近期披露的Linux内核高危本地提权漏洞（Copy Fail，CVE-2026-31431）由 Xint Code 团队发现，源于一处隐蔽且易触发的内核逻辑缺陷。攻击者在具备本地访问条件下，可稳定实现权限提升并获取系统最高权限。

该漏洞利用代码（PoC）已公开，显著降低攻击门槛。其影响可追溯至 2017 年，覆盖主流 Linux 发行版，并波及云服务器、容器宿主机、多租户环境以及各类基于 Linux 的嵌入式设备（如物联网终端、工控设备和网络设备），整体风险范围广、危害等级高。

利用demo视频来自Copy Fail (CVE-2026-31431) 官网

看资料觉得该漏洞的利用相当简单，于是翻出一个陈年centos镜像（3.10.0-1160.66.1.el7.x86_64）仿真起来试了试，竟然不受影响（版本太老了）！后面再找个嵌入式设备的镜像试一试。

人工验真！Linux提权漏洞，影响这么多信创！（附稳定验证PoC）

微步给的验证POC（注意禁止在线上环境进行验证，验证程序可能会损坏系统的su命令内存映像）：

curl -fsSL https://onesandbox-release.threatbook.cn/poc/CVE-2026-31431/copyfail -o /tmp/copyfail && chmod +x /tmp/copyfail && /tmp/copyfail && rm -f /tmp/copyfail

在某些取证场景下，确实还挺有用的。

那么如何发现该漏洞利用的痕迹呢？参考安天科技的分析：

CVE-2026-31431（Copy Fail）漏洞FAQ（上）——漏洞的基本情况、影响范围与处置篇

CVE-2026-31431（Copy Fail）漏洞FAQ（下）——漏洞技术机理、历史坐标与战略启示篇

自动化利用工具肯定也已经出来了，大家做好防护，五一劳动节快乐！

跳转微信打开

人工智能正在改变全球司法系统，为提升司法进程、简化案件管理并协助司法决策提供了新可能。然而，这些创新也带来了复杂的伦理和人权挑战。联合国教科文组织《法院和法庭中使用人工智能指南》于2025年12月提出了首个全球伦理和运营框架，确保人工智能在维护法治和基本权利的同时实现正义。

该指南围绕十五项普遍原则——从透明度、问责制、人类监督到人权保护和多方利益相关者治理——为探索人工智能采用的法官、法院管理者和政策制定者提供了实用指导。他们主张将人工智能视为辅助工具，而非替代工具——负责任地使用，始终在有意义的人类监督下进行。

15项核心原则

该指南围绕15项核心原则构建，这些原则贯穿AI系统的整个生命周期（设计、开发、采购、部署、使用、评估、退役）。

1.保护人权：尊重、保护和促进人权与法治，特别关注非歧视、平等、程序公平、隐私与数据保护、自由与安全。

2.比例原则：AI的使用目的必须合法，且手段与目的相称。

3.效益可行性：在采用前，需评估潜在收益及实现这些收益的机构能力。

4.安全性：避免对当事人、法官、法院声誉及公众造成伤害。

5.信息安全：保护机密信息，防范网络威胁，确保司法机关对其数据的控制权。

6.准确性与可靠性：确保AI系统能提供有用、相关且正确的输出，并在各种情况下稳定工作。

6.可解释性：AI系统应能向使用者和部署者阐明其输出背后的逻辑和输入的使用方式。

7.可审计性：采取行政、法律和人力措施，确保AI系统在部署期间能够被审计。

8.透明与开放司法：公开AI系统的开发方式、运作原理、训练数据、局限性等信息。当AI影响个人权利时，应及时告知。

9.认知与知情使用：使用者需了解AI的功能、用途、潜在影响、局限性和风险，以便做出明智的使用决策。

10.责任：开发和使用的组织及个人须为其借助AI做出的决定和行为承担责任。

11.问责与可争议性：建立机制，解释为何及如何使用AI，并允许受影响的当事人对AI的输出提出质疑和挑战。

12.人类监督与决策：法官不得将其裁判权委托给AI或完全依赖AI做决定。AI应是辅助工具，人类干预必须贯穿始终。

13.以人为本与参与式设计：AI的设计应以增强司法能力、尊重人的尊严和自主性为中心，并吸纳司法人员和公众参与。

14.多方利益攸关方治理与合作：在整个AI生命周期中，特别是在可能产生重大影响的系统上，咨询包括边缘化群体在内的各利益相关方。

对司法人员个人的建议

1.使用前：提升AI素养，了解工具的功能、局限和风险；优先使用经过组织评估和测试的AI系统。

2.使用中：

避免过度依赖：AI不能替代实质性的法律推理和人类判断。

遵守使用条款：仔细阅读并遵守AI系统的使用条款。

保持透明：在使用AI辅助生成文书或参与听证时，应予以披露。

核实输出：对所有AI生成的内容进行严格核查和交叉验证。

保护数据：切勿向公共AI聊天机器人输入个人数据或机密信息。

承担责任：对最终使用AI输出的结果负全部责任。

3.使用后：若发现系统故障或潜在危害，应立即停止使用并向组织报告。

指南反复强调，AI是辅助性工具，绝不能取代合格的法律推理、人类判断或裁量权。司法裁决是一个过程，而非简单的输出。

指南下载：https://www.unesco.org/en/articles/guidelines-use-ai-systems-courts-and-tribunals

中文翻译版下载：

链接: https://pan.baidu.com/s/1woAI6dkRpdEwPfaAie6dkg 提取码: uxvw

跳转微信打开

电子证据4.0时代，法律人如何学术相依？

感谢刘品新教授授权转发

2002年，中国人民大学何家弘教授预言：“也许，我们即将走入另一个新的司法证明时代，即电子证据时代”。[1]

2016年，中国政法大学樊崇义教授指出：“技术的革命并不能自动带来司法证明时代的改变，只有我们在充分认识到电子证据重要性的基础上，进行制度的改变，法律的完善，构建科学的电子证据规则体系，使得电子证据合法、合理、充分地被运用，实现电子证据应有的功能和作用，我们才能自信地说，我们迎来了一个新的司法证明时代的春天——电子证据时代！”[2]

以上两种论断，一显“激进”，一偏“冷静”。孰对孰错？读者诸君，各人评价。作为耕耘于电子证据研究领域超过25年的一名法律工作者，我不习惯于抽象地展望，更愿意具象地管窥。

我以为，传统证据电子化和新型电子证据涌现，是全球数字化时代司法证明转型的基本规律。而自从大数据元年[3]伊始，电子证据进入以代际转换为特征的新阶段，涌现以海量数据为底色的新样态。无论如何看待电子证据时代，法律人共同体都必须完成电子证据实践、理论与制度的革新再造。

而确立大证据思维，实乃自觉行动的先导！

“大证据思维”——此中关键词，既是我撰写《电子证据审查精义》一书的核心感悟，也是读者研习“电子证据办案技能”的叩门暗语。它包括五点要义，下面分述之。

壹、信奉真正“证据为王”

“大证据思维”之要义，首在于“大”（注：这里是动词）证据，即真正重视证据，或曰“以证据为王”。

在办案人员眼中，没有事实，只有证据。案件发生后，真相究竟如何，无疑需要用证据来证明。18世纪英国证据法大师边沁指出，证据是司法的基础。[4]20世纪20年代，美国学者本杰明·卡多佐告诫：“最经常与争议相连的也不是法律而是事实。”[5]50年代前苏联著名法学家维辛斯基说过：“审判的艺术实际上只不过是利用证据的艺术罢了”。[6]中国俗语有云：“打官司就是打证据”；中外法谚均云：“事实胜于雄辩”。[7]这些说法，都指向同一道理，即司法办案中证据的极端重要性。

这一判断的经典制度就是“证据裁判主义”。它被视为现代诉讼制度的“帝王”规则。其缘何诞生，淹没在历史长河中了。据陈光中教授等学者考证，日本于1876年制定《断罪依证律》，将《改定律例》规定的“凡断罪，依口供结案”修改为“凡断罪，依证据”。[8]这一条文开创先河，延续至今，辐射许多国家、地区。如日本《刑事诉讼法》第317条规定：“认定事实，应当依据证据。”[9]韩国《刑事诉讼法》第307条第1款规定：“认定事实，应当根据证据”；[10]我国台湾地区“刑事诉讼法”第154条第2款也规定：“犯罪事实应依证据认定之，无证据不得认定犯罪事实”。[11]它们的共性则在于强调“认定事实应当根据证据”。

我国证据法制的发展屡有波折，自然形成的表述是“以事实为依据”。这一表述最早在1979年出台的《中华人民共和国刑事诉讼法》中得到确立。此后《刑事诉讼法》多次修订后的版本以及《法官法》《检察官法》《监察法》等均有重申。之后，我国的法律表述被优化为“认定案件事实，必须以证据为根据”。[12]最高司法机关检讨说：“认定案件事实不是司法机关工作人员个人的判断、个人的裁判，也不是某一个司法机关，公安、检察院、法院，或者公检法内部的办案机构、办案组织的判断、决定，也不是领导权力的裁判，而只能是根据证据，由证据作出的裁判”；“在证据面前没有权力”。[13]

然而，“证据为王”的信条、“证据裁判主义”的法条未能摆脱“挂在客厅墙上的名画”的实际命运。我国司法办案少有体现出“证据为王”信条，更遑论遵循“证据裁判主义”法条了。我在撰写本书时，回味着一个个实实在在的电子证据案例，深感“证据为王”“证据裁判主义”的“一物两面”架构被惯常性地漠视、乃至摒弃。这在司法实践中异象迭出。

异象之一是“口供称霸”。在古代，中国“大刑伺候”“从实招来”一度被奉为圭臬，西方亦信奉“做出判决必须有完整的证明，没有完整的证明就不能下判……被告人的口供，不论是否刑讯获得的，都是良好的半个证明……”口供无可置疑地成了最可靠的证据。十年文革浩劫后，我国曾经深刻检讨“没有证据要从犯人嘴里掏”“大棒子底下出真言”“一人供听，二人供信，三人供定”[14]等遗毒，旗帜鲜明地反对“口供至上”。1979年版的《刑事诉讼法》第35条明确规定：“对一切案件的判处都要重证据，重调查研究，不轻信口供。只有被告人供述，没有其他证据的，不能认定被告人有罪和处以刑罚；没有被告人供述，证据充分确实的，可以认定被告人有罪和处以刑罚。”然而，实践中“口供称霸”做法借尸还魂。除了禁而不绝的刑讯逼供外，恣意拆分案件、滥用认罪认罚等也成为架空证据裁判主义的黑手。

共同犯罪以并案审理为原则，以分案审理为例外。拆案处理是指在刑事诉讼中，将原本作为一个案件处理的多个犯罪嫌疑人或多个犯罪事实，拆分成几个独立的案件，进行处理。我国的共同犯罪分案审理，经历了一个从被动分案审理到主动分案审理的转变。《2021年刑诉法解释》首次明确了共同犯罪分案审理的一般规范，但存在规范目的不足、案件范围不明、具体程序欠缺等问题，无法解决实践中分案范围随意化、分案决定行政化、对质权保障不足、前案既判力扩张等问题。[15]

如本书第八、十五章××公司、杨××等提供侵入、非法控制计算机信息系统程序、工具罪一案[16]中，控方指控犯罪的最重要证据是一份判断涉案软件功能的鉴定意见——“送检程序利用微信服务器实现微信登录，具有获取微信相关信息、上传设备信息和用户账号密码的功能，这个功能突破了计算机信息系统的安全保护措施，未经授权获取了计算机信息系统的相关信息，属于侵入微信系统的程序”。然而，庭上质证表明，此次鉴定存在着检材来源不明、鉴定过程虚假等严重问题。一审法院判决时也认定：“经查，司法鉴定意见书确实存在仅对部分检材校验了哈希值、鉴定使用的工具有个别未作说明、部分检材来源不明、鉴定结论指向不明等情况，该司法鉴定意见书不应作为定案的根据，故对辩护人提出的相关辩护意见，本院予以采纳。”照理说，如此重要指控证据塌陷后，法庭应当按照证据裁判主义作出无罪判决。但令人惊讶的是，一审法院却将同时出庭受审的一家法人单位、六名被告人的案件拆分成两个判处轻刑的判决书。在两份判决书中，多处出现了同案犯口供认定案件的情况，如“经查，被告人杨××、黄××的供述、证人吕×、宋×等的证言笔录证实……”。其实，所谓的证人吕×、宋×实则是另案处理的被告人，而杨××、黄××的供述则在另一判决书中被视为被拆开判决案件的证人证言。如此“骚”操作，难怪被告人上诉时称“本案的黄××、杨××和另案处理的宋×、吕×的言词证据均属于被告人供述，原审判决据此认定涉案犯罪事实违背刑诉法规定的‘只有被告人供述不得定案’的证据规则”。

认罪认罚从宽制度改革在证据学意义上就是要明确承认有罪供述的证据价值构建以口供为中心的指控证据体系，完成刑事证明任务。[17]认罪认罚从宽制度确立的是以口供为中心的证明体系，并以自愿性为口供真实的重要担保。在此基础上，至少在官方口径中，认罪认罚从宽制度并没有放松对证据标准的把握。从因果关系上看，认罪是程序简化的原因，也是简易程序证明标准适当降低的主要原因。[18]还有论者认为被告人供述自愿性的证明需达至“排除合理怀疑”的程度，以确保供述的真实性，而被告人犯罪事实和量刑事实的证明适当降低至“大致的心证”即可，从而简化证据收集范围和方式。[19]此外，由于对认罪认罚案件的证据调查程序之严格性作出不同要求，实质造成程序条件放宽之后证明标准的隐形降低。[20]滥用认罪认罚更是如此。

如在本书第四、十五章××网络公司非法获取计算机信息系统数据罪一案[21]中，被告公司认罪认罚，五名被告人（自然人）认罪认罚（其中两人在审查起诉阶段被不起诉），均承认了非法获取计算机信息系统数据的违法行为。但是，我带领律师团队介入后，第一次在该案中真正审查电子证据，经过庭审查清的基本事实是：（1）案外公司、案外人伪造证据谋取不正当利益，包括案外人存在伪造材料报案的动机和行为，客观上实施了伪造关于财产损失的证据、伪造公安机关勘验数据以及伪造向阿里云调证数据的行为。（2）几乎全部客观性证据均属于虚假证据而不能作为定案根据，包括公（警支）勘[2019]032901号《远程提取工作笔录》及相关电脑硬盘、“××勘验.ZIP”文件不具有合法性、真实性，包括×公海（双）调证字[2019]000015号《调取证据通知书》及阿里云反馈的信息不具有合法性、真实性、关联性，包括四个IP地址的五个镜像文件不具有合法性、真实性、关联性，包括鉴定机构出具的所有《司法鉴定意见书》均不能用作证明被告公司非法获取数据的指控证据，还包括公安机关补充“工作说明”不具有合法性、真实性。最终，此案历经三年审理，不得不以检察机关撤回起诉、并做不起诉处理终结。

回过头来看，本案就是因为公安机关、检察机关对于此起认罪认罚案件，事先没有进行必要的、合格的证据审查，事后也不安排主要证人、警察到庭作证，基本上形成了“只有被告人供述，没有其他证据”的指控局面。而且，五名被告人的口供存在重复性供述、诱供等情形（第三、第四次口供与第一次口供几乎完全一致），不具有真实性、合法性与关联性，不得被采纳。

异象之二是“情况说明满天飞”。“情况说明”是指在刑事诉讼中，侦查机关和检察机关的侦查部门以单位名义，就刑事案件中存在或者需要解决的问题提供的工作说明、工作情况、说明等等的总称。[22]我国《刑事诉讼法》规定的八种法定证据形式并不包括“情况说明”；全部条文中在形式上并不包括“情况说明”这一材料，即便从实质表意来看，现有法律条文主要允许侦查人员等通过作出“说明”的方式，对证据收集的合法性进行“补正”或者“合理解释”，[23]而且这种“说明”原则上是“出庭说明情况”。[24]最高人民法院在司法解释中对这一材料的放宽使用，加剧了实务中“情况说明”的泛滥。其第135条第3款规定：“公诉人提交的取证过程合法的说明材料，应当经有关调查人员、侦查人员签名，并加盖单位印章。未经签名或者盖章的，不得作为证据使用。上述说明材料不能单独作为证明取证过程合法的根据。”如果将诉讼类比扑克牌游戏进行观察，不难发现现如今名目繁多的“情况说明”已经成为扑克牌中的“混子”——它几乎可以充当任何牌的角色。这就难以理喻了。

如颜××诈骗罪一案中，各式各样的“情况说明”充斥于法庭。类型之一是关于电脑取证合法性的情况说明，如2024年4月27日由章×等两名警察签署的用以表明被告人马×电脑中11.xlsx号文件来源的“情况说明”，结果发现签字人章×并不是办案警察、且其签名是虚假的；类型之二是替代电子证据勘验检查笔录的“情况说明”，如公安机关提取证人唐×与被告人颜××微信聊天记录形成的《电子数据提取说明》，据此形成的133页聊天记录是最重要的指控证据，结果发现所谓到看守所勘验手机的行为是完全虚假的，签字人严×、张××不是合格的侦查人员，见证人王××是未到现场的“职业”签字人；类型之三是加盖证人单位业务专用章的“情况说明”，无任何自然人签字，内容系关于提供货物销售记录档案查询的；类型之四是加盖会计师事务所公章的审计报告第一、二次补充说明，这既不满足情况说明的形式要求，更不满足“有专门知识的人就案件的专门性问题出具的报告”的形式要求。

最重要的是，本案侦查办案系以一系列“情况说明”掩盖违法取证内核。这些“情况说明”构成了实质违法证据而非瑕疵证据；构成实质失真的证据而非可以合理解释的证据。本案中，《电子数据提取说明》及其中的聊天记录截图直接影响到定罪量刑，提取人直接在原始介质上操作，这既无法保证原始介质中数据的真实性，也无法在数据失真后进行补救。更为严重的是，提取电子数据的过程存在蓄意的作假情况。林肯说过，“将尾巴称作腿，并不意味着那就是一条腿”。[25]套用此论，无论如何处理，“情况说明”不能替代法定证据。

2024年6月13日，最高人民检察院发布指导性案例“曾某甲等人故意伤害纠正遗漏同案犯罪嫌疑人侦查监督案”，其中明确检察机关要加强对《情况说明》的实质性审查，区分情形作出处理，依法及时提出纠正意见。该案的指导意义在于，重申“《情况说明》不能替代法定证据作为证据使用”，明确“检察机关在审查案件时，应当对公安机关出具的《情况说明》内容进行审查。经审查发现公安机关以《情况说明》代替法定证据，用于证明案件事实的，应当督促公安机关依法定程序、以法定形式重新收集、固定；以出具《情况说明》的方式，怠于行使侦查职责的，应当依法提出监督纠正意见”。这一指导性案例背后的法治精神，对于规范电子证据审查同样具有重要价值。

异象之三“电子证据被当作空气”。电子证据自从2012年入法以来，就成为各种诉讼案卷中的证据主体部分。它们通常是以侦查机关向检察机关移交的涉案电脑、手机、服务器、光盘等介质及其中数据等形式存在的。然而，控辩双方往往不对这些新式素材进行充分的攻防，法庭也不组织这样的“对抗”机会。有的案件流转到检察院、法院后，刑辩律师申请复制涉案数据光盘的，办案人员还会百般推诿。一言以蔽之，多数刑事司法活动中，法庭上并不见电子证据的真身！

在本书第一章中，我引用了刑辩律师抱怨司法人员将电子证据当作“任人打扮的小姑娘”的行为。一个不容忽视的客观情势是参与办案的法律共同体——检察官、律师和法官等，不会“看”甚至不“看”电子证据。他们的眼光聚焦于有关的司法鉴定意见书、截图打印材料以及由此获得的笔录上，停留于此。我参与过一些刑事庭审，有时能够强烈感觉到，技术出身的部分被告人（软件程序员）现出“不屑一顾”之色：你们这些所谓的“法律人”，究竟在说什么东东？跟你们讨论所谓网络犯罪案件的定罪量刑，难道不是“鸡同鸭讲”么？在被认为最离不开电子证据的网络犯罪案件办理中，电子证据却从未得到真正重视，这已成为一个基本的现实。这是一种吊诡现象：“一方面，如今网络犯罪日益成为高科技被异化滥用之代名词；另一方面，网络犯罪案的庭审完全等同于传统案件的庭审，没有任何高科技元素、成分。”[26]

如在本书第一、六、八、十一章快播公司传播淫秽物品牟利罪一案[27]中，控方出示了多种证据，包括证人证言、书证、不同主体的工作说明、行政机关先行登记保存物品决定书、行政执法物品清单、行政执法检查记录、行政执法询问笔录、调取证据清单、接受证据材料清单以及多份淫秽物品审查鉴定书、电子数据司法鉴定意见书。辩方针对这些证据发表了质证意见。然而，本案中关键性证据——21251个淫秽视频及所在的四台服务器，对于证明被告人放任传播淫秽视频的行为、结果，以及间接认定被告人主观上的明知，至关重要。令人遗憾的是，该案中辩方从来没有查看过“21251个淫秽视频及所在的四台服务器”，控方也没有当庭举证过。这一案件最终演变成为控方指控的“滑铁卢”，在很大程度上归因于他们未能有效审查这些电子证据及关联介质。不仅如此，本案中辩方的质证亦有很大的反思空间，他们忽略了对电子证据及关联介质的直接审查，而仅就相关的书证、笔录、鉴定意见书进行隔靴搔痒式质疑。这本应是一起电子证据名案，却因种种原因未能展现电子证据的力量。

诚然，我国也有试图在网络犯罪案件办理中重视电子证据的努力。2020年最高人民检察院启动制定“人民检察院办理网络犯罪案件规则”。其“征求意见稿”第3条，对“电子数据的引导取证和审查运用”做了要求，规定“提高电子数据的审查和运用能力，注重构建以电子数据为核心的网络犯罪的证据体系”。这里提出了“核心”之说，让人眼前一亮。而2021年初《人民检察院办理网络犯罪案件规定》正式稿发布，前述条文表达全然不见影踪。等到当年6月份，在我组织的一次专业研讨会上，主要写稿者讲了幕后故事。大概意思是，草案上会讨论时，对该原有表述有许多不同声音，最终按照多数人形成的决议做表述调整。主要写稿者也主张，检察系统办理网络犯罪的理念要实现创新发展，“着力构建以电子数据为重心的刑事诉讼证据体系”。此“重心”之说，同样传递出一种特别重视的信息。但是，毕竟这一司法解释中表述上的“进步”，并未“突围”成功。

异象之四“鉴定、审计黑箱”。在现代诉讼中，案件中涌现越来越多的专门性事实，即“具有专门知识与技术内容，需要借助其他有关科学知识、技能、经验、训练等才能认知的事实”。[28]控辩双方围绕专门性事实形成的争议问题就是“专门性问题”。其特点是“专门性问题通常不应是法律问题”“专门性问题的解决需凭借科学知识、专业技能、专门领域的工作经验等专门知识”“专门性问题既包括自然科学领域的、也包括人文社科领域的，其中尤以自然科学领域的问题为典型”。[29]针对专门性事实或专门性问题，鉴定意见一直被认为是决定案件成败的“证据之王”。然而，由于我国的制度设计存在着刑事鉴定由公权力机关启动，辩护律师及被告人一方无权启动的问题。此外，司法实践中鉴定人常常不出庭接受质证、鉴定检材通常不向辩方提供、鉴定方法缺乏强制性且经常性地被突破、鉴定过程含混不清等。这些问题导致鉴定意见难免成为披着科学证据外衣的“证据黑箱”。

狭义上的鉴定意见在我国目前指的是“四大类”司法鉴定形成的专业判断。它们是需要进行准入登记，并由司法行政机关统一登记管理的法医类鉴定、物证类鉴定、声像资料鉴定、环境损害鉴定。电子证据司法鉴定实际上被纳入声像资料鉴定进行登记管理。电子证据司法鉴定渐趋“黑箱”化的重要表现，除了前述的多种因素外，更为凸显的是“同一企业鉴定机构的多份鉴定意见并存”“上级侦查机关内设机构的不规范鉴定频出”等特殊样态。前者如在虞××诈骗罪等罪案件中，主要事实争议之一是违法所得。一审判决书认定“违法所得人民币3456243623元”，然而一审案卷中并未清楚表述“违法所得数额的计算方法”。经过核查该案中相关证据，主要是由我国福建一家知名企业的电子数据司法鉴定机构通过“编写查询语句对回款金额进行统计”，前后形成了并存的四份鉴定意见书。它们的检材一致、鉴定方法一致、鉴定人一致，唯有鉴定结果不一致。它们的差别主要在于其中的统计过程，可以理解为委托人或鉴定机构认为之前的统计方法是不准确的，故多次追加鉴定。它们同时作为证据存在，且均并没有将无关数额（如测试数额、正常借贷数额等）从中剔除。在多份鉴定意见存在冲突的情况下，鉴定人并未到庭说明情况。这样的裁判在犯罪事实（涉案金额）认定肯定是稀里糊涂的，天知道哪一份鉴定意见是正确的？或者说，根本没有任何一份鉴定意见是正确的！后者如在张××开设赌场罪一案中，被告人被指控明知是赌博网站仍为其提供资金支付结算服务，帮助收取赌资，情节严重。而关于涉案网站——“××体育”网络平台是否具有赌博功能，是由侦查机关的上级——××市公安局治安支队出具的《××体育网络平台赌博功能认定报告书》作出的认定：“××体育”网络平台具有投注输赢功能……“××体育”网络平台没有任何禁止赌博活动的风险防控措施。且不论这份“认定书”缺乏鉴定人的签名、方法等内容，仅就其规范性（包括鉴定方法的规范性、鉴定过程的规范性等）就必然引起控方的质疑。曾被誉为科学证据的司法鉴定，早已沦为“是非之王”。

广义上的鉴定意见还包括“四类外”鉴定或检验活动形成的专业判断。较多的是会计审计报告等（可简称为“鉴计为证”）。此类会计审计报告通常是办案部门委托会计师事务所对涉案单位的纸面或电子会计、审计资料等实施会计审计活动形成的专门分析报告。它们已然成为涉众型犯罪案件办理的证据标配，然而却暗藏着费时费钱、尤其是准确性堪忧等致命缺陷。如在本书第四、五章王××等组织、领导传销活动罪一案[30]中，一家注册会计师事务所依据从支付宝等平台调取的交易流水记录进行统计，得出了涉案金额178,965,438.00元，打款或发佣金额等95,626.640.19元。这两项统计在庭审中均遭遇了激烈质疑，质疑理由主要包括办案单位、会计师事务所、支付宝平台等主体均不对交易流水记录的真实性负责，且案件中发现交易流水记录存在着来源不明、无法保证真实性的重大疑点。尽管如此，这些质证往往难以得到法庭的确认，因为负责审计的注册会计师等专业人员通常不到庭接受质证。严格地说，“鉴计为证”或审计报告并不是我国《刑事诉讼法》明确规定的法定证据形式。实践中广泛依赖“鉴计为证”或审计报告的做法，可谓司法证明中的“超级黑洞”。

异象之五“综合认定成黑洞”。这是同静态的鉴定意见、审计报告之“证据黑箱”相对应的动态概念。综合认定原本是我国司法证明领域判断证据真实性的一个传统法宝，指的是“综合全案证据进行审查”。[31]自2014年开始，综合认定方法被引入网络犯罪的证明领域，并主要适用于电子证据及关联证据。如当年最高人民法院、最高人民检察院、公安部联合发布的《关于办理网络犯罪案件适用刑事诉讼程序若干问题的意见》规定，对针对或者组织、教唆、帮助不特定多数人实施的网络犯罪案件，确因客观条件限制无法逐一收集相关言词证据时，可以采用综合认定的方法。此后，又有多部司法解释或类似的规范性文件，重申了综合认定或判断的方法。有学者以电信网络犯罪办理为例，将“综合认定”释读为三种模式：一是“以犯罪嫌疑人自认为基础，再辅以相关证据进行印证”的认罪处罚模式；二是“抽样取证，全案综合认定”模式；三是“受限于传统的刑事证明理念，在侦查中努力找到网络电信犯罪中相应罪名犯罪数额的下限并以此定罪量刑”的有限追惩模式。[32]

实践中，关于电子证据的综合认定呈现泛滥的态势。通常，出庭的检察官不再像传统证据举证那样勤勉地提交电子证据（甚至完全不举电子证据），更不回应辩方针对电子证据的质证观点，而是一股脑地交由法庭进行所谓的“综合认定”。有的法官庭下找公安机关核实，有的法官自己根据后台数据计算犯罪金额，有的法官干脆使用笔录等言词证据或情况说明……反正只要找到几份证明材料，就可以大胆“拍脑袋”下判。这就使得电子证据的运用出现了严重的异化。

如在本书第七章董××等侵犯公民个人信息罪一案[33]中，用于指控的主要证据是电子数据、勘验检查笔录与鉴定意见。法院判决明确排除了勘验检查笔录的证据效力，理由是“公安机关未对自如公司提供的服务器日志的真实性、原始性进行核对，亦未能作出合理说明”；明确排除了服务器日志鉴定意见的证据效力，理由是“勘验检查活动中所获取数据合法性未能得到确认，日志本身的真实性、不同日志之间的关系等方面均无法进行确认和分析”。事实上，法院判决也排除了自如公司提供的服务器日志等电子数据的证据效力，因为其真实性、原始性无法得到确认。但是，法院判决的“本院认为部分”写到，“被害单位提供的证据与被告人供述、手机鉴定意见内容等能印证本案侵犯公民个人信息的途径、手段、具体获取的个人信息内容的敏感度以及获取信息的大量性。比照具体的定罪量刑标准，本院认定本案符合侵犯公民个人信息情节特别严重情形。”这显然属于依据不确切、不客观、相互矛盾且稳定性差的言词证据来认定案件事实，生成令人匪夷所思的“认定黑洞”。

异象之六“案卷副卷用作挡箭牌”。我国司法机关办理刑事案件的案卷有正卷、副卷（内卷）之分。副卷主要保存内部呈请类文书以及不宜公开的秘密材料等文件。如法院制作管理的副卷主要内容是：（1）卷宗封面；（2）卷内目录；（3）阅卷笔录；（4）案件承办人的审查报告；（5）承办人与有关部门内部交换意见的材料或笔录；（6）有关本案的内部请示及批复；（7）合议庭评议案件笔录；（8）审判庭研究、汇报案件记录；（9）审判委员会讨论记录；（10）案情综合报告原、正本；（11）判决书、裁定书原本；（12）审判监督表或发回重审意见书；（13）其他不宜对外公开的材料；（14）备考表；（15）卷底。[34]一般来说，副卷不随案移送，而由公检法机关的档案部门保管。实践中，也出现了副卷被移送并被“意外”公开的情况。

实践中出现了将电子证据存入副卷导致举证质证落空的情况。如在本书第十三章罗××对有影响力的人行贿罪、挪用资金罪一案[35]中，重要的指控证据是侦查人员提取到的名为“IMG-2493.JPG”“IMG-2494.JPG”两张图片文件，形成了《“×公（经）检[2019]1号”电子数据检查笔录》。经核实，这两种图片文件的提取过程不是按照公安部《公安机关办理刑事案件电子数据取证规则（2019）》的规范进行，这两张图片的来源也不是来自原始存储介质或者镜像，而是名为“××苹果手机_html.zip”的压缩文件。在该案中，甄别真相的最简单方法是对名为“××苹果手机_html.zip”的压缩文件进行直接审查。然而，侦查机关提供的回复是一份“情况说明”，表明该“××苹果手机_html.zip”的压缩文件已经被归入副卷。该情况说明具体表述为“杜××2018年9月14日向公安机关提供的手机，已提取电子数据形成取证报告“××苹果手机-html”，该份取证报告（电子数据）我局已制作侦查工作卷备查；杜××手机取证报告“××苹果手机-html”，我局已制作侦查工作卷备查；杜××手机电子数据提取笔录，我局已制作侦查工作卷备查”。这一存入“副卷”的做法，事实上就是拒绝向辩方提供核对的机会，阻塞了甄别真相的大门。难怪有学者批评说，人民法院副卷制度的存在，构成了司法“苛疾”，“对司法改革的进程产生了负面影响”[36]。

异象之七“无休止地补充侦查”。《最高人民法院关于适用〈中华人民共和国刑事诉讼法〉若干问题的解释》第274条第1款规定：“审判期间，公诉人发现案件需要补充侦查，建议延期审理的，合议庭可以同意，但建议延期审理不得超过两次。”这反映了一种妥协的意志。然而，在实践中常常出现“两次补充侦查结束后再调查”的无休止做法。其负面危害极大，包括“有违控辩平衡的诉讼原则”“不利于保障被告人的人权”“导致司法资源浪费和诉讼效率降低”等。就电子证据审查而言，这也会摧毁电子证据及其关联证据的价值。

如在前述王××等组织、领导传销活动罪一案中，检察机关进行了两次补充侦查，但所获取的电子证据及关联证据均被否定。之后，侦查机关再次进行了补充侦查，其超越期限调取了声称来自支付宝等第三方机构整理的资金流水记录，并委托会计师事务所出具专项审计报告。该份《专项审计报告》及其检材对定罪量刑至关重要，而公安机关、检察机关及审判机关均未按照《刑事诉讼法》的规定向被告人宣读，征求其是否申请重新鉴定或补充鉴定的意见。对此，辩护律师提出质疑，认为这部分证据的形成时间晚于法院退回补充侦查期间。但法院对该辩护意见不予采纳。[37]

针对这一现象，我国有学者呼吁“尽快废除庭审阶段的补充侦查制度”。他主张，应当赋予控辩双方平等的证据申请权，改由人民法院进行庭外调查，庭外调查的重点应是有利于被告人的证据。对于庭审阶段翻证的证人，不宜由侦查（调查）机关单方面询问核实，而应当通知其出庭作证。[38]

贰、拥抱已来“海量证据”

“大证据思维”之要义，次在于直视证据“数据化”“海量化”，即“证据海量”。

自从数据以GB、TB、PB计量以来，个案中的电子证据就日益呈现为一种用之不竭的数据原料。它们通常以海量的办公文档数据、图片证据、电子邮件、通信聊天记录、通信数据、资金数据、网页数据、舆情数据、物流数据、轨迹数据以及日志数据等形式出现。在我直接经手办理的案件中，有的案件仅仅资金流水就超过60亿条，有的案件中仅一部手机的微信聊天记录就超过200万条，有的案件中仅电脑日志数据就以亿计，有的案件仅仅视频文件就超过千万部……形形色色的海量数据早就镶嵌进了办案流程，这是不争的事实。是故，侦查机关在实践中早就使用了蓝光刻录及蓝光光盘，或者开展区块链平台存证、大数据分析平台析证等创新做法。

与此同时，办案机关仍然普遍沿袭纸质卷宗流转的老办法。我调研了解到的情况是，一起案件形成的案卷数量动辄数千册，超过2000册、5000册、8000册、12000册的记录在被不断刷新。然而，在纸质卷宗内查找、搜集、分析、整合证据信息的过程十分缓慢，效率低下，前期的证据获取环节、中期的证据复制环节、后期的证据运用环节亦需要投入大量的司法资源。我以律师身份介入的一起非法吸收公众存款罪案件，虽然涉及案卷仅200册，但在检察机关审查起诉环节快结束时才制作好电子卷宗供律师复制。经了解，主要原因是检察机关的案管部门要优先处理审查批捕案件的纸面卷宗电子化的任务。这种单纯依赖纸面卷宗办案的机制是值得反思的。鉴于该案的主要证据之一是一份《专项审计报告书》、且其中有关结论存在重大疑点，我也多次申请检察机关优先提供该《专项审计报告书》及其依据的原始数据，以便进行全面复核。最终，我勉强拿到了《专项审计报告书》的PDF电子版本，原始数据的提供则遥遥无期。这反映了办案人员依赖纸面材料办案的习惯，并无意识也无能力拥抱海量数据。

以电子证据的视角管窥，人类司法已经进入海量证据的时代。那么，办案人员如何有效运用海量证据办案？简答之，办案人员应当直面海量数据，借助算法（数据）模型，开展“机器+人工两步法”的办案理念与技能转变。本书第四章“智能化证据审查”对此有着集中论述。在此结合当下实践中如火如荼的四种探索进行补充。

探索之一是金析为证。它指的是根据案件侦查、调查工作的需要，侦查、监察机关依法对涉案资金数据进行梳理分析，对资金交易的进出账户、金额大小、交易时间、对手信息的关联性和共同性进行梳理，确定账户之间的关系和资金去向，对违法犯罪事实进行分析研判形成的专门报告。其对应的是“鉴计为证”，既包括办案部门委托电子数据司法鉴定机构对涉案单位的后台服务器数据开展鉴定形成的专门鉴定意见书，也包括办案部门委托会计师事务所对涉案单位的纸面或电子会计、审计资料等实施会计审计活动形成的专门分析报告。两相比较，“金析为证”同“鉴计为证”具有天然的承袭关系，但显然前者具有后发优势：其一，“金析为证”指向的是案件中实际发生的涉案金额，“鉴计为证”指向的是案件中记账形成的涉案金额。简言之，前者可归入实际金额，后者可归入账面金额。其二，“金析为证”建立在难以消失的电子数据的基础上，“鉴计为证”往往依据的是容易消失的电子数据。换言之，前者可产生“永不消逝”的证据，后者随着“时过境迁”而难以查证。其三，“金析为证”的结果是法庭易于核对真伪的，“鉴计为证”的结果则在庭上难以核对。这涉及大数据时代新型材料用作证据的一个关键性问题，即相关专业判断是否可得到法庭检验。可见，当下办案机关不能对“金析为证”抱持畏惧感而予以排斥。

这就需要办案机关积极拓展源自商业银行、外汇管理机构及第三方支付机构等资金数据，研发和使用甄别关于追溯资金来源、追查资金去向、理清交易结构的各种数据算法模型，在机器快速得出针对指定账户及其在一定范围内的对手交易账户的资金穿透结果的基础上，进行人工核验并出具专业报告。如在前述王××等组织、领导传销活动罪一案中，办案人员要摒弃披着“金析为证”之皮的不合格“鉴计为证”，重新调取合格的资金数据进行清洗，导入金析为证平台进行专业的检验分析，得出经得起历史经验的非法所得数据。

探索之二是轨迹为证。大数据背后的轨迹分析，通常是指通过对目标对象的位置数据或轨迹数据进行穿透分析，得出其某一时刻或某一时段的活动经历，进而查明其所在位置或活动轨迹。它一直被用作犯罪侦查的线索，现如今面临着继续证据化的问题。

轨迹为证的分析对象是各种位置数据或轨迹数据。位置数据主要指依据定位功能所得的地理位置数据或基站数据；轨迹数据源于某一时段内位置数据的时序排列，主要包括行车/乘车轨迹、飞行轨迹、住宿轨迹、手机轨迹、网络行为轨迹等。[39]轨迹为证的分析方法可以是基于大数据观念的简单分析，如办案人员解析相关电子证据中位置信息进行节点还原，也可以是基于大数据平台的专门分析，如办案人员通过分析RFID轨迹、公安局RFID大数据系统、RFID大数据应用登记系统轨迹分析、大数据轨迹查询单、大数据智能交通综合应用平台车辆轨迹信息等还原轨迹。轨迹为证应当成为办案人员掌握海量证据的新技能。

例如，在本书第十章“造股坊”“油财宝”虚假理财网站诈骗罪一案[40]中，该案系犯罪嫌疑人境外作案、境内抓获，办案人员通过调查嫌疑人在境内使用的手机号码所出现的重要基站位置，锁定了每名犯罪嫌疑人的身份，搭建了犯罪嫌疑人出境前行为轨迹的证据链条。又如，在本书第十章厉××诈骗罪一案[41]中，为甄别被告人是否冒充了某一个虚拟的身份骗取财物，办案人员可以根据向腾讯公司调取的厉××微信号登录日志，揭示案发期间该微信号登录日志显示的轨迹是否同被告人实际位置相一致，揭示案发之后该微信号登录日志显示的轨迹是否同被告人被羁押的事实相矛盾。

探索之三是关系为证。大数据能够反映各种社会关系。办案人员可以在收集和分析社交媒体数据的基础上，运用社交网络分析的方法，调查目标对象的社会关系网络或结构图，从而获得犯罪活动中相关主体的线索。我经调研发现，纪委监委在反腐败中较多使用刻画特定关系人等方法实现案件突破，公安机关在共同犯罪案件查处中也较多使用刻画共同关系来进行案件锁定。这也需要采取一些特殊算法模型，如特殊时段刻画、异常时长刻画、敏感时间刻画以及伴随关系刻画等。从理论上讲，关系刻画可以形成新的证据，这有待于实践突破，更有待于经验累积。

如在本书第十、十一章崔×诈骗罪一案[42]中，一审法院根据口供等言词证据认定涉案平台公司董事长崔×是组织平台女会员诈骗的第一主犯。到二审阶段，辩护律师通过对被告人崔×及房×、田××（系公司高管）同各个女主播的通讯数据进行分析，发现房×、田××背着成立了另一家公司而组织女会员牟利。这就不能将共犯夸大化打击到董事长崔×身上。二审法院改判崔×系组织平台女会员诈骗的从犯。此案的辩护效果取得，昭示了将“关系为证”变为现实的必要性。

探索之四是规律为证。一个个具体数据聚合到一定规模之后，可以通过数据反映背后的规律，这些规律就能够用于还原案件事实。其中，起到证明作用的就是海量数据凝练而成的规律性认识——具体呈现为专业分析报告。这是大数据用作证据的特色及魅力所在。然而，规律能否为证，是一个尚无定论的理论问题。这一问题在大数据时代尤为突出。

如在一起涉税案件中，办案人员调取了涉案的全量资金数据——资金流水数据上亿条、账户数达上万个，聘请技术专家“建立了资金特征分析模型……在很短时间内完成可疑资金网络的刻画，利用关系可视化技术清晰展现可疑资金的来源和去向，并且自动标注账号和主体的类别标签”。[43]这样的分析报告类似于鉴定人或其他专家的意见，但也与之有明显不同，其专业化程度已经超越人类的专家。准确地说，其是借助于机器算法形成的判断。

叁、透视内生“证据结构”

“大证据思维”之要义，三在于立足于证据“结构化”，即更加关注内生的“证据结构”。

美国证据法大师麦考密克的名言是：“一块砖并不等于一堵墙”。[44]展开来说，法官判断一项或一组特定的证据是否与案件相关联是一个问题，而一方当事人出示的证据整体是否已充足地展示于陪审团面前是另一个问题，判断这两个问题的标准是不同的，前者的判断标准不如后者严格。他点出了孤立地看待证据与体系性地看待证据的区别。这是证据法领域的结构思维。

所谓结构思维，就是用系统、结构、要素、层次的观点，将纷繁复杂的事物视为一个整体，强调从系统的结构去认识客观事物，并从中寻找最优结构，以获取最佳系统效能的思维模式和思维方法。[45]它是从结构的视角分析事物的一种科学思维方式，在司法证明领域有着根深蒂固的地位。办案人员以结构思维处理案件，主要是要搭建不同类型的证据组合、证据体系或证据结构。这三个词语大同小异，均反映了“孤证不能定案”的道理。以证据组合为例进行阐释，它“不是简单的拼接、堆积，而是将部分组合成整体，将元素组合为系统，将个体组合为组织”，包括“组织成为整体和整合内在关系”。[46]传统上，证据组合是由办案人员靠逻辑论证搭建的。一般来说，关于同一案件事实出现了多份证据，如人证、物证、书证以及带有混合特点的电子证据，它们指向一致、可以印证且不存在不能排除的矛盾，就可能被搭建为证据组合。这在整体上是一种外在性结构。

电子证据出现后充实了司法证明中的结构思维，催生了形形色色的新证据组合、证据体系或证据结构。它们既是理论创新的机会，也是实践突破的契机。

新证据组合之一是电子证据“内容——属性——痕迹”的三位一体。电子证据是寓存于信息空间的证据。任何行为人均不能直接闯入信息空间形成证据，而必须是由软件、硬件等构成的机器形成证据。这就形成了电子证据“内容——属性——痕迹”的内在构造。在这里，电子证据“内容”指的是可在电脑屏幕上便宜显示、可打印成文稿的部分，如WORD文档中以十六进制显示时的中间部分；电子证据“属性”指的是通过文档属性方式展示的时间、时长、作者、软件名称、版本号、大小等通用属性，有时也包括特定类型文档的专用属性，如JPG文件的光圈值、曝光时间、ISO速度、焦距、最大光圈、测光模式等EXIF信息，主要表现为以十六进制显示时的头尾部分；电子证据“痕迹”既包括信息系统产生的各种痕迹文件，如WINDOWS日志文件，也包括电子证据映射到不同信息系统层级的痕迹特征，如打印材料、上网材料等。在依靠电子证据定案的案件中，电子证据必须“三位一体”才能有效发挥证明作用。

如在本书第一、三、六、十三章黎×侵犯商业秘密罪一案[47]中，主要争议问题之一是涉案的××.xls文件是否为事后伪造移植进电脑中去的。在这种情况下进行专业判断，办案人员可以分析该××.xls文件的内容信息（包括几十万客户名单等“商业秘密”内容）是否为被告人所获取或掌握，是否为被害人或其他人知晓。仅此是不够的，办案人员还需要厘清该××.xls文件的属性信息，包括常规“属性信息”项下的“创建时间”“最后修改时间”“最后访问时间”、“详细信息”项下的“创建内容的时间”“最后一次保存的日期”“最后一次打印的时间”“总编辑时间”；办案人员也需要厘清该××.xls文件的痕迹信息，包括系统文件、系统日志、用户历史记录、临时日志文件、聊天日志、会话日志、应用程序日志、用户身份验证日志、数据库日志、cookie等。在该案中，最具有突破价值的电子证据是名为$J的日志痕迹，它能够直观显示该××.xls文件系在2019年1月30日后被人将电脑时钟改为2015年8月6日再植入的。但显而易见的是，该案中发挥证明作用的是关于该××.xls文件的内容、属性、痕迹等信息的整体架构。

新证据组合之二是“鉴——数（介）——取”三位一体。电子证据是需要借助技术转化才能读取的证据，且日益呈现出庞大体量的特征，这就使得办案人员通常不能直接查看电子证据或其介质来认定案件事实。实践中，电子证据（简称为“数（介）”）需要转化为鉴定意见（简称为“鉴”），如以“寻找涉案的电子证据”为鉴定请求，转由专家形成鉴定意见书。这就形成了初步的“鉴——数（介）”架构。同时，用作鉴定检材的电子证据缘何得来，办案人员需要形成现场勘验笔录、远程勘验笔录、网络在线提取笔录等法律文书（简称为“取”），以文字笔录+录音录像笔录+附件光盘等形式加以佐证。这也形成了初步的“数（介）——取”架构。它们组合在一起，就形成了完美的“鉴——数（介）——取”三位一体架构。它是一种完美的、内生的证据组合。

如在前述××公司、杨××等提供侵入、非法控制计算机信息系统程序、工具罪一案中，证明案件主要事实——被告人开发提供的涉案软件属于侵入、非法控制计算机信息系统程序、工具的证据是一份鉴定意见书，其意见表述为“送检程序具有侵入功能、属于侵入程序的鉴定报告”。如何审查该鉴定意见是否有效呢？办案人员不能就“鉴”论“鉴”，必须厘清其鉴定使用的检材。这就找到了源自嫌疑人周×杰电脑硬盘的源代码文件，以及源自证人功能机中手机文件、源自侦查机关开展侦查实验形成的侦查实验文件、源自被害人公司提供的一种特殊的压缩文档。这各类电子文件被刻制在不同光盘中，而判断这各类电子文件及光盘是如何得来的，办案人员还要制作电子证据清单、侦查实验笔录等。经过如此梳理之后，本案很快得出鉴定意见不可靠的基本判断。这一判断的得出，办案人员没有什么火眼金星，诀窍在于“鉴——数（介）——取”三位一体的思维。

新证据组合之三是证据多版本、连续体的体系审查。电子证据朝向巨量化转型后，多版本、连续体现象伴随而至。电子证据的多版本指的是电子证据及其关联证据以多个版本呈现，如电子证据的原始文件与镜像文件、原始数据与备份数据、初级数据与次生数据等，又如电子证据的勘验检查笔录、司法鉴定意见书的延续份数等；电子证据的连续体指的是电子证据及其关联证据以连续形式呈现，如WORD文档在生成过程中形成的单一文件、压缩文档、发送邮件、转发邮件及归档文件等，又如关于电子证据的勘验检查笔录、扣押清单、鉴定委托协议、鉴定意见书、鉴定告知书等。它们分别构成了电子证据生命周期中的横向结构与纵向结构，为开展电子证据的比对式审查奠定了天然的基础。

如在前述董××等侵犯公民个人信息罪一案中，侦查机关两次提取了被害人公司提供的两份数据库文件，并送交同一鉴定机构进行了四次鉴定。这就形成了电子证据多版本与连续体。前者既包括公（网安）勘【2019】040101号、【2019】050601号现场勘验检查笔录，也包括京××【2019】声像鉴字第339号、第360号、第376号（旧）、第376号（新）《司法鉴定意见书》；后者主要包括侦查机关制作的工作说明、事主提供的数据材料、勘验检查笔录、司法鉴定意见书、询问笔录等。我按照两次勘验和四次鉴定的时间节点，进行比对式统计，就发现了现场勘查及鉴定过程中的虚假及违法问题。

新证据组合之四是不同空间、不同节点的连属证据簇。电子证据主要是信息空间的证据，它在案发过程与办案过程中均涉及物理空间。这就出现了信息空间的电子证据与物理空间的关联证据相组合的现象，相当于人体不同组成部分形成连属关系。一般来说，只要它们在内容上一致、且所处空间分立，就构成位于不同空间的连属证据簇。电子证据还普遍存在着在多个信息系统、多个网络节点并存的现象，更类似于人体不同组成部分形成的连属关系。同样，只要操作系统与应用文件系统的数据系同一机器行为产生的，只要不同网络系统的数据系同一网络交互行为产生的，即构成位于不同节点的连属证据簇。

例如，在本书第八、九章吴××组织、领导传销活动罪一案[48]中，指控的关键证据是声称由××电子数据司法鉴定中心的鉴定人通过远程方式提取的美国服务器中数据，鉴定意见书表明鉴定人启动电子物证检验工作站、同步启动录像、打开涉案的服务器网址、输入账号密码、进行数据下载。这就出现了数据下载行为、数据固定行为与录像行为的连属关系，该鉴定行为形成的下载数据与录像文件构成连属证据簇。经过两个空间的连属审查，比较容易发现虚假鉴定的各种疑点。又如，在本书第九章甲公司与乙公司、丙公司买卖纠纷一案[49]中，涉案的重要证据就是一封声称源自丙公司员工的担保邮件，该邮件的真实性在庭上产生了激烈争议。该邮件的异常点包括印章印文存在套印的可能、附件图片的EXIF信息不完整、附件转发存在着替换的可能等。在这种情况下，办案人员应当另外搜索收发邮件使用的另一端电脑、两端服务器及可能转发邮件的电脑，找到对应的邮件版本构成一个连属关系，进行发送过程的完整审查。

新证据组合之五是不同角度的证据链。证据链是关于间接证据定案的基本理论。《最高人民法院关于适用〈中华人民共和国刑事诉讼法〉的解释》第140条规定，间接证据必须符合“全案证据形成完整的证据链”的条件，才可以认定被告人有罪。这里说的证据链，是非常形象的说法，即用不同间接证据搭建而成的链条闭环。电子证据虽然不全是间接证据，但它在搭建证据链方面具有天然优势。本书第十章阐述了电子证据在搭建证据链方面具有独特的优势。这突出表现为它可以自然或人为地形成多维度证据链，继而推动形成专门的链条式审查之初高阶技巧。

初阶技巧包括基于不同阶段与同一主体的证据链条搭建。如本书第十章郭××等29人诈骗罪一案[50]发生在境外，办案人员既按照诈骗的主要步骤——“电脑手推送语音包”“一线冒充香港入境处工作人员”“二线冒充公安机关工作人员”“三线冒充检察官”，梳理出各步骤的“语音包”“通话记录”“户籍信息、通缉令、起诉书、网站登录痕迹”“假冒的最高检网站、Skype聊天记录”等，又按照不同被害人将被害人身份信息、转账记录、被害人陈述、聊天记录等电子证据组成链条。高阶技巧包括基于手段挖掘、关系刻画、身份识别、轨迹确定与时地框定的证据链条搭建。如在崔×诈骗罪、廖××等诈骗罪、李××诈骗罪等案中，办案人员通过关键词搜索搭建“行为链/手段链”，通过通讯数据分析搭建“关系链”，通过手机服务上查询搭建“轨迹链”，通过手机登录日志搭建“时地关系”……这些证据链的复杂多样，契合电子证据内在成链的天然特点。

以上各种内生的证据结构，事实上构成极富想象力的电子证据大体系。这远超传统证据的体系。办案人员开展电子证据审查，应当循此方向的导引。

肆、铺开类人“证明模型”

“大证据思维”之特征，四在于以类人化思维模型分析证据，即类人“证明模型”。

办案人员是如何认识案件的？一般来说，这一群体有着独特的思维方式。柯南道尔在《福尔摩斯探案集》中借福尔摩斯之口说过：“对一个逻辑学家而言，整个生活就像是一条巨大的链条，只要见到其中的一环，整个链条的情况就可推想出来了。”[51]这是以形式逻辑的视角评析办案人员的思维魅力。影响更广的说法是“魔法水晶球”之喻。拉·别尔金说过：“侦查员的‘魔法水晶球’……有许多晶面，透过它们，侦查员可以看到案情的‘烟雾弥漫的远方’。一个晶面是技术武库，另一个晶面是逻辑学，第三个晶面是心理学的各种原则，尤其是犯罪心理学”[52]这说明办案人员要融技术知识、逻辑知识与心理知识于思维活动中。人们常说“办案人员是知识的杂家”，讲的就是知识融合的重要性。

在海量数据的当下，办案人员如何利用机器的智慧面对海量数据？这就需要将人力办案经验机器化、智能化，即教会机器像办案人员一样思考。而这里的诀窍在于铺开类人的“证明模型”。所谓证明模型，在这里可以理解为将办案人员司法证明方法抽象化得出的框架。其中很大一部分是可以数据化、智能化实现的。它是办案智能化的重要钥匙。可以说，随着各种办案知识的模型化乃至智能化，辅助办案工具所产生的新质生产力就像从地底下源源不断地冒出来一样。这一过程正在并将持续不断地发生。

类人“证明模型”的大类之一是数据碰撞类模型。数据碰撞指的是从不同数据库中选取一种或几种数据为标识数据进行碰撞比对，从而发现批量案件存在的监督线索。数据碰撞类模型是将两个或以上数据集进行自动比对分析，发现其中的异同之处，以此证明案件事实的数据模型。它是办案人员比对审查的大规模化、机器化。当下常用软件中Word软件可以自动比较两个文档的异同，Excel软件可以比较和核对不同列或不同工作表中的数据，一些专业级的数据碰撞软件或平台能够实现跨域数据的横向联接、纵向筛选。这就为个案中选择数据碰撞类模型高效率地进行证据审查奠定了基础。

如在前述吴××组织、领导传销活动罪一案中，最重要的指控证据是一份鉴定意见书，判断涉案平台发展会员达62818人、构成推广层级46级。为了甄别这一专业判断是否对应法律规定的“30人、三级”的入罪门槛，辩护律师团队将涉案数据库中会员登录IP地址（包括用户注册IP地址、最后登录IP地址）进行了数据碰撞分析，得出结论是最后一次登录IP仅有116个、下过单的用户共计60个IP地址，并可以结合ID号进行多维排重，在此基础上进一步证明鉴定意见书中的“推广层级46级”不等同于返润层级。这里使用的数据碰撞分析方法，抽象出来就是数据碰撞类模型。

类人“证明模型”的大类之二是数据画像类模型。数据画像指的是从办理个案中发现规律性问题，通过归纳案件的异常特征、要素等情况进行深入分析，构建可监督案件的形象。数据画像类模型是将多个数据集按照多维度进行自动分析，构建行为人或行为的特征形象，以此证明案件事实的数据模型。数据画像在商业推广中影响广泛，大数据杀熟是一个典型例子。数据画像在司法办案中的运用，一般认为源起于职务犯罪查处中对不法官员的数据画像，通常涉及到刻画身份信息、家庭情况、工作履历、社会关系、活动轨迹、资产情况及其他异常情况等。现如今数据画像已经蔓延到司法办案的各种场景以及具体角落。可以说，凡是需要了解当事人或其他诉讼参与人同案件事实关系的，数据画像就有良好的用武之地。

如在本书第十一章陈×开设赌场罪一案[53]中，争议重点是当地是否抢夺管辖权进行“远洋捕捞”。为此，辩方需要刻画当地会员注册成为平台会员及运用平台的情况。这可以按照当地IP地址、手机号进行过滤，对命中的会员按照平台记录进行数据刻画。结果发现，包括接受报案的警察在内的几十名警察均是所谓涉赌平台的注册会员，均有使用平台的行为；而两名报案人报案所述信息同其平台记录不一致，同接受报案的警察的平台记录一致……这一发现可以被理解为对当地会员的一次数据画像，抽象乃成数据画像类模型。

类人“证明模型”的大类之三是数据挖掘类模型。数据挖掘指的是面对海量数据，按照一定的条件，利用算法挖掘出几条指向犯罪的直接数据。数据挖掘类模型是将一个数据集进行自动显微分析，挖掘出一条或多条指向犯罪的隐蔽证据，以此证明案件事实的数据模型。大数据就是一个数据海洋，挖掘就是淘宝。这需要将办案人员的火眼金星交给数据模型去实现。一般来说，办案人员根据发现的特定证据特征来识别异常情形，数据模型则需要结合这些经验来优化分析逻辑。最彻底的数据挖掘一般认为是在十六进制层面寻找犯罪留下的同犯罪有关的、字节意义上的“微量证据”。

如在本书第六章DDos攻击犯罪一案[54]中，嫌疑人对涉案硬盘（虚拟机）进行了数据处理。为了找到嫌疑人开展DDos攻击留下的蛛丝马迹，办案人员对嫌疑人的虚拟机数据进行了十六进制下的底层数据挖掘，找到其同被害单位服务器进行数据交互的痕迹信息、运行VPN的痕迹信息、敲诈被害单位的数据碎片。本案成功突破的背后经验是十六进制下关键词的查找。这可以发展成为一系列数据挖掘类模型。

类人“证明模型”的大类之四是数据穿透类模型。数据穿透指的是穿透案件合法表面，深入审查关联案件背后的异常问题。数据穿透模型是对不特定数据集进行自动穿透分析，洞穿表面的案件事实，解释内在的资金关系、股权关系、社交媒体关系、物流规律、位置规律、通讯规律等，以此证明案件事实的数据模型。相比于前述各种数据模型而言，数据穿透类模型更需要大模型思维。

如在冯×等非法吸收公众存款罪一案中，审计报告做出的判断是涉案平台非法吸收公众存款145亿元，其中重复投资金额22.1亿元。为了核实这一判断是否准确，辩护律师团队申请拷贝了会计师事务所做出审计报告所使用的检材数据，结果发现会计师事务所实际上是根据平台后台数据中既带的注资表格做出的鉴定，既缺少起码的提取笔录，也缺少必要的鉴真去伪步骤。特别明显的错误是，会计事务所将巨额投资重复计算超过几十亿元，将已归还资金漏算十几亿元。在此基础上，辩护律师团队要寻求专业力量的支撑，穿透后台数据，以客观发生的资金流水作出真实非法吸金数量的判断。

以上数据模型在司法证明中的引入，给法律共同体创新证据法原理提出了时代要求。创新任务包括如何认可新证据样态、证明模型定位、举证质证方法以及数据模型支撑下的综合认定理论等。

伍、追求高超“智能办案”

“大证据思维”之要义，五在于奔向“智能化”证据审查。

加拿大著名冰球运动员韦恩·格雷茨基说过一句意味深长的话：“奔往冰球所向，而非冰球所在”。这已然成为当今人们思考大数据智能驱动社会改变的名言警句。电子证据审查的“冰球所向”为何？这就是以内生“证据结构”+类人“证明模型”为依托的高超“智能办案”。

这一审查方式的转变不仅是解放办案人员的双手、双脚，更是解放办案人员的大脑。这形成的不是人工办案，而是高超的智能办案；不是完全基于人类智慧的办案，而是带有人工智能色彩的办案。诚然，以机器完全替代法官、检察官、警察、律师或鉴定人还是比较遥远的事情（不排除在互联网法院审理简单案件时会出现极小众的司法人工智能），机器人法官、检察官、警察、律师或鉴定人也不可能马上实现（因为司法办案存在着价值考量等复杂挑战）。但无论如何，走向高超“智能办案”，是电子证据审查工作中的一种追求。这就需要期待科技创新源源不断地推出智能化审查产品的同时，办案人员自力更生进行配套加持。

加持之一是辅以专门的技战法。当前实践中，电子证据审查可以采取时间段过滤、时间戳验证、伴随线串并、关键词检索、字典库检索、高频度提炼等技战法。它们的共性在于通过技术手段极大地提高电子证据初审的效率，以及缩短人工审查的投入时间。这就在坚持办案人员审查电子证据本体的基础上，走上了智能化的道路。它对电子证据审查的提速，虽非百分之百地替代办案人员的人力付出，但也产生了明显的效果。在海量资金分析、通讯数据穿透等探索中，更展示出不可或缺的显著改进效果。

如在本书第四章谢××等诈骗罪一案[55]中，指控证据很多是从扣押的电脑手机中不规范提取的电子证据。辩护律师团队以取证过程的时间同所提取数据的时间进行匹配，就能精准地甄别出部分在案发过程后形成的，特别是在一二审阶段才出现的电子证据；以涉案WORD文档的时间戳为依据可以自动过滤出异常的WORD文档，以关键词或字典库检索可以清楚梳理涉案企业各个部门是否存在虚构或隐瞒事实的诈骗行为……这是二审补充开庭阶段辩方质证取得突破效果的原因。令人遗憾的是，本案中辩护律师团队对电子证据进行智能化审查的时间太短，未能明确甄别出背后可能存在的配侦公司不当介入案件办理以及引发的证据造假问题。在当前的司法环境下，该案辩护律师团队的证据审查工作仍有自我检讨的空间。

加持之二是总结主要的新实践。我国开展电子证据智能化审查主要成绩体现为形式审查方面，如以校验值核验、时间戳核验、区块链核验、电子签名核验、数字水印核验等方式甄别电子证据是否具有形式真实性。相比而言，我国开展电子证据智能化审查在实质审查方面仍有明显不足，主要表现为办案人员缺乏进行简单文本搜索、复杂文本分析的意识和能力。因此，实质审查方面的不足是改进的重点，其突破口在于深入结构分析和丰富模型建设。不仅如此，我国的智能化证据审查新实践还可以按照办案人、平台等不同实施者进行类型化总结。

如在前述王××等组织、领导传销活动罪一案中，关键性的证据之一是电子数据鉴定的检材。办案人员要想快速核对，方法之一是计算各个检材的校验值并自动同相关文书进行匹配，方法之二是提取各个检材校验值的时间信息并自动同相关文书进行匹配，方法之三是提取操作系统的开关机记录信息并自动同相关取证活动进行比对……这样能够很快确定涉案硬盘被违规扣押造成数据污染的事实。这些方法可以不断地提升为智能化的水平。

综上可见，在大数据智能的新时代，办案人员开展电子证据审查，应当从理念、数量、结构、模型、智能等方面进行全面重塑。对此，我尝试着提出一份关于电子证据有效审查的学术主张：“方向导引”囊括实质性审查、聚焦式审查、显微式审查、智能化审查等；“原理推新”覆盖还原式审查、映射性审查、比对式审查、体系式审查、连属式审查、链条式审查等；“制度依托”涉及勘验式审查、实验式审查、鉴定式审查、辅助式审查、排非性审查等。这幅专业图景如何，有待法律共同体的品评指正。

未来已来，大证据思维必将孵化一种全新的办案方式！

[1]何家弘主编：《电子证据法研究》，“前言部分”第4页，法律出版社2002年版。

[2]樊崇义、李思远：《论电子证据时代的到来》，载《苏州大学学报》（哲学社会科学版）2016年第2期，第106页。

[3]大数据元年通常被认为是2013年，标志着全球正式步入了大数据时代。自此，大数据技术被认为是其他新型信息技术的基石，宣告了大数据在各个领域的重要性。

[4]Evidence is the basis of justice. (Bentham, Rationale of Judicial Evidence, Part III, Chapter 1)

[5]【美】本杰明·卡多佐著：《司法过程的性质》，苏力译，商务印书馆1998年版，第80页。

[6]【前苏】安·杨·维辛斯基：《苏维埃法律上的诉讼证据理论》，法律出版社1950年版，第78页。

[7]Actions speak louder than words.

[8]参见「日〕松尾浩也：《日本刑事诉讼法》下卷，中国人民大学出版社2005年版，第4页；亦可参见〔日〕土本武司：《日本刑事诉讼法要义》，董瑙典、宋英辉译,台湾五南图书出版公司1994年版，第310-311页。转引自陈光中、郑曦：《论刑事诉讼中的证据裁判原则——兼谈<刑事诉讼法>修改中的若干问题》，载《法学》2011年第9期，第7页。

[9] “Article 317  Facts are established on the basis of evidence”. See Code of Criminal Procedure of Japan, Law number: Act No. 131 of 1948, Law number: Amendment of Act No. 74 of 2011, http://www.japaneselawtranslation.go.jp/law/detail/?id=3364&vm=02&re=02.

[10] “Article 307 (No Evidence No Trial Principle)  (1)    Fact finding shall be based on evidence.” See 

CRIMINAL PROCEDURE ACT of South Korea, https://elaw.klri.re.kr/eng_service/lawView.do?hseq=52939&lang=ENG.

[11]台湾地区五南法学研究中心编辑：《简易小六法》，五南图书出版股份有限公司2011年版，第7-26页。

[12]这一方面的主要法律条文包括：（1）《人民检察院刑事诉讼规则》第61条：“人民检察院认定案件事实，应当以证据为根据。”（2）《最高人民法院关于适用<中华人民共和国刑事诉讼法>的解释》第69条：“认定案件事实，必须以证据为根据。”（3）《关于办理死刑案件审查判断证据若干问题的规定》第2条：“认定案件事实，必须以证据为根据。”（4）《最高人民法院关于建立健全防范刑事冤假错案工作机制的意见》第235条规定：“坚持证据裁判原则。认定案件事实，必须以证据为根据。应当依照法定程序审查、认定证据。认定被告人有罪，应当适用证据确实、充分的证明标准。”（5）《最高人民法院关于印发“三项规程”（试行）》第1条规定：“法庭应当坚持证据裁判原则。认定案件事实，必须以证据为根据。“

[13]张军主编：《刑事证据规则理解与适用》，法律出版社2010年版，“绪论”部分第7页。

[14]参见程荣斌：《建设口供制度要走法制化道路》，载《中国刑事法杂志》2001年第3期，第13页；崔敏：《三次大规模逼供信的回顾与反思》，载《刑事司法论坛》2010年第1期，第79页。

[15]许身健：《共同犯罪分案审理问题研究》，载《国家检察官学院学报》2022年第1期，第123页。

[16]主导案例8-1、辅助案例15-4。

[17]秦宗文、叶巍：《认罪认罚案件口供补强问题研究》，载《江苏行政学院学报》2019年第2期，第123页。

[18]参见谢登科:《论刑事简易程序中的证明标准》，载《当代法学》2015年第3期，第142－143页。

[19]参见高通:《刑事速裁程序证明标准研究》，载《法学论坛》2017年第2期，第111页。

[20]参见孙远:《论认罪认罚案件的证明标准》，载《法律适用》2016年第11期，第17页。

[21]主导案例15-2、辅助案例4-10。

[22]黄维智：《刑事案件中“情况说明”的适当定位》，载《法学》2007年第7期，第153页。

[23]《刑事诉讼法》第175条规定：“人民检察院审查案件，可以要求公安机关提供法庭审判所必需的证据材料；认为可能存在本法第五十六条规定的以非法方法收集证据情形的，可以要求其对证据收集的合法性作出说明。”

第56条规定：“……收集物证、书证不符合法定程序，可能严重影响司法公正的，应当予以补正或者作出合理解释；不能补正或者作出合理解释的，对该证据应当予以排除。”

[24]《刑事诉讼法》第59条第2款规定：“现有证据材料不能证明证据收集的合法性的，人民检察院可以提请人民法院通知有关侦查人员或者其他人员出庭说明情况；人民法院可以通知有关侦查人员或者其他人员出庭说明情况。有关侦查人员或者其他人员也可以要求出庭说明情况。经人民法院通知，有关人员应当出庭。”

[25] Calling a tail a leg doesn’t make it one.

[26]这是笔者2021年10月16日在北京市周泰律师事务所研究院成立暨《网络犯罪与电子数据研讨会》上的发言观点。

[27]主导案例1-1、15-1；辅助案例6-1、8-1、11-1。

[28]邵俊武：《论专门性问题的诉讼证明》，载《现代法学》2000年第6期，第98页。

[29]李学军：《诉讼中专门性问题的解决之道——兼论我国鉴定制度和法定证据形式的完善》，载《政法论坛》2020年第6期，第40页。

[30]主导案例4-1、5-1。

[31]如《最高人民法院关于适用〈中华人民共和国刑事诉讼法〉的解释》第139条第1款规定：“对证据的真实性，应当综合全案证据进行审查。”

[32]何邦武：《“综合认定”的应然解读与实践进路》，载《河北法学》2019年第8期，第96-97页。

[33]主导案例7-2。

[34]《人民法院诉讼文书立卷归档办法》第21条。

[35]辅助案例13-5。

[36]李帅：《司法改革视角下法院副卷公开研究》，载《云南社会科学》2018年第5期，第123页。

[37]法院在判决书中的具体论证是：“根据《人民检察院刑事诉讼规则》第三百四十条规定，人民检察院对公安机关移送的案件进行审查后，在人民法院作出生效判决之前，认为需要补充提供证据材料的，可以要求公安机关提供；第四百二十二条规定，在审判过程中，对于需要补充提供法庭审判所必需的证据或者补充侦查的，人民检察院应当自行收集证据和进行侦查，必要时可以要求侦查机关提供协助。故本案中的部分证据系公诉机关要求侦查机关协助侦查取得，可以作为证据使用。本院对该辩护意见不予采纳”。

[38]韩旭：《庭审阶段补充侦查制度合理性省思——以审判中心主义为背景》，载《法商研究》2022年第1期，第71页。

[39]有学者指出，与电子痕迹具有静态、孤立、片段的特点相比，个人在现实生活中通过GPS、手机、市民卡、网络等的使用无形中生成的行动轨迹，即“电子轨迹”是运动和相对完整的。见王羽佳：《“大数据”时代背景下电子轨迹在侦查工作中的应用研究》，载《中国科技信息》2016年第13期，第35页。

[40]辅助案例10-7。

[41]辅助案例10-8。

[42]主导案例10-2、辅助案例11-7。

[43]何家弘等：《大数据侦查给证据法带来的挑战》，载《人民检察》2018年第1期，第54页。

[44] A brick is not a wall. See McCormick on Evidence, P436.

[45]熊建生：《结构思维：当代思想的新范式》，载《江汉论坛》2007年第11期，第65页。

[46]元轶、杨佳瑜：《证明力评判视角下证据组合论问题研究》，载《北京警察学院学报》2022年第3期，第17页。

[47]主导案例3-1、6-1；辅助案例1-9、13-7。

[48]主导案例9-1、辅助案例8-3。

[49]辅助案例9-1。

[50]主导案例10-1。

[51]In the view of a logician, the whole life is just a huge chain. If you see one ring of it, all the things of the whole chain could be supposed.

[52]【前苏】拉·别尔金《刑事侦察学随笔》，李瑞勤译，群众出版社1983年版，第48页。

[53]主导案例11-2。

[54]辅助案例6-3。

[55]主导案例4-2。

（开卷有益，购书参考网址；有学有术，奔向冰球所向）

跳转微信打开

即将发布｜无糖信息《2026网络犯罪趋势研究报告》：人工智能加持下的网络犯罪生态对抗2.0时代（目前已经发布了哦）

无糖信息多年来也是一直耕耘网络犯罪打击治理领域，也是咱们专刊的金牌赞助商，非常欣赏的无糖产品的审美和功能定位，比如知更、大狗、重明等，都是贴近实战的精品。每年一本的网络犯罪趋势研究报告也是必读的经典之作，强烈推荐。

大家顺便了解一下无糖信息知更实战平台：2026合作伙伴巡礼】知更实战平台：用实战铸就网络犯罪侦查尖兵的致胜法宝。

拿到报告，感受到的是专业，是用心。多年如一日深耕才能做到洞察趋势。选一张书里的图大家学习一下。

一书在手，洞悉黑灰产犯罪生态，抽丝剥茧还原证据链条，武装一下头脑，备好弹药向网络犯罪开炮！

跳转微信打开

skill来源是这里我们把查公司这件事，塞进了 OpenClaw 的四次元口袋

https://clawhub.ai/xinshu001/company-search-fengniao

我用的workbuddy装skill，直接对话框里提要求就行。

装完以后，搞定，这个skill内置了公用APIKey，每天200次免费额度，确实挺好

另外，还发现一个很好玩的SKILL，卖饺子的。。。很赛博。。。

「金谷园饺子馆 · SKILL」发布通知

咳，这。。。咱也吃不到啊。

跳转微信打开

此文纯闲扯，下图来自奇安信-2024网络安全技术技能人才职业能力图谱，个人觉得挺好。

浩瀚的知识是学不完的，那每天学到一点点就好。AI替代？如果你真的喜欢研究一门技术，充满好奇心，能感受到专注，那就没什么可怕的。看到一篇文章挺有意思的AI，为什么也需要睡觉？

一个从不停下来整理自己的智能体，不会变得越来越聪明，只会变得越来越混乱。人类大脑在几亿年演化中得出了一个看似笨拙的结论：智能必须有节律。清醒用来感知世界，睡眠用来理解世界。

也许这个快速变化的时代，保持自己的节律就是胜利，不管人还是AI都要学会休息。晚安：）

跳转微信打开

昨天捣鼓想重装一下openclaw，正好3.22版本更新了，结果装完以后UI界面都看不到了。一开始还以为是自己哪配置错了，捣鼓一晚上也没解决。后来发现原来问题出在3.22版本身上，坑太多了。在此提醒，一定不要着急升级！那这一次就研究下怎么彻底删除和降级吧。

一、3.22版本修补

方案一：从旧版本文件包中复制缺失文件

这个方案不需要装任何构建工具，直接从 v2026.3.13的包里把缺失的文件复制过来，重启后，Dashboard 应该就回来了。

cd /tmp
npm pack openclaw@2026.3.13
tar -xzf openclaw-2026.3.13.tgz
cp -r package/dist/control-ui $(npm prefix -g)/lib/node_modules/openclaw/dist/
openclaw gateway restart

方案二：版本降级

鉴于新版本问题很多，最直接的办法是降级，降级不会丢失配置，数据和设置是独立的。

npm install -g openclaw@2026.3.13
openclaw gateway restart

方案三：从源码构建

如果想用最新版，又想自己修：

git clone --depth 1 https://github.com/openclaw/openclaw.git tmp/openclaw-src
cd /tmp/openclaw-src
pnpm install
pnpm ui:build
cp -r /tmp/openclaw-src/dist/control-ui ~/.npm-global/lib/node_modules/openclaw/dist/
openclaw gateway restart

不过这个方案需要本地有 Node.js 环境，执行时间也长一些。

二、卸载方法

两种方式：

• 如果 openclaw 仍已安装，使用简单方式。

• 如果 CLI 已删除但服务仍在运行，使用手动服务移除。

(一)简单方式（CLI 仍已安装）

推荐：使用内置卸载程序：

openclaw uninstall

非交互式（自动化 / npx）：

openclaw uninstall --all --yes --non-interactive
npx -y openclaw uninstall --all --yes --non-interactive

手动步骤（效果相同）：

1. 停止 Gateway 网关服务：

openclaw gateway stop

2. 卸载 Gateway 网关服务（launchd/systemd/schtasks）：

openclaw gateway uninstall

3. 删除状态 + 配置：

rm -rf "${OPENCLAW_STATE_DIR:-$HOME/.openclaw}"

如果将OPENCLAW_CONFIG_PATH 设置为状态目录外的自定义位置，也请删除该文件。

rm -rf ~/.openclaw/workspace

5.移除 CLI 安装（选择你使用的那个）：

npm rm -g openclaw
pnpm remove -g openclaw
bun remove -g openclaw

6. 如果安装了 macOS 应用：

rm -rf /Applications/OpenClaw.app

注意事项：

• 如果使用了配置文件（--profile / OPENCLAW_PROFILE），对每个状态目录重复步骤 3（默认为 ~/.openclaw-<profile>）。

• 在远程模式下，状态目录位于 Gateway 网关主机上，因此也需要在那里运行步骤 1-4。

（二）手动服务移除（CLI 未安装）

如果 Gateway 网关服务持续运行但openclaw缺失，请使用此方法。

macOS（launchd）

默认标签是bot.molt.gateway（或bot.molt.<profile>；旧版 com.openclaw.* 可能仍然存在）：

launchctl bootout gui/$UID/bot.molt.gateway
rm -f ~/Library/LaunchAgents/bot.molt.gateway.plist

如果使用了配置文件，请将标签和 plist 名称替换为 bot.molt.<profile>。如果存在任何旧版 com.openclaw.* plist，请将其移除。

Linux（systemd 用户单元）

默认单元名称是 openclaw-gateway.service（或 openclaw-gateway-<profile>.service）：

systemctl --user disable --now openclaw-gateway.service
rm -f ~/.config/systemd/user/openclaw-gateway.service
systemctl --user daemon-reload

Windows（计划任务）

默认任务名称是 OpenClaw Gateway（或 OpenClaw Gateway (<profile>)）。 任务脚本位于你的状态目录下。

schtasks /Delete /F /TN "OpenClaw Gateway"
Remove-Item -Force "$env:USERPROFILE\.openclaw\gateway.cmd"

如果使用了配置文件，请删除匹配的任务名称和 ~\.openclaw-<profile>\gateway.cmd。

跳转微信打开

当前，安全专业人员正致力于探索一个全新的领域：具有推理、适应和学习能力的智能系统。

赠书活动：截止到3月31日早8：00，在本文下方留言点赞数量最多的两位朋友将获得赠书一本。

红队评估和安全测试的技术与理论正在与人工智能（AI）等新兴技术深度融合。网络安全领域已经不再局限于识别缓冲区溢出或SQL注入漏洞。当前，安全专业人员正致力于探索一个全新的领域：具有推理、适应和学习能力的智能系统。

传统安全工具和技术发生了重大变革。人工智能防御系统能够以毫秒级的速度实现威胁检测与响应，机器学习和生成式人工智能模型可以快速分析大量行为模式，完成原本需要分析师耗时数月才能完成的工作。这场技术革命在推动进步的同时，也带来了新的漏洞和攻击面。

《红队实战指南：AI驱动的渗透测试、红队评估和漏洞挖掘》重点介绍攻击性安全测试领域正在发生的重大变化，为读者提供必要的专业知识。随着各种组织广泛使用人工智能驱动的防护系统，传统的红队评估、渗透测试和漏洞挖掘活动需要进行相应调整。在这一新时代，红队成员必须掌握适应当前技术环境的专业技能，而漏洞赏金猎人也需要优化工具和方法，以应对具备预测和实时响应能力的智能防御系统。

希望每一位读者都能从这本书中找到属于自己的答案：如何在AI与安全的博弈中，既成为规则的挑战者，也成为规则的塑造者。这本书不仅仅是一本技术手册，它更像是一面镜子，映射出我们这个行业的现状与未来。当AI开始具备推理和学习能力时，攻击与防御的边界正在逐渐模糊。而这本书的意义就在于，它为我们提供了重新定义攻击艺术的可能性。

全书聚焦人工智能与安全测试的交叉创新，系统性地介绍了从AI辅助信息收集到漏洞利用开发等前沿技术。通过结合传统安全方法论和新兴技术，本书为读者构建了一幅完整的现代安全测试知识图谱，帮助读者在这一新兴领域开展探索之旅。

欢迎探索道德黑客的未来！

本书适合三类读者阅读：

• 网络安全入门者、计划从事红队评估的网络安全从业人员，以及希望提升专业知识的漏洞挖掘研究人员。

• 希望在红队评估中使用人工智能技术的安全专家

• 正在组建或提升红队评估能力的机构团队。

学习本书需要具备的基础知识包括：网络、操作系统、网络技术的基础知识，以及网络安全的基本概念和专业术语。

• 本文来源：原创，图片来源：原创、AI

• 责任编辑：郑琳琳，部门领导：宁姗

• 发布人：尹文敏

跳转微信打开

真的是突发，上午看到微信官方推出了插件，可以直连openclaw啦。赶紧试一下。配置非常简单，真的是凡事都需要等一等啊。

首先保证openclaw已经安装成功，并配置好模型。（再次提醒注意安全问题，最好在虚拟机安装，我是在windows wsl中装的ubuntu虚拟机跑龙虾）

1）升级微信到最新版，先放出来的是ios 微信8.0.70版本，就能看到设置-插件中出现了ClawBot这个新插件。

2）在安装好openclaw的终端安装插件，在命令行执行

npx -y @tencent-weixin/openclaw-weixin-cli@latest install

安装好后会自动跳出二维码，用微信扫码，然后手机端同意连接就可以连上了。

现在从openclaw的UI界面上看，多了一个agent。应该和以前设置的agent是完全独立的。

确实配置很方便，现在可以在微信里面直接跟OpenClaw对话了，支持语聊、能识图，但不能加入群聊。不管它能干什么，情绪价值先拉满再说。

目前pc端还没有这个插件。安卓版微信更新应该马上就来了，鸿蒙的用户估计还得等等了。。。

跳转微信打开

前天还在研究哪种codingplan适合养龙虾，经过这两天的实测，minimax的codingplan感觉不是很聪明，响应也有点慢，但是比较稳定。实话说智谱的codingplan养龙虾真的有点垃圾，动不动就限流。

查了查glm的官方文档，是这么说的：

GLM Coding Plan 支持 OpenClaw 使用，但采用次级调度与尽力交付策略，Coding Agent 任务享有资源抢占优先权，高负载下 OpenClaw 任务将自动触发包括动态排队、限流等公平使用策略。如您需要更极致的龙虾体验，请购买和使用 龙虾套餐

看来这火爆程度，整的算力资源也吃力了。所以推出了这个龙虾套餐，可以用最新的glm5-turbo模型。

那我们再尝尝龙虾套餐怎么样，可以试试新推出的glm5-turbo养虾。

https://www.bigmodel.cn/claw-plan-team

穷人伤不起，先来一个月的试试看吧。。。配置文档在这里

https://docs.bigmodel.cn/cn/coding-plan/tool/openclaw

买好了先在后台添加新的apikey

然后配置openclaw的模型 

openclaw config

选模型配置

找到Z.AI

注意要选Coding-Plan-CN (GLM Coding Plan CN (open.bigmodel.cn))

然后填入API key，然后选择相应的模型

但是官方龙虾还没法直接选glm5-turbo模型，还得特殊处理一下了。

在已经配置了上一步 Provider 接入后，可以参考下方配置切换到 GLM-5-Turbo 新模型，在~/.openclaw/openclaw.json文件中的 models.providers.zai.models 数组中添加glm-5-turbo模型，在最后一个模型后面添加：注意 JSON 格式数组里面加逗号

{
  "id": "glm-5-turbo",
  "name": "GLM-5-Turbo",
  "reasoning": true,
  "input": [
    "text"
  ],
  "cost": {
    "input": 0,
    "output": 0,
    "cacheRead": 0,
    "cacheWrite": 0
  },
  "contextWindow": 204800,
  "maxTokens": 131072
}

修改默认模型，找到agents.defaults.model.primary

"primary": "zai/glm-5",

修改为

"primary": "zai/glm-5-turbo",

找到agents.defaults.models（大约在第71-76行），添加：

"zai/glm-5-turbo": {}

这样就配置好glm-5-turbo啦。

结论，响应速度挺快的，模型也是做了优化，感觉还挺聪明的，但是有用量限制，总的来说可用。

跳转微信打开

跳转微信打开

跳转微信打开

龙虾OpenClaw爆火，但养个龙虾还真不便宜。养龙虾，首先得准备好大模型作为龙虾的大脑。龙虾OpenClaw的大模型调用是持续的，一次请求会触发多次模型调用，因此实际消耗的请求次数一般会远远多于用户提问次数。龙虾高强度运行一天，能烧掉上亿token，而且就算不使用，只要龙虾在后台运行，也会持续消耗token。OpenClaw复杂任务token消耗惊人，被称为token黑洞。这也让各家都推出了CodingPlan套餐。

OpenClaw的大模型调用是通过Model/auth provider（模型/鉴权提供方）来配置的，同时支持直连各家官方API、走统一网关（OpenAI 兼容）、以及本地自建推理服务。

OpenClaw主要支持的国内大模型官方API有：MiniMax（M2.5）、Moonshot AI（Kimi K2.5）、Volcano Engine（火山/方舟）、BytePlus、Qwen、Z.AI、Qianfan（百度千帆）、Xiaomi、Alibaba Cloud Model Studio（阿里云百炼/通义相关入口）。OpenClaw官方是推荐MiniMax的，今天就调研一下哪家CodingPlan最便宜实惠。

1. 阿里云百炼 Coding Plan

https://common-buy.aliyun.com/coding-plan

费用 :

- Lite : 首月 ¥7.9 ，次月 ¥20，后续 ¥40/月。

- Pro : 首月 ¥39.9 ，次月 ¥100，后续 ¥200/月。

模型 : 聚合型，支持 Qwen2.5-Coder/Max 、Kimi-k2.5、GLM-4.7、MiniMax-M2.5 等。

限速/额度 :

 Lite: 1,200 次请求 / 5小时 （约 9,000 次/周）。

Pro: 6,000 次请求 / 5小时 （约 45,000 次/周）。

几乎涵盖了国内所有顶尖模型，且支持 Qwen 最强版本。 另外，阿里有自己的龙虾CoPaw，据说还挺聪明的。

2. 火山引擎 (方舟) Coding Plan

https://www.volcengine.com/activity/codingplan

费用 :

- Lite : 首月 ¥8.9 ，续费 ¥40/月。

- Pro : 首月 ¥49.9 ，续费 ¥200/月。

模型 : 聚合型，独家支持 Doubao-Seed-Code 、 DeepSeek-V3 ，以及 GLM-4.7、Kimi。

限速/额度 :

Lite套餐，中等强度的开发任务，适合大多数开发者。每5小时最多约 1,200 次请求。每周最多约 9,000 次请求。每订阅月最多约 18,000 次请求。

Pro套餐，复杂项目开发，适合高强度工作的开发者。Lite套餐的5倍用量。每5小时：最多约 6,000 次请求。每周最多约 45,000 次请求。每订阅月最多约 90,000 次请求。

Auto 模式 : 支持智能路由，根据任务难度自动选择模型（如简单任务用 Lite 模型，复杂任务用 DeepSeek/Doubao）。是目前官方明确支持 DeepSeek-V3 的 Coding Plan 之一。 

ps:字节有自己的Arkclaw，似乎也有点优惠

3. 腾讯云 Coding Plan

 https://cloud.tencent.com/act/pro/codingplan

费用 :

- Lite : 首月 ¥7.9 ，续费 ¥40/月。

- Pro : 首月 ¥39.9 ，续费 ¥200/月。

模型 : 聚合型，核心支持 Tencent Hunyuan (混元) ，以及 GLM-5、Kimi、MiniMax。

限速/额度 :

- Lite: 18,000 次请求/月 。

- Pro: 90,000 次请求/月 。

最近好像有活动，首月最优价格但要靠抢。

4. 智谱 AI (GLM) Coding Plan

https://www.bigmodel.cn/glm-coding

费用 :

- 提供Lite 连续包月¥49/月 ，Pro 连续包月149/月 ，Max连续包月469/月。连续包季9折，连续包年7折。

模型 : 专注自家 GLM-4.7 和 GLM-5 。

 限速/额度 :

Lite: ~80 Prompts / 5小时 。Pro: ~400 Prompts / 5小时 。

 智谱直接按“Prompt (用户提问)”估算。官方注明 1 个 User Prompt 可能会触发 15-20 次模型调用。因此 80 Prompts ≈ 1200-1600 次请求，与阿里云 Lite 额度基本持平。

现在智谱也太火了吧，晚上试着订阅，竟然提示套餐今日已售完。。。

5. MiniMax Coding Plan

https://platform.minimaxi.com/subscribe/coding-plan

费用 : 年付制为主。

- Starter: ¥29/月，290/年 (约 ¥24/月)。

- Plus: 49/月，¥490/年 (约 ¥41/月)。

- Max:119/月， ¥1,190/年 (约 ¥99/月)。

模型 : MiniMax-M2.5 (Plus/Max 套餐支持 极速版 )。

限速/额度 :

Starter: 40 Prompts / 5小时 。Plus: 100 Prompts / 5小时 。Max: 300 Prompts / 5小时 。高级套餐提供 "High-speed" 模型，推理速度约为普通版的3倍，适合对延迟敏感的用户。

最后，比较了半天，我感觉都不便宜，穷人养虾伤不起，那毕竟也比龙虾烧掉天价token来的好。。。最终我还是选择了官方推荐的minimax，当入门费了...大家可以扫下面二维码，9折优惠。

👉 立即参与：https://platform.minimaxi.com/subscribe/coding-plan?code=HUQFIj2foz&source=link

大家是咋养虾的呢，欢迎交流

跳转微信打开

微信也可以接入“龙虾”啦，腾讯出品workbuddy来了

龙虾火得一塌糊涂，但原版龙虾的生态真的有点不友好，微信是没有办法接入的。现在微信也可以指挥“龙虾”啦，而且我的体现，workbuddy对权限的控制比较好，使用更放心一点。

下载地址在这里：https://www.codebuddy.cn/work/（小声说。。。这个龙虾是基于codebuddy改的）

安装后登录

然后就找到右上角的用户配置图标，找到【claw设置】

可以看到可接入企业微信、微信、飞书、QQ、钉钉等入口。

然后我们就可以绑定一个正常使用的微信号

跟着提示就可以顺利绑定成功啦。

现在我们从微信里面就可以给workbuddy这个龙虾发指令了。

同时在主机端能看到workbuddy工作的过程。

我试着让它删除主机桌面上一个文件，它会反复确认，最后还告诉我，工作区范围之外的文件，它是没有权限直接删除的。

让它帮忙发条微信，说没法直接帮发消息（这就有点多此一举了其实。。。主要是为了看看workbuddy是不是有微信控制权限），这就不用担心微信聊天记录等隐私数据的安全问题了。当然，也没法直接指挥它群发短信了。

我又给它下了一个复杂点的指令，让他搜集一下今天所有和电子数据取证相关的公众号。暂时，它还不是很聪明,也是我的指令还需要细化完善。

我们再来看看它用的模型，auto模式内置了大模型，同时还可以切换到其他国产大模型，暂时还不能配置自己的大模型。如果有敏感和隐私数据，大家还是要谨慎使用。

还可以通过技能，插件等扩展更复杂高阶的能力

最后看一下价格，个人体验版是免费的，如果想用出花来，估计还是要氪金了。

总结一下，workbuddy可以和微信对接，还是非常方便的。为了保证安全，功能权限受到不少的限制，不过作为工作助手也是够用的。而且本来就是基于codebuddy改的，在程序开发方面有先天的优势。

最后想说，OpenClaw的爆火的现象让人想到去年年初的deepseek。热热闹闹的背后，还是需要使用者有清晰的目标，有驾驭工具的能力。同时，龙虾为代表的超级智能体，安全隐患也不容忽视。大家可以通过华中科技大学网络空间安全学院和武汉金银湖实验室研发的OpenClaw生态安全监测与分析平台(clawsec.tcode.com.cn)，直观的看到OpenClaw的安全漏洞情况。这种情况下腾讯、阿里等厂商推出的类龙虾产品，也算是兼顾安全与实用不错的选择，大家可以发挥创造力试试看啦！

跳转微信打开

前面咱们介绍过一款【工具】介绍一款数据在线提取利器：小C浏览器，受到大家的欢迎。今天，继续推荐这个团队另外一款工具【小D仿真】。除了基础的仿真功能，还有强大的工具箱，工具箱聚集了许多实用便捷的小工具，而且工具箱中的小工具还在不断的增加。

跳转微信打开

以下为Datawhale开源课程《WhaleBot鲸鱼小车》学习笔记。课程内容：https://www.datawhale.cn/learn/summary/268。笔记参考教程地址：https://github.com/datawhalechina/whale-bot

需要的零件终于邮寄到了。3d打印的小车外壳如下：

零件我还认不全，来个全家福。

下面就来到了十分复杂的接线步骤，因为这次采用飞线方案，所以，眼花缭乱的接线，实在是用语言有点难以描述了。组装视频从这里看。

经过一番努力，阶段性成果如下，具体组装教程看B站吧。总之是各种板子灯亮了。。。

下一个task，该烧录主控程序了。

阅读原文

跳转微信打开

继续学习Datawhale开源课程《WhaleBot鲸鱼小车》。课程内容：https://www.datawhale.cn/learn/summary/268。笔记参考教程地址：https://github.com/datawhalechina/whale-bot

esp32主控板选用的是ESP32-S3-N16R8，这是一款高性能型号，专为需要大容量存储和内存的应用设计。本项目ESP32-S3-N16R8板要接功放模块，电源模块，电机驱动模块，语音识别模块（天问）。前面已经把线都接好了，下面该烧录主控程序了。

主控程序集成了以下主要功能：

1. 麦克风阵列录音 (I2S, INMP441)

2. 语音活动检测 (VAD)

3. 百度语音识别 (STT)

4. Coze (扣子) 大模型对话 (LLM)

5. 百度语音合成 (TTS)

6. 麦克纳姆轮全向运动控制 (TB6612) 

7. 串口指令控制 (状态机)

主控程序基于 Arduino IDE 平台进行开发。在程序部署前，需先注册并获取百度语音技术服务 API 及 Coze 大模型对话 API 的访问凭证，随后在主控程序中完成相关参数配置，最后进行程序编译与烧录，实现系统功能部署。

1.Arduino IDE安装与配置

Arduino是一个开源电子原型开发平台，由硬件开发板与软件开发环境两部分组成，主要用于嵌入式系统开发、物联网应用、机器人控制及教学实验等领域。其核心优势在于结构简单、开发门槛低、生态成熟，适合快速原型验证与功能实现。Arduino 官方提供集成开发环境Arduino IDE，功能包括编写程序（基于 C/C++ 简化语法），编译代码，串口调试，程序烧录。

1.1下载安装

从Arduino官网下载IDE软件并安装。（https://www.arduino.cc/en/software/#ide）

1.2库安装

在Arduino中点击左边一栏中的第三个图标，或者在菜单栏中的“工具”中找到“管理库”一栏点击，通过“库管理”对话框中搜索需要手动安装的库。

<string.h><driver/i2s.h><WiFi.h><string.h><HTTPClient.h>这几个库不需要手动安装，但是需要esp32库的版本为3.2.0。

<Base64>（by Densaugeo （建议版本1.3.0）） <ArduinoJson> （建议版本7.4.1）<UrlEncode> （建议版本1.0.1）需要手动检查并安装。

1.3esp32开发板固件库安装

点击Arduino 左侧开发板管理器图标，安装esp32固件库。可选择在线安装和离线安装。这里选择提前下载好固件库文件，离线安装。将下载好的压缩文件解压到对应用户的Arduino器件包目录。以下为Arduino 版本的安装路径： C:\Users\用户名\AppData\Local\Arduino15\packages

重启Arduino IDE，将看到安装好的固件包。

将esp32板通过com口插入电脑usb接口。

2.语音识别与合成api

语音合成与语音识别api使用的是百度短文本在线合成服务与百度短语音识别API官方文档见https://cloud.baidu.com/doc/SPEECH/s/Tl9mh38eu

创建应用好后，记录好API Key和Secret Key。

3.大模型对话api

与大语言模型对话调用的是coze接口https://www.coze.cn/open/docs/developer_guides/coze_api_overview

首先通过coze创建智能体，选择合适的模型，并通过提示词对人设与回复逻辑进行规定。

测试好以后，就可以发布了。随后到api管理-授权-个人访问令牌位置添加新的个人访问令牌。

新的令牌只显示一次，要及时记录好。

4.程序烧录

现在在主程序（https://www.datawhale.cn/activity/518/learn/268/6060）中配置好wifi,百度api,coze api key信息。

// =============================================================
//               PART 1: 用户配置区域 (User Configuration)
// =============================================================
// [WiFi 设置]
// TODO: 请修改为您的 WiFi 名称和密码
const char* ssid     = "12345678";    
const char* password = "12345678"; 
// [百度智能云 API 配置]
// 用于语音识别(STT)和语音合成(TTS)
// 获取地址: https://console.bce.baidu.com/ai/
// TODO: 请填入您的百度 API Key 和 Secret Key
const char* baidu_api_key    = "您的API";       
const char* baidu_secret_key = "您的API"; 
String baidu_access_token = ""; // 自动获取，无需手动填写
// [Coze (扣子) API 配置]
// 用于大模型对话逻辑
// 获取地址: https://www.coze.cn/
// TODO: 请填入您的 Coze PAT Token 和 Bot ID
const String coze_apiKey = "您的API"; 
const String botId       = "您的Bot_ID";        
// [串口设置]
// 与外部模块通信的波特率
#define EXT_SERIAL_BAUD 115200 

点击“工具”菜单，“开发板”设置为ESP32S3 Dev Module，端口根据实际情况选择，PSRAM设置为OPI PSRAM（Octal Peripheral Interface（八线接口））。因为所用的 ESP32-S3开发板搭载的是OPI接口的外部扩展内存，必须匹配正确的驱动方式才能正常识别和使用扩展内存资源。

程序检查没问题以后，点上传箭头按钮进行烧录。

烧录完成后会提示，并在串口监视器中显示已经连接好wifi并等待指令。

阅读原文

跳转微信打开

继续学习Datawhale开源课程《WhaleBot鲸鱼小车》。课程内容：https://www.datawhale.cn/learn/summary/268。笔记参考教程地址：https://github.com/datawhalechina/whale-bot

天问ASRPRO开发板专注离线语音识别/唤醒，回声消除+降噪强；支持自定义指令词、语音播报；适合智能家居、语音控制类快速落地。这里用的是v2.0版。

天问开发板程序烧录需要使用天问BLOCK软件（下载地址：http://twen51.com/new/twen51/index.php），安装后打开小车.hd项目文件

根据购买开发板时所对应的型号在设置中确定编译模式（2M选择2M编译下载，4M选择4M编译下载。），课程提供的天问开发板为4M。

天问BLOCK在每次烧录前需要点击生成模型以完成烧录。如果在设置中进行了语音替换，要在保存时选择另存为（含模型）选项，这样，下一次烧录时才能使用替换的语音。

项目预设的语音识别指令集。指令分为唤醒、安全控制、模式切换 及 运动控制 四大类。

测试以下指令，可以从esp32串口监视器中看到相应的记录。

唤醒调试：“天问51”—回复“我在”

运动调试：“天问51”—“打开运动模式”—“前进”（向前运动一段距离）—“设置为持续运动状态”—“前进”（保持向前运动）—“紧急停止”——“取消紧急停止”（注意：需要先打开运动模式才能设置为持续运动状态，需要先退出紧急停止状态才能进行其他指令）

对话调试：“天问51”—“ 打开对话模式 ”—“开始聊天”...

3.串口屏烧录

烧录的时候天问开发板与串口屏的之间要这样接线：

然后下载烧录软件USART-HMI，下载地址 ：淘晶驰官方下载页

打开串口屏测试程序

程序的作用应该就是屏幕上电显示一副图片。我们替换成自己喜欢的图片（让豆包帮忙做的，分辨率小于等于320x240），然后点工具栏下载，弹出串口下载窗口就可以烧录了。这里波特率可以不用改9600，115200也是可以的。

好啦，我感觉还挺可爱的嘞！

不过还不太满意，希望笑脸能动起来啊。经过一番的折腾，可以笑了：）

对了，这个屏幕是触摸屏，别浪费了触摸功能呀，又继续折腾改成了这样：

折腾完毕，记录一下过程。

先准备好5张可爱的图片，想要的效果：默认时刻，两张图片交替播放（图0 ↔ 图1）；触摸屏幕时，三张表情图片循环播放（图2 → 图3 → 图4）；松开屏幕后，恢复默认两图交替。添加好图片控件，id0-id4。

添加定时器，属性设置为tim=500，en=1（表示500ms 一帧，开启自动运行）

开机代码Program.s

//以下代码只在上电时运行一次,一般用于全局变量定义和上电初始化数据
int sys0=0,sys1=0,sys2=0     //全局变量定义目前仅支持4字节有符号整形(int),不支持其他类型的全局变量声明,如需使用字符串类型可以在页面中使用变量控件来实现
baud=115200//配置波特率
dim=100//配置屏幕背光
recmod=0//串口协议模式:0-字符串指令协议;1-主动解析协议
printh 00 00 00 ff ff ff 88 ff ff ff//输出上电信息到串口
page 0                       //上电刷新第0页

sys0 默认交替状态
sys1 当前模式（0=默认，1=表情）
sys2 表情帧计数

page0前初始化事件

sys0=0
sys1=0
sys2=0
p0.pic=0

tim0定时事件

if(sys1==0)
{
  // 默认两图交替
  if(sys0==0)
  {
    sys0=1
  }
  else
  {
    sys0=0
  }


  p0.pic=sys0
}
else
{
  // 三张表情循环
  p0.pic=2+sys2
  sys2=sys2+1


  if(sys2>=3)
  {
    sys2=0
  }
}

p0(图片)按下事件（sys1=1），弹起事件(sys1=0)

好了，玩的差不多了，终于到了愉快上班的时间了！

阅读原文

跳转微信打开

.4.以下内容为自学习社区Datawhale开源课程Easy-Vibe学习笔记。

以下内容为自学习社区Datawhale开源课程Easy-Vibe学习笔记。课程地址为：https://github.com/datawhalechina/easy-vibe

task4 为原型注入AI能力

上一个学习任务中，我们利用AI IDE搭了一个电商商品图文素材平台，但实际上还只是空壳，这次任务，我们要给原型注入AI能力，让这个原型工具可以具备图文处理生成能力。

1.大模型API接入

AI API接入，本质上是将大模型能力（文本生成、代码生成、图像理解、语音处理等）通过标准化接口嵌入到你的系统架构中。API(应用程序编程接口)Key是请求AI服务的[通行证]它是一串密码字符串，用于身份验证和计费。

API 请求的具体路径，告诉服务器你要访问哪个功能。完整的请求地址通常由"基础 URL + Endpoint路径"构成。例如：

文本生成：基础URL (https://api.service.com) + Endpoint (/v1/chat/completions) = 完整URL https://api.service.com/v1/chat/completions

图像生成：基础URL (https://api.service.com) + Endpoint (/v1/images/generations) = 完整URL  https://api.service.com/v1/images/generations

在本次任务中，准备调用三种大模型的api,分别是DeepSeek (用于文本生成)、Qwen3 VL (用于图像分析)、Seedream (用于图像生成)。Qwen3 VL和Seedream两个API可以串联使用：先用Qwen3 VL分析参考图，理解画面内容；再用Seedream基于分析参考图的提示词内容生成新图片。

API Key 通常有两种存储方式：硬编码在代码中，或通过环境变量（.env 文件）配置。硬编码方式简单直接，但密钥会随代码提交到仓库，存在泄露风险；环境变量方式将密钥与代码分离，更安全，是业界标准做法。

2.接入文本API deepseek

使用deepseek官方（https://www.deepseek.com/）的api接口，用于文本生成。

注：Token 用量计算（deepseek）

token 是模型用来表示自然语言文本的基本单位，也是我们的计费单元，可以直观的理解为“字”或“词”；通常1个中文词语、1个英文单词、1个数字或1个符号计为1个 token。

一般情况下模型中 token 和字数的换算比例大致如下：

1 个英文字符 ≈ 0.3 个 token。

1 个中文字符 ≈ 0.6 个 token。

但因为不同模型的分词不同，所以换算比例也存在差异，每一次实际处理token数量以模型返回为准。

3.接入图像转文字API

Qwen VL (图像分析)   分析：风格、颜色、构图、关键元素

export async function analyzeReferenceImage(imageUrl: string) {
  // 使用 Qwen VL 分析图片
  const prompt = `请分析这张电商商品主图，提取设计元素。按以下JSON格式输出：
  {
    "description": "图片整体描述",
    "style": "设计风格（简约现代、复古经典等）",
    "colors": ["主色调", "辅助色"],
    "layout": "构图方式",
    "keyElements": ["关键设计元素1", "关键设计元素2"],
    "suggestedPrompt": "用于生成类似风格图片的提示词"
  }`


  // Qwen 返回分析结果
  return { style, colors, layout, keyElements, suggestedPrompt }
}

4.接入图像生成API

选择Seedream 4.5生成图像。Seedream是字节跳动最新自主研发的图像生成大模型。该模型相较于4.0实现了全面提升，尤其在编辑一致性（如主体细节与光影色调的保持）、人像美化和小字生成方面体验升级。同时，模型的多图组合能力显著增强，推理能力与画面美学持续优化，能够更精准、更具艺术感地呈现创意。

根据前面识别出来的主图信息组装Prompt  将分析结果 + 商品信息组合，随后Seedream 根据描述生成新的商品主图。     

export async function referenceToImage(referenceImageUrl, product) {
  // Step 1: Qwen 分析参考图
  const analysis = await analyzeReferenceImage(referenceImageUrl)


  // Step 2: 组合分析结果 + 商品信息 → 生成 Prompt
  const prompt = `电商商品主图：${product.name}
参考风格：${analysis.style}
配色方案：${analysis.colors.join('、')}
构图方式：${analysis.layout}
商品特点：${product.sellingPoints}
设计元素：${analysis.keyElements.join('、')}`


  // Step 3: Seedream 根据 Prompt 生成图片
  const result = await generateImage(prompt)
  return { analysis, prompt, imageUrl: result.url }
}

实验商品的原始信息和主图是这样的。经过多次的折腾，终于可以根据上传的图片，文字，根据所需的角度，场景生成商品配图了。任务Task4就到这里啦。

阅读原文

跳转微信打开

以下内容为自学习社区Datawhale开源课程Easy-Vibe学习笔记。

课程地址为：https://github.com/datawhalechina/easy-vibe

 task3 动手做出原型

在前面的任务中，我们初步掌握了vibe coding的流程，做除了简单的小游戏。但如何将AI应用到现实需求的解决上？这次任务目标是做出一个电商商品图文素材平台，提高新商品上架效率。

1.需求分析

（1）明确痛点：找运营聊聊，从模糊的"提高效率"里挖出真正的痛点

（2）挑重点做：一堆问题里先解决最痛的那个，别想着一次性做全

（3）快速验证：用 AI IDE 先做单页面原型，跑通了再扩展成多页面

（4）做出能用的东西：最后交付一个能演示、能操作的电商素材工作台

2.功能模块

经过需求梳理，设计功能模块如下：

功能一：批量生成电商商品图和文案

输入：

商品信息：名字、类别、品牌、材质、尺寸、颜色等

商品图片：白底图或简单场景图

参考图：以前卖得好的商品截图或参考链接

导入方式：Excel 批量导入，或直接在页面上填写

输出（生成的电商素材）：

商品主图：带文字卖点的产品展示图（用户刷到时第一眼看到的图）

商品标题：搜索时能搜到的关键词组合

卖点文案：1-2句吸引买家的话

都是改改就能上架的成品

效果：以前每个商品都要从零开始做图写文案，现在把一批商品丢给系统，生成草稿后挑挑改改就行

功能二：把好用的方案存成模板

输入 一整套 主图 + 标题 + 文案

输出

效果：导入新商品；选择：让系统默认生成，或用我存好的模板；系统自动套用模板风格，输出新的图和文案。

3.10分钟产出原型

前面已经对工具的需求和功能模块进行了较为细致的规划，现在开始原型开发。仍然选择TRAE国内版，solo模式。

（1）优化提示词

可以用大模型帮助，优化逻辑，生成更全面条理的提示词

经过几番反复修改，算是初步搭起来啦。

就到这里，下一个任务，再加上多模态大模型能力。明晚就是除夕夜了，提前祝大家幸福和美，马年大吉大利：）

阅读原文

跳转微信打开