纪要涉及的公司 Stanley Black and Decker 纪要提到的核心观点和论据 1. **Q1业绩与转型进展** - 核心观点：公司Q1实现有机同比增长、利润率扩张，DEWALT连续季度高于市场增长，有望年底完成转型并奠定未来增长基础 [1] - 论据：无 2. **关税影响及变化** - 核心观点：关税影响从约17亿美元降至5 - 6亿美元年化，对每股收益的逆风从约75美分降至约40美分 [1][2] - 论据：公司之前规划场景中，关税对公司有17亿美元影响，近期变化后降至5 - 6亿美元年化；之前每股收益逆风约75美分，现在约40美分，正负10美分波动 3. **公司战略与目标** - 核心观点：公司战略和目标保持不变，致力于实现35%以上毛利率，向增长型文化转型 [5] - 论据：公司通过供应链转型奠定基础，将投资集中于核心品牌、创新研发等方面 4. **公司运营变化** - 核心观点：公司在供应链、品牌组织和产品开发方面进行了变革，提升了运营效率和市场竞争力 [8][9][12] - 论据：供应链方面，整合和集中供应链，提高采购效率和产能利用率；品牌组织方面，按品牌划分业务单元，以客户需求为导向；产品开发方面，集中工程组织，采用通用平台战略 5. **定价策略** - 核心观点：定价环境波动大，公司以保障客户供应、降低中国采购风险、利用北美产能和追求长期利润率为战略锚点，根据环境与合作伙伴实时协作调整定价 [18][21] - 论据：公司自去年夏天开始制定战略，与合作伙伴保持开放合作，根据产品产地和关税情况优化产品组合 6. **市场需求情况** - 核心观点：专业市场表现相对强劲，DIY市场疲软，预计在经济稳定或利率环境改善后有所好转 [29] - 论据：公司在专业市场份额增加，DIY市场受经济和利率环境影响，需求有待释放 7. **中国采购与USMCA合规** - 核心观点：公司计划在12 - 24个月内基本停止从中国采购用于美国消费的产品，优先扩大墨西哥产能，同时提高USMCA合规率 [20][31] - 论据：公司目前从中国采购比例已从40%降至中低水平，墨西哥有一定产能基础，提高USMCA合规主要是调整物料清单和本地采购来源 8. **毛利率目标** - 核心观点：公司35%以上毛利率目标仍然现实，具体实现时间和路径将根据政策和应对措施进一步明确 [38] - 论据：公司战略和运营调整有助于实现毛利率提升，目前政策变化未改变目标 9. **资本支出与库存管理** - 核心观点：供应链调整资本支出相对较少，主要与供应商合作；库存周转有提升空间，但生产转移可能会有短期延迟 [41][44] - 论据：公司在墨西哥有场地和设备基础，库存周转天数目前在低150s，目标是降至120 - 130天 10. **户外产品业务** - 核心观点：通过简化产品线、提高供应链效率和优化业务布局，户外产品业务有提升利润率的路径 [49] - 论据：户外产品业务产品线复杂导致成本和库存高，优化后有望改善 11. **业务组合清理** - 核心观点：公司将进行小规模业务修剪，以简化业务组合并实现现金生成和杠杆目标 [51] - 论据：公司战略中一直包含业务组合清理，以聚焦核心业务 其他重要但是可能被忽略的内容 1. 第二季度关税影响：部分缓解措施开始影响损益表，第二季度将承担部分年度化关税，且前期高关税仍有影响 [27][28] 2. 供应链转型能力：目前供应链转型能力已初见成效，但仍有提升空间 [9] 3. 产品产地分布：如九种冲击扳手，六种在墨西哥制造，三种在中国制造 [23] 4. 库存周转指标：目前库存周转约2.5倍，疫情前为4 - 5倍，以天数计目前在低150s，目标是120 - 130天 [43][44] 5. 户外产品业务利润率：户外产品业务利润率处于中个位数，低于平均水平 [47] 6. 业务组合清理规模：工具和户外业务中有约500万美元销售额的业务可能非长期战略业务 [51]

AI编程转型趋势 - 编程方式从传统搜索引擎转向AI辅助编程，开发者需要编写更详细的提示词而非简单关键词[1] - 高质量AI代码生成依赖两大要素：强大的底层模型和精准的提示词工程[2] - 行业出现对AI编程工具能否完全替代程序员的讨论，但调试环节仍需人工介入[3] 提示词工程体系 - 建立18类标准化提示词模板库，覆盖代码生成、解释、优化等全生命周期场景[4] - 典型模板包括：代码生成（"使用[语言]编写[功能]"）、代码优化（"优化以下[语言]代码提高[性能]"）、算法实现（"用[语言]实现[算法]"）等[4] - 技术选型提示词要求对比分析技术A/B的优缺点，考虑开发效率、性能等4维度[5] 需求分析与技术决策 - 需求解构提示词要求分4步：功能点优先级排序、难度标注、技术选型推荐、风险预警[6] - 技术选型顾问提示词需生成对比表，评估开发效率、性能等4个核心维度[6] - 实战案例：电商小程序技术栈选择需平衡团队适配度与社区活跃度[6] 代码生成与优化 - 高质量代码生成5要素：清晰结构、详尽注释、极致性能、全面异常处理、符合最新规范[7] - 算法实现提示词要求包含复杂度分析、优化空间说明和执行过程演示[8] - 代码优化聚焦4个关键点：性能瓶颈定位、冗余计算消除、内存占用降低、高效算法替代[8] 测试与质量保障 - 测试用例设计需覆盖正常情况、边界值、异常输入、压力测试4类场景[13] - 单元测试生成要求细粒度路径覆盖，使用mock处理依赖，单个测试仅关注1个断言点[14] - 代码审查提示词要求无情指出潜在BUG、安全隐患、性能问题等5类缺陷[12] 系统设计与部署 - 数据库设计提示词需包含表结构、索引优化、大数据量处理方案、表关系说明[16] - Docker部署方案要求区分3种环境配置，提供资源优化和数据持久化方案[21] - CI/CD流程设计需实现自动化构建测试、分级部署、快速回滚3大核心功能[21] 安全防护体系 - 安全审查提示词要求检测SQL注入、XSS等6类漏洞，并提供具体修复方案[23] - 数据加密方案设计需明确保护范围、安全等级、性能要求和跨平台兼容性[24] - 实战案例：社交APP需对用户数据实施端到端加密，确保数据库泄露时数据安全[24]

SINGAPORE, May 19, 2025 (GLOBE NEWSWIRE) -- INNEOVA Holdings Limited (Nasdaq: INEO, "INNEOVA Holdings" or the "Company"), a leading Singapore-based provider of high-quality Original Equipment Manufacturer ("OEM"), third-party branded, and in-house branded replacement parts for motor vehicles and non-vehicle combustion engines, today announced its financial results for the fiscal year ended December 31, 2024. Key Financial Highlights for Fiscal Year 2024 Revenue: $58.3 million, a 2.0% decrease from $59.5 mil ...

公司战略 - 公司专注于抗体工程技术创新 其价值主要体现在这一领域 [1] - 采取双轨商业化策略 包括直接推广自有产品Tivdak和Epcoritamab 同时通过合作授权模式变现如Darzalex和Kesimpta等药物 [1] - 合作授权模式使公司能保留核心技术的所有权 [1] 人员背景 - 作者Myriam Hernandez Alvarez拥有厄瓜多尔电子与通信工程学士学位 美国俄亥俄大学计算机科学硕士学位 以及西班牙阿利坎特大学计算机应用博士学位 [1] - 作者同时具备西蒙玻利瓦尔安第斯大学的企业管理研究生学历 [1] 注 原文中doc2和doc3内容均为披露声明 根据任务要求不予总结

AI提示工程核心框架 - 优化提示词是提升AI输出质量的关键解药 尤其适用于教学 写作等脑力工作领域[2] - 在通用AI实现前 提示词设计比模型选择更能决定成果质量 智能体AI同样适用此原则[3][4] - 主流AI工具(ChatGPT DeepSeek Gemini Claude)的输出质量完全取决于指令设计水平[5] 五要素基础提示法 - T任务要素需包含角色定位 明确动词和输出格式要求 示例要求AI以认知科学家身份用表格解释记忆技巧并排序[7] - C背景要素需定义受众特征和行文风格 示例针对40+岁工程师群体要求通俗化表达并善用实例[8] - R参考要素提供文风样本 示例模仿《认知天性》的特定写作风格[9] - E评估要素需验证输出准确性 建议使用Perplexity等工具核查事实[9] - I迭代要素强调持续优化 通过调整提示词实现输出升级[11] 四大优化进阶技法 - 简化指令需拆解复杂需求 示例将UX设计需求从多重要求精简为核心要素[16][18] - 切换视角通过重构AI角色获得差异化输出 示例从认知科学家转为杂志记者获取叙事化结果[19] - 调整措辞需改变提问方式 示例从模糊修改要求转为指定布琳·布朗的写作风格[21] - 设定约束激发创造力 示例将开放式书名推荐限制为5字以内押头韵科幻标题[24] 三级高阶技法应用 - 提示链采用分阶段处理 示例分三步完成内容提炼 开头改写和视觉增强的完整流程[28][30][31] - 思维链要求分步推理 示例设计写作课程时需先阐述每周3小时投入的具体分配逻辑[34] - 思维树探索多方案路径 模板要求AI对问题提出3种解决方案并逐项分析利弊[36] - 元提示实现自我优化 示例让AI自动生成健康领域创业点子的提示词框架[38] 跨模态应用实例 - 多模态提示示例：上传冰箱照片后 AI可根据现有食材推荐60分钟内完成的纯素食食谱 需包含菜名和分步指导[12]

网络安全事件影响 - Coinbase披露网络安全事件可能导致高达4亿美元损失[1] - 公司初步估计补救成本和自愿客户赔偿费用在1.8亿至4亿美元之间[2] - 事件调查仍在进行中 最终影响尚未确定[1] 事件细节 - 攻击者利用窃取的客户数据对部分用户实施社会工程攻击[3] - 数据泄露涉及不到1%的月活跃用户 通过公司内部人员复制客户支持工具数据实现[3] - 攻击者试图勒索2000万美元 公司拒绝支付并设立2000万美元悬赏基金追捕攻击者[4] 行业趋势 - 过去一年社会工程欺诈案件增长56%[5] - 欺诈者使用高级社会工程手段 利用恐惧感和紧迫感直接针对消费者[5] - 金融机构需要采取主动全面的安全措施应对超越传统防欺诈手段的新型骗局[6]

整理 | 核子可乐、褚杏娟 当地时间 5 月 16 日，专为软件工程师开发热门 AI 工具的初创公司 Windsurf 宣布推出了其首个 AI 软件工程模型家族：SWE-1。除了编码任务之外，本系列模型还针对完整软件工程流程进行了优 化。 此系列目前包含三款具体模型： 这是继 30 亿美元被 OpenAI 收购消息后，Windsurf 的首次技术产品向动态，鉴于此，人们对 Windsurf 推出自研 AI 模型感到意外。然而，这次模型的发布表明，Windsurf 正在尝试从单纯开发应 用程序，扩展到同时研发支撑这些应用的底层模型。 SWE-1 系列发布后，开发者 Arif 立马上手构建一个 Flutter 应用演示，评价称"目前为止很棒！" 不过，Nuttall 也指出，如果没有给出明确的规则，它还是会产生不少幻觉，比如它完全搞错了该如 何在应用中添加路由。另外，和它一起写代码时，最好把功能拆分成小任务，并尽可能一开始就提供 足够多的上下文信息，以避免陷入 AI 死循环。 "总体来说，我个人还是更倾向于在大多数场景下使用 Gemini 2.5，但这是个不错的开始，后续的迭 代值得关注。"Nuttall 总结道 ...

报告行业投资评级 文档未提及相关内容 报告的核心观点 - 大语言模型（LLMs）作为生成式人工智能的一种，可提升评估中文本数据收集、处理和分析的效率、广度和有效性，但使用前需验证响应的准确性，应谨慎将其集成到评估工作流程中 [17] - 基于结构化文献综述（SLR）这一评估中常见用例，报告展示了LLMs实验的良好实践，包括确定相关用例、规划工作流程、明确资源分配和预期成果、选择合适评估指标、开发有效提示等，旨在实现LLMs潜力与严谨性的平衡 [18] - 评估办公室应用人工智能的实验是一个持续学习、适应和协作的过程，需不断探索和分享经验，以标准化和扩展评估LLMs性能的框架 [21] 根据相关目录分别进行总结 关键要点 - 识别相关用例，确保实验与LLMs能力有效匹配的用例一致 [9] - 规划用例内的工作流程，将用例分解为详细步骤和任务，便于有效应用LLMs并实现组件复用 [10] - 明确资源分配和预期成果，团队需就实验所需资源和成功标准达成共识 [11] - 制定适当的抽样策略，将数据集划分为训练、验证、测试和预测集，以促进有效提示开发和模型评估 [12] - 选择合适的模型评估指标，针对不同任务选择和计算相应指标，以确定实验成功与否 [13] - 迭代开发和验证提示，通过测试和改进提示，提高模型响应的准确性和相关性 [14] 关键实验考量 - 识别用例时，需确保LLMs应用能在给定资源和约束下比传统方法增加足够的增量价值，常见用例包括文本分类、总结、情感分析和信息检索等 [23][24] - 识别用例内的机会，需创建详细工作流程，发现可重复使用LLMs能力的组件，如文本分类、总结、合成和信息提取等 [26][27] - 就资源和成果达成共识，团队需明确实验所需的人力资源、技术、时间线和成功定义，确保预期成果与资源分配相匹配 [33][34] - 选择合适的指标衡量LLMs性能，针对不同任务选择和计算相应指标，如文本分类使用标准机器学习指标，生成任务使用人类评估标准 [36][38] 实验及结果 - 实验聚焦于SLR文献识别步骤的组件测试，包括基于LLM的文本分类，并对文本总结、合成和信息提取进行实验 [49] - 实验结果显示，LLMs在各生成任务中表现良好，文本总结任务的相关性、连贯性和忠实度较高，信息提取任务的忠实度优秀但相关性较低，文本合成任务忠实度高但有信息遗漏，文本分类任务经多次迭代后结果满意 [56] 新兴良好实践 - 代表性抽样需将数据集划分为四个不同集合，确保模型评估指标有助于提高提示在预测集上的泛化能力，包括理解输入数据分布、识别和纳入代表性观察等步骤 [67][68] - 开发初始提示时，好的提示应包含模型角色、任务说明、相关文本和响应要求等组件，并遵循检查模板、分解任务、尝试不同格式等原则 [75][77] - 评估模型性能时，需手动审查模型响应，评估响应的忠实度，设置特定上下文的指标阈值，使用注释和验证指南，检查编码器间可靠性，并使用混淆矩阵进行文本分类 [88][89] - 细化提示时，根据验证结果分析不准确原因，调整提示内容，但避免创建过于复杂的提示，防止过拟合 [95][96] 未来展望 - 世界银行和国际农业发展基金独立评估部门在评估实践中应用人工智能的实验是一个持续学习、适应和协作的过程，需不断探索和分享经验 [97] - 未来需进一步研究、实验和协作，以标准化和扩展评估LLMs性能的框架，包括在不同组织和背景下分享实验和试点经验 [98]

This article has been reviewed according to Science X's editorial process and policies . Editors have highlighted the following attributes while ensuring the content's credibility: The Coinbase logo covers the Nasdaq MarketSite in New York's Times Square, April 14, 2021. Credit: AP Photo/Richard Drew, File Coinbase, the largest cryptocurrency exchange based in the U.S., said Thursday that criminals had improperly obtained personal data on the exchange's customers for use in crypto-stealing scams and were d ...

Highlights Record net revenue of $1.6 billion, an increase of 13.3% compared to Q1 2024Adjusted EBITDA¹ increase of 19.1% to $252.3 million and adjusted EBITDA margin¹ of 16.2%, a 70 basis point increase over Q1 2024Diluted EPS of $0.88 and adjusted EPS¹ of $1.16, up 29.4% and 28.9%, respectively, compared to Q1 2024Confirms full-year guidance and achieved record backlog of $7.9 billion, up 12.8% over Q1 2024Acquired Ryan Hanley, a 150-person engineering and environmental consultancy firm in Ireland, streng ...