wongnet

@molezznet 感谢反馈，我们优化一下。

@hidumouren 有些相似，相似点都是为了解决知识/内容工作者的痛点 -- 针对“碎片化的数据/信息”的管理。因此，输入源基本是类似的，只不过它支持的更多，包括各种会议，随手拍之类的。核心差异主要是数据整合到一起之后，如何使用？我们的数据整合粒度是 session 级别，数据原子粒度是 snippet 概念，也就是从网页中主动摘取一部分我们感兴趣的内容加入 session 列表中。然后，我们可以针对这部分内容进行自动化加工和整合，主打概念是 grounded, 也就是我们产生的新报告更像是一种总结和洞察报告。第二个诧异点是：snippet 在加入到 session 中的处理流，它这块基本没有这个能力。而我们在 snippet 被选择之后，可以进行一键 explain/verify/key-point/ask 四种语义。总结一下，如果数据管道是这样的： (a)数据源 ---> (b)数据处理 --> (c)数据存储 --> (d)数据再加工，那么我们在(a)上类似，(c)上差不多，(d)上有区别，(b)上有根本差异。

@molezznet 这个就是定位问题了，其实这个功能通过云化同步是最合适的，但是这样的成本比较高，不论是开发成本还是使用成本，没有到一定规模，还没有必要开发。目前我们可以通过导入/导出来完成，一样可以实现。你可以导出到一个多设备共享云盘里，例如 onedrive, 然后在其他设备里面导入即可。虽然没有接入云端那么高效，但是日常也足够用了。甚至分享给同时一些收集到的信息，直接把导出的文件给他就行，它可以直接打开阅读，也可以用插件再导入。

@hidumouren 区别还是比较大的，slax 定位是文章收集和稍后阅读，里面包括一些 ai chat 和 outline 的能力，这些能力当然是付费的。我们的 weft 定位不是全文收藏，而是片段摘取，我们可以把多个片段摘取到同一个主题的 session 里面，然后把这些片段再重新加工成一个新的文章，这个新的文章你可以保存，甚至可以发表成一个洞察文章/公众号软文/调研报告等。典型的应用场景就是博士生在研究某个问题的时候，要阅读多个文献，把这些文献的关键创新收集起来，后面再做引用和改进。同时，如果是一个白领，或者是码农，在开发之前要做竞品分析和技术调研，这个工具也是一个好帮手，还支持自动对比，输出表格，根据这些内容自动绘制图表等。

补充： 大多伦多地区的中小厂也都 OK ，先稳住再说。远程的也行，只要 contract 在加拿大，算 Canadian experience 就行。

@YadongZhang Thank you. I have held an open work permit in Canada. If there are any vacant positions in Canada or a Canadian contract, I would prefer to be considered for them.

hi, 我看 base 在 New York, 在 Canada 有 base 吗？

投递简历的同学都已经处理完毕了，合适的同学应该已经都收到答复了。

另外，补充几个信息：
- 社招名额已经开放，大家不需要担心 “为的就是那块技术” 了。
- 如果是 23 年应届毕业生，不需要投递简历了哦，校招流程已经结束了。

@littlewing 武汉没有