成冰将雨刮器与前挡风玻璃冻住，在第二天使用时，如果贸然打开雨刮器，就会造成雨刮器的损坏。

独家！抖音上线“轻导航”功能，暂不支持“驾车”导航

《读佳》获悉，抖音APP已上线“轻导航”功能，该功能最大的特点是“无需下载，点击即用”。

当前，美团“轻导航”支持步行、骑行和驾车场景下的导航，而抖音”抖音“轻导航”目前仅支持骑行、步行。

抖音“轻导航”功能的出现，避免了抖音用户需要跳转至第三方地图平台使用导航的不便，进一步打通了抖音从内容种草到线下到店的消费链路，实现了短视频内容生态与本地生活出行场景的更深度融合。

实际体验中，《读佳》在点击“轻导航”后无需跳转其他应用，直接在抖音内加载出如图片所示的导航界面，整个导航过程为实时语音播报，行进过程中的转弯、变道等关键节点都会有清晰提示，无需一直盯着手机屏幕，保障了步行、骑行的出行安全。

整体与三方APP提供的导航体验十分接近。

从实际影响来看，“轻导航”降低了短视频内容消费与线下出行的壁垒，实现了从“种草”，到“导航”，再到“到店”的一站式操作，大幅简化了消费者从线上兴趣到线下行动的转化步骤。

对商家而言，消费者消费的壁垒降低了、转化步骤简化了，自身获客的效率自然也就提高了。

同时，《读佳》注意到：在“轻导航”之外，抖音APP商户页面的导航仅有一项“高德地图（推荐）”，可见二者合作较为深入。

《读佳》推测，“轻导航”的研发、运营存在几种可能性： 1、该产品为高德地图提供，是二者合作深化的一个表现；

2、该产品为抖音或关联公司自研、自运营，那么将不排除其未来以此为基础，加码出行服务；

如加码出行服务，令其与其他本地生活服务联动，也有利于生态构建。

不过，据豆包AI回复信息，当前字节及关联公司仅具备乙级互联网地图服务资质。

3、该产品为其他三方公司研发、运营。

以上三种情况，仅为读佳基于客观信息推测的可能性，不代表抖音、高德及其他相关方的官方信息、态度等。

#抖音#高德#美团

这只龙虾让我觉得，AI科研的时代来了，新的科技大爆炸不远了

广告 这只龙虾让我觉得，AI科研的时代来了，新的科技大爆炸不远了 15:18 广告 广告 广告 了解详情 > 会员跳广告 首月9.9元 秒后跳过广告 开通搜狐视频黄金会员，尊享更高品质体验！ 1080P及以上画质仅为黄金会员专享> 开通/续费会员 抱歉，您观看的视频加载失败 请检查网络连接后重试，有话要说？请点击 我要反馈>> 正在切换清晰度... 播放 按esc可退出全屏模式 00:00 00:00 00:09 广告 只看TA 高清 倍速 剧集 字幕 下拉浏览更多 5X进行中 炫彩HDRVIP尊享HDR视觉盛宴 超清 720P 高清 540P 2.0x 1.5x 1.25x 1.0x 0.8x 50 哎呀，什么都没识别到 反馈 循环播放 跳过片头片尾 画面色彩调整 AI明星识别 视频截取 跳过片头片尾 是 | 否 色彩调整 亮度 标准 饱和度 100 对比度 100 恢复默认设置 关闭 复制全部log 最近，不少多年没有写代码的技术高管，因为OpenClaw和Claude Code，又重新开始自己动手coding了。

还观察到一个现象，有些多年远离科研一线的博士，也因为Agent，重新回归实验室。

是时候用AI龙虾表演真正的技术了…… 说实话，很多时候压垮一个博士生的不是科学问题本身，是那些永远处理不完的文献、永远调不对的实验参数、永远写不完的回复信。

AI4S，前几年一直有点叫好不叫座。

都知道这是稀缺的高价值场景，未来影响非常深远，但是受制于底层模型的能力和架构，始终没有收获匹配其技术含量的关注。

但今天，我想认真聊聊SciClaw。

https://sciclaw.ai/ 最开始，在朋友圈，刷到SciClaw，说是专门针对科研场景的AI Agent，国内团队做的，是一只科研领域的专属龙虾。

我测评过的AI科研工具，有文献管理、代码生成的，也有从实验记录到数据分析的，真正能打的屈指可数。

大部分所谓AI for Science的产品，不过是给传统工具套了个大模型的壳子。

但这次，范式变了。

科研工作者终于有可能，从那些低价值的体力劳动里解放出来了。

生命科学、物理学、化学……底层学科的最前沿，也许很快就会因为AI的介入，向前一大步。

01记忆与上下文：它真的记得住你在做什么 登陆后一上来，SciClaw打招呼的方式，就很有科幻感。

一个专属的、有个性的养成系科研龙虾，就这么水灵灵跟我互动起来了。

用下来，一个很让我惊喜的点，关于Memory。

大多数AI产品有一个致命缺陷，就是金鱼记忆。

每次跟它对话，都得把前因后果重新讲一遍。

上周跑过的实验数据，上个月读过的某篇文献，跟导师讨论过的某个思路，它统统不记得。

每次都要从头开始，这种体验用几次就让人想摔键盘。

但SciClaw不一样。

我上手第一天，让它把我本地一个研究项目的文件夹全部索引一遍。

里面有实验记录、文献PDF、数据处理脚本、甚至还有我跟合作方沟通的邮件截图。

大概花了几分钟，它告诉我索引完成了。

然后我问了一句：这个项目目前的瓶颈在哪里？ 它不需要我重复第二次，直接列出了三个关键问题，还引用了上周我记录在实验本里的一组异常数据，以及一篇我两周前下载但还没来得及读的文献里的某个观点。

我当时愣了一下。

这是它真正理解了这个项目的上下文，知道哪些信息是关键的，哪些是干扰项。

在超长的任务、庞大的上下文、连续多轮的对话里，依然稳定又靠谱。

像一个跟了我很久的资深研究员，是有点默契在里面的，绝对不是新认识的临时工。

后来我仔细琢磨了一下它的技术架构。

SciClaw在后台做了一个持续更新的知识图谱，把用户所有的数据资产，不管是结构化的实验数据还是非结构化的文献笔记，全部关联起来。

当我提出一个问题时，它不是简单地在文档里做关键词匹配，还会基于整个项目的历史上下文来理解你的真实意图。

这一点在科研场景里太重要了。

科研工作本质上是一个长期、复杂、充满不确定性的探索过程。

从离散的信息和数据，到割裂的环境和环节，从想法到执行，总面临巨大鸿沟。

今天的想法，可能基于三个月前的一次失败实验，现在的实验设计可能源于某篇文献中的一个脚注。

如果一个AI工具不能理解这种时间维度和逻辑维度上的关联，它就永远只是一个高级点的搜索引擎，不是一个真正的科研搭档。

SciClaw在这方面的表现，让我第一次觉得AI可以参与到科研的核心流程里。

02执行与交付：从对话到成果的无缝衔接 再说说它的执行力。

说实话，市面上能聊天的AI很多，能回答问题的AI也很多，但能真正帮你把活干完的AI，少之又少。

团队里有个博士Peter，前段时间被一个汇报PPT折磨得不轻。

项目进展到关键节点，数据散落在十几个文件夹里，实验记录乱七八糟，文献引用更是没眼看。

按照以前的节奏，这至少得熬两个通宵画PPT。

我让他试试SciClaw的Foundry模块。

他给了龙虾一个指令：帮我整理这个项目的进展，生成一份大组会汇报用的PPT。

然后就去吃饭了。

等他回来，PPT已经躺在桌面上了。

结构清晰，图表完整，甚至每个关键数据点都标注了来源。

只需要在几个地方微调一下逻辑表述，前后加起来不到半个小时。

这是AI4S工程的力量。

在Foundry模块里，不像有些AI PPT工具，是把信息堆砌在一起，在SciClaw里是基于对项目上下文的深度理解，自动判断哪些信息是核心的、哪些是支撑性的，还有哪些是可以省略的。

它知道学术汇报PPT的结构应该是怎样的，知道图表应该放在哪里，知道参考文献应该怎么标注。

这就得靠团队对科研工作流的理解了。

明显感觉到，这是一群Researchers，从第一天起就在解决科研工作者的真实痛点。

我尤其想提一下它的论文生成能力。

科研写作最痛苦的部分，总是那些格式、引用、排版之类的体力活。

有一个绝妙的idea，但要花几个小时去调整参考文献的格式、统一图表的编号，还得要花不知道多久把实验数据整理成论文需要的表格。

这些工作不需要任何创造力，但必须做，而且绝对不能出错。

SciClaw在这方面的表现，乍一看nerdy，再一看贴心。

我让它帮我生成一篇论文草稿的初稿，基于我的实验数据和文献笔记。

它输出的内容在结构上已经非常接近正式论文了，引言部分甚至能自然地引用相关文献，方法部分的描述也相当准确。

就像是MIT的博士，搞毕业论文一样，一眼一板的很严谨。

再细看，又很可圈可点，朴素准确的背后，还会有特别的洞察和小巧思。

能让我可以把精力集中在真正需要思考的地方，还会受到启发。

不再需要一边写论文一边惦记着还有哪个实验数据没整理，可以专注于观点的表达，以及论证的逻辑是否严密、结论的表述是否准确。

这种感觉，就像你终于有了一个靠谱的助理，帮你处理所有琐碎的事务性工作，还能超出预期。

03一只会守夜、能救场的全场景科研龙虾 跑一个分子动力学模拟，可能需要三天三夜。

跑一个深度学习模型的训练，可能需要一周。

期间不能关电脑，不能断网，甚至不敢走远，因为随时可能出现错误。

以前跟过一个项目，需要跑一组总共需要2000小时的计算任务。

那时候我和另一个同学轮流值班，半夜定闹钟起来检查任务状态，生怕出问题。

那种感觉，既像在守灵，又像在坐牢。

SciClaw的Playbook功能，就是专门解决这个问题的。

我测试了一下它的自动化任务管理能力。

让它提交一个需要长时间运行的计算任务，然后我就去睡觉了。

第二天早上醒来，任务已经跑完了，中间出现过一次依赖库版本的问题，它自己检测到之后重新配置了环境，然后继续运行。

这就是一个具备自我修复能力的执行系统了。

仔细看了它的日志。

那个依赖库错误发生时，SciClaw首先尝试理解错误的含义，然后去查阅相关的技术文档，找到一个可行的解决方案，执行修复，验证修复结果，然后继续原来的任务。

整个过程完全自动，不需要我介入。

这种能力在科研场景里的价值怎么强调都不为过。

科研工作者最宝贵的东西是什么？是注意力，是心流状态。

现在人为什么越来越难去潜心研究了，因为干扰太多无法进入深度思考的状态，因为注意力随时可能被中断。

SciClaw把这种束缚解除了。

它替你守夜，替你盯着那些漫长的任务，让你可以专注于真正需要你思考的事情。

这不是效率的提升，这是工作方式的根本改变。

还有很多实用的场景—— 电脑不在手边？龙虾替你远程救场。

周末，手机突然弹出微信消息：“今晚临时有个重要会议，辛苦把项目进展整理发我”。

人还在外面，电脑不在身边，数据散落在几十个文件夹里，换作以前只能连夜打车回实验室。

但现在，只要一句：“龙虾，帮我整理进展，生成汇报材料”。

它能在后台自动翻阅文献、整合图表、分析数据，10分钟后把一份结构清晰的PPT直接甩给你。

人在浪，龙虾在打工。

这不就是科研人梦寐以求的爽文剧情？ Peer Review的修罗场，龙虾是你的「嘴替」。

如果说交流汇报是常规操作，那么面对论文Peer Review（同行评审）时，这只龙虾就是你的「嘴替」和「数据管家」。

面对诸多审稿意见一时间思绪万千不知从何说起时，龙虾能帮你调取历史研发数据作为铁证；

面对需要大量补充实验数据的繁琐要求，它能帮你基于已有手稿和过往任务里，快速挖掘支持性证据。

那些耗时耗力、让人崩溃的回复信，龙虾能帮你快速draft出初稿，让人把精力集中在真正的学术辩论上。

复现文章配置难，龙虾一键「破局」。

复现顶刊文章的结果，往往是科研新人的「劝退」时刻。

第一步环境配置就琢磨不透，繁杂的版本不兼容、运行就出现莫名报错，足以消磨掉所有热情。

SciClaw帮你快速搭建实验环境复现计算和预测任务，让我们不再受到这些琐事的困扰。

它就像一个经验丰富的老法师，帮你把地基打牢，让你直接站在巨人的肩膀上开始真正的创新。

04连接与生态：它不只是软件，是科研基础设施 最后我想说说SciClaw的连接能力。

如果它只是一个能聊天、能写文档、能跑任务的软件，我可能会觉得它是个好产品，但不会觉得它有什么革命性。

但它不只是软件。

最近在尝试把SciClaw接入到实际的实验环境中。

看到X上一个操作，把SciClaw和实验室的AI眼镜连接起来。

场景是这样的：做实验，双手都是试剂，没法操作电脑。

这时候需要查一下下一步的操作步骤，或者需要记录一个观察到的实验现象。

只需要对着眼镜说一句话，龙虾就能理解你的需求，调出相应的操作指引，或者把观察结果自动记录到电子实验本里。

视频里那个场景我看了很多遍。

实验员戴着AI眼镜，在操作气相色谱-质谱联用仪的时候双手完全没有空闲，但通过语音指令，SciClaw帮他完成了进样检测的全流程配置。

从发出指令到仪器开始运行，整个过程不到一分钟。

也许，这才是科研工具的终极形态。

它不会让你停下来去使用它，而会悄无声息融入到工作的每一个环节里，在最需要的时候出现，在不打扰的时候默默在后台工作。

还看到有人测试了SciClaw和自动化实验设备的对接。

通过标准的中控台接口，它可以直接调度机械臂、移液工作站这些设备。

一个实验流程可以从文献检索开始，到实验设计，到设备调度，到数据采集，到结果分析，全部由AI协同完成。

人类研究员只需要定义问题、设定目标、评估结果。

计算机科学里有个概念：声明式编程。

告诉系统你想要什么，系统自己想办法去实现。

在科研领域，这个范式转变的意义，可能更深远。

让科学家去做属于科学家的事——提出好的问题，设计巧妙的实验，理解复杂的结果，构建深刻的理论。

05一些其他思考 用了这些时间，我一直在想一个问题：像SciClaw这样的工具，到底会怎么改变科研这个行业。

它会加剧科研的不平等吗？ 它可能会改变科研的评价体系吗？ 我整体还是乐观的。

当AI可以处理大量的执行工作，论文的数量可能不再是衡量科研能力的核心指标。

创意和质量才是，解决实实在在的问题才是。

还有一点我特别想说。

在AI能力越来越强的今天，很多人担心科研工作者会被替代。

我的看法正好相反。

AI替代的不是科研工作者，是科研工作中的重复劳动。

那些真正需要创造力、需要直觉、需要对科学问题深刻理解的工作，反而会因为AI的辅助而变得更加重要。

就像SciClaw这个产品所展现的，它没有在取代科学家，是在帮科学家卸下那些不必要的负担，让他们可以专注于真正重要的事情。

人类去思考，AI去执行。

这大概就是科研工作者的理想未来了…… 目前使用SciClaw还需要邀请码，欢迎评论区给我留言或者私信～ 官网在这里：https://sciclaw.ai/