照相胶片、PCB 菲林、医用 X 光菲林有什么区别? 照相胶片、PCB 菲林、医用 X 光菲林有什么区别?菲林 = Film 的音译，三者本质都属于银盐感光胶片，PET 聚酯片基 + 卤化银感光乳剂，但用途、感光特性、结构、成像目标完全不一样。总览对比表项目传统照相胶片（胶卷 / 底片）PCB 工厂光绘菲林医用 X 光胶片用途记录景物光影，得到照片负片PCB 光刻掩模，把线路图形转移到干膜记录 X 射线穿透人体后的影像，医生阅片诊断感光对象可见光全光谱（红橙黄绿蓝紫），全色感光抖音百科特定激光波长（红光 / 近红外），对普通可见光迟钝，可在红色安全灯操作几乎不直接感 X 射线；靠增感屏发出的蓝 / 紫可见光曝光胶片乳剂涂覆单面；彩色胶卷 3 层分色乳剂；黑白单层银盐单面乳剂；另一面是透明 PET 基底；乳剂对比度极高、颗粒极细绝大多数双面涂乳剂，提高感光效率；乳腺片少数单面追求分辨率PMC成像目标丰富灰度层次，连续灰阶，记录明暗色彩只有纯黑 / 完全透明二值图像，几乎不要中间灰度；要微米级几何精度，线宽、对位准确宽范围灰度，区分人体软组织、骨骼密度差异片基外观透明无色；彩色 / 黑白底片冲洗后负片，景物明暗反转高透明 PET；冲洗后：线路区域黑色遮光，其余透明；负片 / 正片两种版本供 PCB 工艺选择片基带浅蓝色底色，方便观片灯看片分辨率诉求高，追求细腻影像最高，微米级，决定 PCB 线宽精度，多层板对位精度 ±0.01mm 级别较高，分辨骨骼细小纹理感光度 ISO变化大 ISO100‑3200，追求抓拍速度低感光度；不需要抓拍，只响应光绘机激光；红安全灯下可手工操作等效很高，配合增感屏减少 X 射线剂量图像性质景物负像（明暗颠倒）二值掩膜，遮光 / 透光模板人体透视负像：骨骼吸收 X 光多→胶片曝光少→发白；软组织曝光多→发黑回收价值含银，废底片可提银含银，废 PCB 菲林工厂大量回收提银含银，医院旧 X 光片是提银一大来源逐项通胞解释1、照相胶片（相机胶卷）黑白：PET 单面涂卤化银，对全部可见光敏感；光越强，显影后黑色银颗粒越多；得到负片（亮景物底片变黑，暗景物底片透明）。彩色胶卷：乳剂分三层，分别记录红、绿、蓝，冲洗后形成彩色染料图像。目标：丰富灰度、色彩层次，还原现实世界光影。缺点：不能红灯下操作，普通红光会让胶片跑光报废。2、PCB 菲林（光绘菲林）PCB 生产的光学模板，不是拿来 “看图像”，而是拿来挡紫外线曝光干膜。光绘机用红外 / 红光激光按 Gerber 线路数据扫描菲林，只对这个激光敏感；普通红光不会曝光，车间可以开红灯拿取、检查菲林，不怕跑光。冲洗完成：线路焊盘区域变成不透明黑色（遮光），其余地方完全透明。紫外曝光时，透明区域 UV 穿过，让 PCB 干膜感光；黑色区域挡住 UV。核心要求：没有中间灰色，只有黑 / 透明；尺寸极其稳定，受热受潮变形要极小，保证多层板对齐。注意：现在高端 PCB 用 LDI 激光直写，不再需要实体菲林。3、医院 X 光菲林胶片本身对 X 射线灵敏度很差，实际工作流程：X 射线穿过人体打到暗盒里的增感屏（荧光材料），X 射线转换成大量蓝紫色可见光，再去曝光胶片。为提高感光效率，PET 片基两面都涂布银盐乳剂，两面同时接收增感屏的光，降低病人需要承受的 X 射线剂量PMC。片基自带浅蓝色底色，放在观片灯上看片更舒服。成像逻辑：骨头阻挡 X 射线→到达胶片光少→胶片浅白；肌肉软组织挡不住 X 射线→曝光多→胶片发黑。关键容易混淆点感光光谱区别照相胶片：什么可见光都怕，必须全黑暗房。PCB 菲林：不怕红光，只对特定激光敏感，红灯环境作业。X 光胶片：对蓝紫光很敏感，对 X 射线本身不敏感，靠荧光屏转可见光。灰度需求差异照相、X 光胶片：需要大量中间灰度，还原层次。PCB 菲林：拒绝灰度，灰度会造成 PCB 线路边缘模糊报废，必须硬黑硬透。乳剂单面 / 双面照相、PCB 菲林：单面乳剂，可以摸出粗糙药膜面和光滑片基面。普通 X 光片：两面都有药膜，两面摸起来都粗糙。补充现在医疗、摄影大量数字化，银盐胶片用量下降，但 PCB 制造业还大量使用光绘菲林；三者废旧胶片都含有金属银，属于可回收物料。

批量扫描照片Exif元数据 · 写回标准 Exif 标签 本项目依赖 ExifTool，程序已内置该插件。本工具利用 ExifTool 深度扫描 EXIF 信息受损的图片，并将元数据还原至标准 EXIF 段。既然有那么多开源 JS 库，为什么选择 ExifTool？目前的 JS 库（如 exif-js、piexifjs、sharp、exifr）都无法与 ExifTool 相比，更无法实现 ExifTool 那种级别的“还原 Photoshop (PS) 丢失的 EXIF”功能。JS 库的能力范围：相机名称、镜头名称及拍摄参数等基础字段，只要文件内未被彻底删除，这些 JS 库都能读取。JS 库的局限性：对于 PS 重写、清空或改写过的深层元数据（特别是 MakerNote、厂商私有标签、XMP 历史、Photoshop IRB 等），JS 库基本无法读取，更谈不上“还原”。ExifTool 的核心优势（为什么能“还原”）ExifTool 是基于 Perl 开发的全能型元数据引擎，其特点如下：支持广泛涵盖 EXIF、XMP、IPTC、Photoshop IRB、MakerNote（数十家相机厂商的私有数据）、ICC、JFIF 等。读取能力强不仅能读正常的 EXIF，还能识别被删除但残留在文件中的元数据块、PS 留下的隐藏段以及厂商私有注释（MakerNote）。实现“还原”原理当使用 PS “存储为”时，往往会丢弃 MakerNote、大量私有标签及 XMP 历史。但由于文件内部有时仍存有旧数据的残片，ExifTool 可以扫描全文件并将其碎片提取出来。相比之下，JS 库仅能解析标准的 EXIF 段（APP1），根本无法读取 MakerNote、IRB 及深层 XMP 数据。总结ExifTool 的逻辑是在“整个文件中挖掘元数据”，而 JS 库仅仅是“读取标准 EXIF 表头”。 在处理经过 PS 处理的照片时，没有任何 JS 库能与 ExifTool 匹敌。下载地址：https://abpyu.lanzoul.com/itvzA3q9kznc密码： 2sqo

国家为什么需要开源软件？ 国家为什么需要开源软件？上个月，大模型 Kimi K3 发布。大家可能不知道，它在美国引起的反响，比中国大。它的性能略逊于美国的顶尖模型，但是它是开源的，任何人都可以自己架设。这对大公司非常有吸引力。美国目前的经济增长，全靠巨额的 AI 投资，其他行业其实不怎么增长。一旦大量企业选择自己架设开源模型（几乎肯定如此），现有的巨额投资有收不回来的风险。美国政府就坐不住了，出来放话，中国模型有"违规"行为，考虑要限制开源模型。此言一出，就引起了恐慌，历史上还从来没有一个国家封锁开源项目。两天以后，美国许多互联网公司联合起来，发表了一封公开信，标题为《开放权重模型和美国 AI 领导力》。https://www.microsoft.com/en-us/corporate-responsibility/topics/open-weight/公开信呼吁不要限制中国的开源模型，微软、英伟达、思科、Cloudflare 等行业著名公司都签字了。我觉得，此信写得极好，推荐大家去读。它的核心观点就是，开源项目对美国有利，应该允许它存在。关键句子如下。评判我们人工智能领域的领导地位，并非取决于某一种前沿人工智能模型，而是取决于美国能否构建一个强大、开放的生态系统，并将其渗透到各个领域。这对于在全国范围内创造创新和繁荣的机遇至关重要。这需要扩大人工智能的普及范围，鼓励竞争，构建强大的应用层，并赋予美国民众对其所依赖的技术更大的控制权。开放权重模型----任何人都可以下载、检查、修改并在自己的基础设施上运行的人工智能模型----是这一基础的重要组成部分，因为它们使先进的人工智能更易于获取、更灵活、更广泛地应用。这段话的意思是，美国要保持领先，需要有一个开放的生态，而构建开放生态的最佳方法，就是鼓励开源。归根结底，不是国家需要开源，而是国家需要创新和竞争，开源可以促使这些发生。如果限制开源模型，最终结果就是人工智能由少数几家大公司控制，大众无法参与，创新和竞争就无从谈起。人工智能太重要，不能听任这项技术落入少数人手中。虽然这封信的目的是维护美国的国家利益，但是它讲的道理是普遍适用的。放在中国也是如此，这就是为什么我们国家应该大力推动开源项目。中国最大的竞争优势是什么？就是14亿人口。我们要发挥人力资源的优势，让尽可能多的人参与到科教兴国，形成一个巨大的生态。开源软件是最好、最简单可行的发展途径之一。说实话，如果美国政府真的封锁中国的开源模型，不一定是坏事。它不仅作茧自缚，而且还能推动中国的开源模型。

你可以专注多久？ 有一种说法，人的注意力是一种宝贵资源。你只要拥有别人的注意力，就拥有了受众，拥有了流量，从而拥有了市场。每个人的注意力（也就是时间）是有限的，属于不可再生资源，所有公司都在争夺。注意力跟你的生产力有关。当你保持专注的时候，就是你生产力最高的时候。保持专注越久，越容易做出成果。那么，一个人有多少注意力呢？ 换句话说，你专注于一件事件，可以保持多久不分心？美国加州大学尔湾分校做过一项调查让人们长时间盯着电脑屏幕，记录他们每次切换屏幕的时间间隔。这个调查持续做了20年，结果发现人们保持专注的时间越来越短。2004年：150秒2012年：75秒2016年：47秒2025年：47秒这个结果是可以想象的争夺注意力的渠道正变得越来越多，短视频、游戏、体育比赛、演唱会......你保持专注的时间必然越来越短。这意味着，你能够专心致志学习或工作越来越困难。人的思维平均47秒就要断一次，这么短的时间能取得多少进展？一旦断了，重新恢复就难了。这项调查还有一项数据，回到专注的状态，平均需要25分26秒。这件事的启示就是当你专心致志投入一件事的时候（英语叫做心流状态 flow），一定要珍惜，尽量不要分心，保持越久越好。毕竟你每次专注的时间平均只有47秒，而且一天中你能够进入专注状态、保持高效的次数，可能最多只有五六次。

警务室又打电话来问无人机了 下午午睡时给我打电话，人刚睡着……电话一个接一个地打过来。就刚刚，晚上十一点多，居然还要让我扫码确认。操蛋，这到底是什么情况？！警务室又打电话来问无人机了没记错的话，这已经是第四次了！一直以来，我对无人机这类设备就并不怎么“感冒”，更别提现在这种莫名其妙的情况了。到底是什么情况？竟然隔三差五地打个电话过来，反复确认有没有在网上买过无人机之类的……!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

企业的条条框框扼杀了员工的创新与活力 企业的条条框框扼杀了员工的创新与活力

你需要知道的 AI 缓存知识 大模型的价格大模型的价格，主要是 Token 的输入价格和输出价格，这个很容易理解。但是，还有一项"输入 Token 的缓存命中价格"，这是什么东西？上图是 DeepSeek V4 模型的定价，可以看到缓存命中的输入价格只有5分钱，足足是未命中的输入价格的三十分之一！为什么相差这些大？我们能不能充分利用缓存，来降低费用呢？我对于这些问题，以前也不是很了解，最近看了一篇文章，终于理清了思路，今天就来分享。（1）模型输入的收费原因大家知道，使用大模型的时候，需要先有提示词。大模型会将提示词分解成 Token，再将 Token 转成向量值，然后计算所有 Token 之间的注意力关系。这一步非常消耗算力，因此模型公司会对输入 Token 收费。你的提示词越多，输入 Token 的费用就越高。（2）输入缓存的作用对于多轮对话和长程任务，每一轮都需要把以前步骤的输入输出结果，提交给模型。我们可以想到，这些每一轮额外增加的提示词是不变的，以前都已经处理过了。模型完全不必要对这些"前缀"每次进行重复计算，只要把以前的计算结果缓存起来，下一次再取出来用就行了。这就是为什么需要缓存，它可以大大节省不必要的算力消耗，加快模型处理。这也是它便宜的原因，因为只要命中缓存，基本不消耗算力，收取的费用实际上是储存空间的费用。（3）缓存的时间期限缓存有时间期限，长期保存并无意义。如果一段时间没有用到这些缓存，服务器就会把缓存删除。根据前面引用文章的测试，各家公司的缓存保存时间不一样。Anthropic：5分钟DeepSeek：10分钟OpenAI：10分钟～30分钟逐步失效Google：1小时内逐步失效以 DeepSeek 为例，在10分钟以内，缓存就是有效的，命中缓存只收取2分钱。如果对话的间隔特别久，下一次输入跟上一次之间超过了10分钟，缓存就被删除了，模型收到上一轮的提示词，就不得不重新计算，收取的费用就变成了1元。（4）保持缓存有效由于缓存命中与未命中之间，有巨大的价差。用户的 AI Agent 工具往往会想办法，尽可能延长缓存的保存时间。当用户长时间不操作、也不退出的时候，大多数 AI Agent 会每隔30秒，自动向服务器发送一个请求，让缓存保存激活状态。有些模型有专门的缓存激活接口，还有一些没有。这时可以用笨办法，Agent 自动重复发送一次以前的提示词，确保缓存激活。不过，激活请求也会产生费用。每隔30秒发送一次，如果10分钟没有输入，就会发送20个激活请求。时间一长，费用也不低。前面说过了，现在各家模型的实际缓存期限，最短也有5分钟，因此30秒一次的激活请求，似乎频率太高了。所以，最新的建议是，可以改成每4分钟自动激活一次缓存。本文转载