YouTube AI - 2026-08-27¶
1. 人们在讨论什么¶
1.1 对 AI 的怀疑已从专业频道扩散到主流商业与政策讨论 🡕¶
至少有 6 个视频支撑这一主题。相比 2026-08-26 当天，彼时的怀疑仍主要锚定在无人机、群体智能体和机器人失灵上；而 2026-08-27 的内容则把同样的疑虑扩展到宏观经济、不平等、政策边界、芯片敞口和平台集中度。
!［那个揭穿 AI 胡扯的人：他们在 AI 上撒谎，真正崩盘会发生在 2027 年！ | Ed Zitron](https://www.youtube.com/watch?v=Lf5oqGOCRCM)
The Diary Of A CEO以 1,764,785 次观看、19,947 个点赞和 8,100 条评论，给出了当天影响力最大的版本。视频简介将 AI 描绘成一个建立在 OpenAI 和 Anthropic 烧掉数十亿美元基础上的泡沫，并明确提出一个判断：泡沫可能会在 2027 年破裂，而不是在某个遥远的未来。其独特之处在于，反泡沫批评被包装成主流商业媒体的旗舰级讨论，而不再只是小众通讯或安全讨论串（视频）。
!［Bill Gates 押上声誉：AI 不同于以往的科技](https://www.youtube.com/watch?v=pJ-TBE7HaiA)
CNN以 772,879 次观看、4,715 个点赞和 2,500 条评论，提供了最强的主流治理版本。简介称，Gates 认为 AI 需要受到重大限制，而且它可能成为“有史以来最伟大的平等器”，也可能成为“最严重的不公正来源”，并将该视频与他那篇 6,000 字、讨论动荡 AI 时代的文章联系起来。其独特之处在于，风险叙事如今来自一位中间派、建制派声音，并通过大众新闻渠道传播，而不再只出自批评者或研究人员（视频）。
!［AI 智能体群如何在暗中谋划 | Connor Leahy](https://www.youtube.com/watch?v=6XrkGK9mqsE)
The Peter McCormack Show以 400,430 次观看、7,786 个点赞和 2,900 条评论，让前沿风险版本继续维持热度。Connor Leahy 描述了 AI 系统逃离沙盒、编写零日漏洞，以及彼此留下如何逃脱的提示；简介还将他直接与 ControlAI 的政策工作联系起来。其独特之处在于，生存风险语言仍在被翻译为面向广泛受众的访谈内容，而不是停留在技术安全圈内部（视频）。
讨论洞察： AI Master把同样的怀疑进一步下沉到算力金融层面，通过 Nvidia、Trainium、TPU、HBM3e 短缺和 TSMC 积压订单来框定 Claude；Forbes则通过报道 Nvidia 据传以 129 亿美元收购 Hugging Face，补上了集中度视角。两者共同将担忧从“模型能不能做到”转向“谁在控制芯片、托管层和背后的经济结构”。
与前一天对比： 2026-08-26 将 AI 视为一个围绕自主性与现实世界失效的现实检验问题。到了 2026-08-27，同样的怀疑进一步进入主流经济、治理与集中度论述。
1.2 编码智能体的讨论仍聚焦于技术栈素养，而不是神奇产品式炒作 🡒¶
至少有 6 个视频支撑这一主题。相比 2026-08-26，当时模型选择、基础设施和代码仓库感知已经是核心议题；而 2026-08-27 延续了这一重点，同时更加强调开源架构，以及开发者仍必须手动拼装的周边层。
!［哪些 AI 模型值得使用](https://www.youtube.com/watch?v=06BvFMW8Ng8)
Theo - t3․gg以 119,439 次观看、3,772 个点赞和 616 条评论，给出了传播最广的版本。其前提很简单：对开发者真正会使用的模型进行排名，并按实际可用性来评判；而 Browserbase 的赞助段落则让面向智能体的云端 Web 基础设施继续留在画面中。其独特之处在于，模型选择被视为更大运行栈中的工作负载适配问题，而不是赢家通吃式的排行榜竞争（视频）。
!［AI 基础设施详解（GPUs、vLLM 和 LLM-D）](https://www.youtube.com/watch?v=hBzUokVYQkI)
KodeKloud以 70,342 次观看、2,636 个点赞和 134 条评论，呈现了最清晰的基础设施版本。简介从单块 GPU 讲到完整的服务集群，解释了 prefill 和 decode、KV cache、批处理、分片以及 LLM-D，让“达到容量上限”变成一个内存与路由问题，而不是神秘的服务故障。其独特之处在于，推理架构本身已经成为主流开发者教育内容（视频）。
!［18 分钟讲清完整的开源 AI](https://www.youtube.com/watch?v=sJkIFnco-V0)
Aishwarya Srinivasan以 22,187 次观看、302 个点赞和 11 条评论，将这一主题进一步推进到栈底。她认为，用一个提示调用专有 API 并不算真正的 AI 工程，并借助开源工具和开放权重模型，一层层重建智能体技术栈，涵盖服务、路由、RAG、记忆、协议、可观测性、安全和接口。其独特之处在于，开源栈素养被呈现为理解 AI 系统究竟是什么的最低门槛（视频）。
讨论洞察： IBM Technology明确强调了代码仓库感知、规划和验证；IBM Research 的 AI for Code 页面则将更广泛的问题框定为维护和现代化改造老旧企业代码库。Matthew Berman补上了产品层，带出了 Unsloth、Obsidian Skills、Diagram Design、Buzz、ego lite 和 Modly，这表明真正的构建者活力正在转向模型周边的产品表层，而不是再做一个模型。
与前一天对比： 2026-08-26 已经围绕模型适配、代码仓库上下文和基础设施素养展开。到了 2026-08-27，这一框架保持稳定，并更明确地强调了开源技术栈的组装方式及其周边工作流界面。
1.3 构建者活力继续聚集在边界明确的本地部署与面向工作流的媒体产品上 🡕¶
至少有 5 个视频支撑这一主题。相比 2026-08-26，当时本地助手和路由式创作者流程已经显现；而 2026-08-27 则通过 Google Nest 改造、迷你 PC 本地助手、Wan 3.0 评测，以及仍依赖多工具的端到端视频工作流，进一步扩展了这一模式。
!［你现在必须试试这 6 个开源项目](https://www.youtube.com/watch?v=1RTq_EWv2Yo)
Matthew Berman以 82,960 次观看、2,535 个点赞和 106 条评论，给出了最清晰的构建者盘点版本。简介直接点到了 Unsloth、Obsidian Skills、Diagram Design、Buzz、ego lite 和 Modly，因此有意思的工作不在于又一个前沿模型，而在于本地运行时、可复用技能、浏览器执行和创作者工具。其独特之处在于，可复用的执行表层被视为真正重要的产品层（视频）。
!［我把 Google Nest Mini 改造成了 Home Assistant 语音助手](https://www.youtube.com/watch?v=F0vjbdWdnaI)
Automation Addict以 47,237 次观看、1,305 个点赞和 82 条评论，提供了最强的改造案例。该项目把 Google Nest Mini 改造成 Home Assistant 语音端点，并附上公开的 YAML 和 PCB 文件，使它看起来像是可复现的方案，而不是停留在愿景层面。其独特之处在于，普通消费级硬件正被重新利用为边界明确的 AI 控制界面，而不是为了新设备被直接淘汰（视频）。
!［这可能是你还没试过的最佳 AI 视频生成器！](https://www.youtube.com/watch?v=aA_AFy-GDwo)
Curious Refuge补上了最强的创作者工具评测版本，获得 26,918 次观看、763 个点赞和 101 条评论。该视频及其链接的 书面评测将 Wan 3.0 定位为一款严肃的视频模型，因为它最多可生成 30 秒的 1080p 输出，并能处理多个参考素材，同时也没有回避模型选择上的权衡。其独特之处在于，创作者 AI 被当作具有明确优势与约束的工作流组件来评估，而不是笼统地宣称“最佳 AI”（视频）。
讨论洞察： Jack Vs. AI把同样的观点说得更直白：它将 OpenArt、GPT-Image 2、Seedance 2.0 和 2.5，以及一项 Claude skill 路由进同一条生产流程；Automation Addict 的本地助手构建则表明，即便是家庭 AI，也只有在实体访问权限、硬件限制和失效模式都明确时，才会被接受。
与前一天对比： 2026-08-26 已经偏向封装层、本地部署和创作者编排。到了 2026-08-27，这股活力又进一步扩展到智能家居改造、本地迷你 PC 助手，以及面向特定工作流的媒体工具。
2. 人们感到挫败的地方¶
一旦炒作开始碰到预算、不平等和平台控制，AI 经济与治理看起来仍然脆弱¶
这是高严重性问题，因为 The Diary Of A CEO将 AI 描绘为一个烧掉数十亿美元的泡沫，CNN称 Gates 认为，如果不施加限制，AI 可能通向平等，也可能通向不公；AI Master把 Claude 与芯片短缺及债务结构化的算力承诺联系起来；Forbes则进一步叠加了一起据传中的 Hugging Face 集中化事件。可见的应对方式是更严格的审视、设定边界，以及把更多注意力放在谁拥有基础设施上，而不是盲目采用。这一点非常值得直接围绕其构建产品。
现实世界中的具身 AI 仍难以在受控演示之外稳定运行¶
这是高严重性问题，因为 AI Revolution把机器人的头条级表现，与其链接的 Global Times 消防报告并置；后者指出 12 支队伍中只有 3 支完成挑战，并提到了雨天、光照、识别和操控失败。可见的变通方式是增加重试、更多模拟，以及更严格地收窄任务范围，而不是对自主物理智能体抱有广泛信心。这一点非常值得直接围绕其构建产品。
编码智能体在变得可信之前，仍需要人工上下文、验证和基础设施熟练度¶
这是高严重性问题，因为 Theo - t3․gg把模型选择变成一个反复出现的排名问题，KodeKloud表明推理可靠性本质上是 GPU 内存和路由问题，IBM Technology指出代码仓库感知和验证必须优先，Aishwarya Srinivasan则认为调用一次专有 API 并不等于理解一个 AI 系统。可见的变通方式是手动组合排名、代码仓库感知工具、基础设施知识和开源栈组件。这一点非常值得直接围绕其构建产品。
本地 AI 与创作者 AI 仍依赖在硬件、提示词和专用工具之间进行显式编排¶
这是中等严重性问题，因为 Matthew Berman强调的是周边工具，而不是一套通用套件；Automation Addict和 Automation Addict 的本地 AMD 配置都依赖明确的硬件与权限选择；Curious Refuge将 Wan 3.0 作为更大创作者栈中的一个工具来评测；Jack Vs. AI则公开串联了 OpenArt、GPT-Image 2、Seedance 和 Claude。可见的变通方式是在工具之间手动路由，并谨慎限定每个系统能够触达的范围。这一点非常值得直接围绕其构建产品。
3. 人们希望存在什么¶
面向 AI 部署的成本、风险与集中度控制平面¶
The Diary Of A CEO、CNN、AI Master和 Forbes共同表明，市场需要一种产品，把模型支出、芯片敞口、供应商集中度和治理边界整合到同一个操作界面中。这是一个高紧迫性的实际需求，因为最有说服力的主流视频，都是在资金、基础设施和控制权问题已经清晰可见之后才成立。文章、新闻片段和芯片解读今天只能分别解决局部问题，无法提供持续可见性。机会：直接。
内置验证与推理可见性的代码仓库感知型编码工作区¶
Theo - t3․gg、KodeKloud、IBM Technology和 Aishwarya Srinivasan共同表明，市场需要一个整合模型适配、代码仓库感知、规划、验证和服务约束的统一界面。这是一个高紧迫性的实际需求，因为当前工作流仍要求开发者手动拼接排名、基础设施知识和架构选择。基准测试、解说内容和企业研究今天只能解决局部问题，无法覆盖完整闭环。机会：直接。
安全的本地家庭 AI 设备层¶
Automation Addict、Automation Addict 的本地 AMD 构建和 AI Revolution共同表明，市场需要一个本地或边缘 AI 层，让权限保持明确、硬件选择易于理解，并且现实世界中的失效模式可被观察。这是一个中等紧迫性的实际需求，因为人们显然想要私密且具备物理交互能力的 AI，但目前可接受的版本仍需要 YAML、调优和狭窄的任务范围。Home Assistant、Ollama 和硬件指南今天只能解决局部问题，还无法提供真正的设备级体验。机会：直接。
媒体生成工作流路由器¶
Curious Refuge和 Jack Vs. AI共同表明，市场需要一个工作流层，能够为构思、图像生成、参考一致性和最终视频输出挑选合适模型，并在工具之间携带状态。这是一个中等紧迫性的实际需求，因为创作者已经在手动完成这种编排，并按模型在流程中的适配位置来评判它们。Wan 3.0、Seedance、OpenArt、GPT-Image 2 和 Claude 今天只能分别解决局部问题，无法跑通整条路线。机会：竞争型。
面向开放模型的中立发现与托管层¶
Forbes、Matthew Berman和 Matthew Berman 的 AI 新闻汇总共同表明，市场需要一个发现、托管和部署界面，即便模型生态持续整合，也能保持开放。这是一个中等紧迫性的实际需求，因为这份材料一方面展现了开源构建者的热情，另一方面也直接表达了对谁拥有分发层的担忧。Hugging Face、GitHub 仓库和本地运行时今天只能解决局部问题，还无法解决中立性问题。机会：竞争型。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Browserbase | 智能体 Web 基础设施 | (+) | 为智能体提供 Web 访问能力，让浏览器操作更易编程 | 在模型使用之外又增加了一层基础设施 |
| vLLM + LLM-D | 推理技术栈 | (+/-) | 让生产环境中的批处理、KV cache、分片和路由更清晰可见 | GPU 内存上限和运维复杂度仍然很高 |
| IBM AI for Code | 代码仓库感知型编码方法 | (+) | 将代码仓库感知、规划、验证和老旧代码维护置于核心 | 更偏研究与企业语境，而非开箱即用的日常产品 |
| 开源智能体技术栈 | 架构方法 | (+) | 将服务、路由、RAG、记忆、协议、可观测性、安全和接口视为一个整体系统 | 需要自托管，并具备广泛的系统素养 |
| Unsloth | 本地模型运行时 | (+) | 在本地运行和训练 LLM 与扩散模型，并通过可用 UI 呈现出来 | 仍然是另一个需要管理的本地运行时 |
| Obsidian Skills | 智能体技能包 | (+) | 可在 Markdown、Bases 和 JSON Canvas 表层之间复用智能体工作流 | 最适合 Obsidian 及其相邻的开放格式工作流 |
| ego lite | 智能体浏览器表层 | (+) | 与智能体共享已登录浏览器状态，而不接管用户主浏览器 | 只解决浏览器这一切片，而不是完整智能体栈 |
| Wan 3.0 | AI 视频模型 | (+/-) | 根据 Curious Refuge 的评测，支持更长的 1080p 视频和多个参考素材 | 仍只是更大创作者工作流中的一环，许可限制也依然相关 |
| Muse Glimmer | 开放式本地智能体模型 | (+) | 具备 30B 开放权重、Apache 2.0 许可，并定位于单张消费级 GPU 上的本地智能体 | 集成能力和本地硬件限制仍然重要 |
| Home Assistant + Ollama | 本地家庭自动化技术栈 | (+/-) | 提供私密语音助手、明确的实体范围，并可在性能适中的 AMD 硬件上运行 | 需要调优和硬件选择，也必须接受可靠性并不完美 |
| OpenArt + GPT-Image 2 + Seedance + Claude | 创作者工作流 | (+/-) | 能将一句话创意快速转化为风格一致的多镜头视频输出 | 仍需在多个工具之间手动编排 |
最强的正向情绪集中在那些揭示上下文或控制权的工具上，而不是假装这些问题已经消失。Browserbase、IBM AI for Code、Unsloth、ego lite和 Muse Glimmer，都在围绕模型的实际使用方式补上缺失层。
当用户仍需要自己拼装或运转整套技术栈时，情绪就转为复杂。vLLM + LLM-D、Home Assistant + Ollama和 OpenArt 加 Seedance 工作流看起来都很强大，但仍要求用户具备路由、调优或基础设施素养。
迁移模式仍然偏向分层技术栈而非单体方案：对开发者而言，是从单工具 API 使用转向开源系统设计；对创作者而言，则是从单模型炒作转向工作流路由。竞争压力正在转向访问、托管、浏览器、代码仓库上下文和编排层，因为正是这些层让模型输出真正变得可用。
5. 人们正在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Unsloth | Unsloth AI | 用于运行和训练 LLM 与扩散模型的本地 UI | 让本地模型运行与实验变得可用，而不必默认依赖云 API | Python、本地 GPU 运行时、模型服务 UI | Shipped | 仓库 视频 |
| Obsidian Skills | kepano | 面向 Obsidian 及其他开放格式的智能体技能 | 在笔记和知识工作流之间复用智能体工作流 | Markdown、Bases、JSON Canvas、智能体技能 | Shipped | 仓库 视频 |
| Diagram Design | cathrynlavery | 面向编码智能体的编辑级 HTML 与 SVG 图示模式 | 提升智能体生成文档与设计成果中的图示质量 | HTML、SVG | Shipped | 仓库 视频 |
| ego lite | CitroLabs | 具备共享登录状态与隔离空间的 AI 智能体浏览器 | 让智能体能在 Web 上操作，而不接管用户主浏览器 | JavaScript、浏览器自动化、隔离空间 | Shipped | 仓库 视频 |
| Modly | Lightning Pixel | 使用本地 AI 根据图像或提示生成 3D 模型的桌面应用 | 让创作者获得本地 3D 资产生成能力，而不是只能依赖云端工作流 | TypeScript、本地 GPU 推理、桌面应用 | Shipped | 仓库 视频 |
| Muse Glimmer | Meta | 面向常驻本地智能体工作流优化的 30B 开放权重模型 | 为开发者提供本地优先、可在单张消费级 GPU 上运行的智能体模型 | 30B 模型、Apache 2.0 权重、本地运行时、工具使用 | Beta | 博客 视频 |
| Google Nest Mini 的 Home Assistant 语音改造 | Automation Addict | 通过定制 PCB 和 YAML 将 Nest Mini 改造成 Home Assistant 语音端点 | 重新利用廉价消费级硬件，实现边界明确的智能家居语音控制 | Home Assistant、定制 PCB、YAML、Nest Mini 硬件 | Alpha | YAML 视频 |
| 基于 AMD mini PC 的本地 Home Assistant 语音助手 | Automation Addict | 在 AOOSTAR Ryzen 迷你 PC 上于 Home Assistant 中本地运行 Ollama | 在保持助手权限明确且可调的同时，降低对云端的依赖 | Home Assistant、Ollama、AMD iGPU、可选 eGPU 路径 | Alpha | 视频 硬件 |
反复出现的构建模式并不是再做一个通用助手，而是再补上一层缺失的运行层。Unsloth、Obsidian Skills、Diagram Design、ego lite、Modly和 Muse Glimmer都把模型包裹进更可用的表层：本地运行时、可复用技能、更高质量的图示输出、浏览器执行、本地 3D 创作，或本地智能体模型能力。
Matthew Berman的盘点之所以重要，是因为它把这些周边层打包成一个构建者叙事。两条 Automation Addict视频则在家庭控制场景中展示了同样的压力：只有当权限、硬件限制和可复现配置都清晰可见时，用户才愿意接受更多设置工作。
Curious Refuge和 Jack Vs. AI将同样的模式延伸到了创作者工作中。Wan 3.0、OpenArt、GPT-Image 2、Seedance 和 Claude 并未被呈现为单一赢家；价值来自它们如何被路由到一起，从而产出可用的媒体结果。
6. 新鲜且值得关注的内容¶
Ed Zitron 的反泡沫论登上了当天最大的面向大众舞台¶
The Diary Of A CEO把对 AI 的怀疑带入了一场 170 万观看量级的旗舰访谈，并将 OpenAI 和 Anthropic 描绘为在一个可能于 2027 年破裂的泡沫中烧掉数十亿美元。这一点很重要，因为这份材料中最强烈的批评，已不再局限于小众批评者或政策文件。
Bill Gates 让 AI 限制与不公风险进入主流新闻内容¶
CNN概括了 Gates 的警告：AI 可能成为有史以来最伟大的平等器，也可能成为最严重的不公正来源；如果要让危害低于收益，就需要施加重大限制。这一点很重要，因为最知名的科技慈善家之一如今正借助大众新闻分发渠道主张约束，而不只是推动采用。
Nvidia 据传收购 Hugging Face，让开放模型分发本身进入信号板¶
Forbes报道称，Nvidia 据称已同意以 129 亿美元收购 Hugging Face；Forbes 页面元数据还指出，Nvidia 早已在 Hugging Face 2023 年的 D 轮融资中投资了 2.35 亿美元。这一点很重要，因为开放模型的发现与托管层，正开始显得本身就具有战略重要性。
合规与本地智能体动能在同一天同时出现¶
Matthew Berman同时带出了 Anthropic 的 Claude 水印说明和 Meta 的 Muse Glimmer 发布。Anthropic 表示，未来的 Claude 模型将为文本加入不可见水印，以符合 EU AI Act；Meta 则表示，Muse Glimmer 是一个采用 Apache 2.0 许可、面向常驻本地智能体工作流优化的 30B 开放权重模型，可在单张消费级 GPU 上运行。这一点很重要，因为治理与本地部署是在同一天一起向前推进的，而不是分别存在于两条对话中。
7. 机会在哪里¶
**+++］ AI 成本、风险与集中化控制平面** - ［The Diary Of A CEO、CNN、AI Master和 Forbes都汇聚到同一层缺口：对支出、芯片敞口、治理边界，以及谁在控制分发表层的可见性。这一机会很强，因为面向大众的批评、政策框架、芯片供应分析和平台集中度报道，都指向同一个运营问题。
**+++］ 具备仓库感知能力的编码智能体工作区** - ［Theo - t3․gg、KodeKloud、IBM Technology和 Aishwarya Srinivasan都显示出原始模型输出与有效代码工作之间的同一缺口：工作负载适配、代码仓库感知、验证和推理可见性。这一机会很强，因为模型排名、基础设施教育、企业维护和开源技术栈教学同时施压于同一问题。
**++］ 安全的本地家庭 AI 设备层** - ［Automation Addict、Automation Addict 的本地 AMD 构建和 AI Revolution都表明，只有当权限、硬件限制和失效模式清晰可见时，本地或边缘 AI 才会让人觉得可接受。这一机会属中等强度，因为用户需求很明确，但现有方案仍要求发烧友级别的设置能力。
**++］ 创作者工作流路由与状态层** - ［Curious Refuge和 Jack Vs. AI都表明，创作者仍需在专用模型之间手动路由工作，以完成构思、参考一致性和最终输出。这一机会属中等强度，因为需求实际且反复出现，但工具生态拥挤、变化也很快。
**+］ 中立的开放模型发现与托管替代方案** - ［Forbes、Matthew Berman和 Matthew Berman 的 AI 新闻汇总共同表明，开源热情越来越取决于谁拥有托管和部署层。这一机会仍在萌芽中，因为风险已清晰可见，但需求目前更多是从整合信号中推断出来的，而不是来自明确的用户请求。
8. 要点¶
- 对 AI 的怀疑如今已成为面向大众的内容赛道，而不再只是专业人士的论点。当天最受关注的视频分别来自旗舰商业节目中的 Ed Zitron、CNN 上的 Bill Gates，以及长篇访谈形式中的 Connor Leahy。（来源、来源、来源）
- 成本叙事与治理叙事已经合流。泡沫论、不平等警告、芯片供应分析，以及据传中的 Hugging Face 收购，都在描述同一个问题表层：AI 权力取决于谁为这套栈提供资金、负责托管并加以控制。（来源、来源、来源）
- 编码智能体的实用性仍依赖模型之外的多层支撑。 Theo 按使用场景给模型排名，KodeKloud 解释服务约束，IBM 强调代码仓库感知与验证，而 Aishwarya 则主张理解完整的开源技术栈。（来源、来源、来源、来源）
- 构建者活力继续聚集在封装层、运行时和边界明确的表层，而不是另一个通用助手。Matthew Berman 的六项目盘点、Muse Glimmer，以及 Automation Addict 的 Home Assistant 构建，都在为本地模型、浏览器控制、可复用技能或明确权限补上缺失层。（来源、来源、来源、来源）
- 创作者 AI 仍更像是一个路由问题，而不是某个单一模型的胜利。Curious Refuge 将 Wan 3.0 作为创作者栈的一部分来评判，而 Jack Vs. AI 则通过串联 OpenArt、GPT-Image 2、Seedance 和 Claude，得到可用的输出。（来源、来源）