feat(article): 添加 GPT-5.4 深度解析文章及配套图表

- 新增 GPT-5.4 深度解析文章，涵盖六大核心能力详解 - 添加 SVG 格式的 GPT-5.4 能力全景图 - 添加 Mermaid 格式的模型家族关系图 - 添加 GPT-5.4 六大能力思维导图 - 添加 Computer Use 工作流程图 - 添加 OSWorld 桌面操作基准测试图表 - 添加上下文窗口演进对比图 - 添加上下文压缩原理图 - 添加 Tool Search 机制对比图 - 添加可配置推理深度图 - 添加 GDPval 对比图表 - 添加三方模型对比图 - 添加 API 定价对比图 - 添加 Mermaid 配置文件和样式文件 - 添加模型选择指南 SVG 图片
2026-03-16 16:28:42 +08:00 · 2026-03-16 16:28:42 +08:00 · 76c9a60379
commit 76c9a60379
parent 0ff9bac541
37 changed files with 1034 additions and 0 deletions
--- a/的全能战士来了.md
+++ b/的全能战士来了.md
@ -0,0 +1,299 @@
 # GPT-5.4 深度解析：OpenAI 的全能战士来了
 > 发布日期：2026-03-16
 > 分类：技术解读 / 深度分析
 > 作者：老邓唠AI
 ![封面](https://cdn.union.jxyunge.com/self-media/003/cover.png)
 ## 引子：这次不只是"更强"，而是"会干活了"
 3 月 5 日深夜，OpenAI 扔出了一颗重磅炸弹——**GPT-5.4**。
 如果你以为这又是一次"跑分更高、回答更准"的常规升级，那你低估了这次更新的意义。GPT-5.4 不只是变聪明了，它**第一次学会了操作电脑**。
 是的，你没看错。它能看到你的屏幕截图，然后像一个真人一样移动鼠标、点击按钮、敲键盘——帮你订机票、填表格、发邮件、操作 Excel。在桌面操作测试中，**它的表现超越了人类**。
 这不是概念演示。这是已经上线的 API，任何开发者今天就能调用。
 今天老邓带你全面拆解 GPT-5.4 的六大核心能力、跑分数据、定价策略，以及它跟 Claude Opus 4.6、Gemini 3.1 Pro 的正面对决。
 ---
 ## 一、GPT-5.4 是什么？
 GPT-5.4 是 OpenAI 于 2026 年 3 月 5 日发布的最新旗舰模型，官方定义为**"最强大且高效的专业工作前沿模型"**。
 它不是一个模型，而是**一个模型家族**：
 | 版本 | 定位 | 适用人群 |
 |------|------|---------|
 | **GPT-5.4** | 标准版，日常专业工作 | ChatGPT Plus / Team / API 开发者 |
 | **GPT-5.4 Thinking** | 推理增强版，展示思考过程 | ChatGPT Plus / Team / Pro |
 | **GPT-5.4 Pro** | 最高性能版，极限推理深度 | ChatGPT Pro / Enterprise / API |
 三个版本共享同一个基座模型，区别在于**推理深度**和**计算资源分配**。
 ![GPT-5.4 能力全景](https://cdn.union.jxyunge.com/self-media/003/capability-stack.svg)
 ![GPT-5.4 模型家族](https://cdn.union.jxyunge.com/self-media/003/diagram-01-model-family.png)
 ---
 ## 二、六大核心能力拆解
 ![六大核心能力思维导图](https://cdn.union.jxyunge.com/self-media/003/diagram-02-capabilities.png)
 ### 2.1 原生计算机操控（Computer Use）
 这是 GPT-5.4 最炸裂的能力——**OpenAI 首个原生支持计算机操控的通用模型**。
 ![GPT-5.4 官方宣传图](https://cdn.union.jxyunge.com/self-media/003/openai-gpt54.png)
 它的工作方式很直觉：
 ![Computer Use 工作流程](https://cdn.union.jxyunge.com/self-media/003/diagram-03-computer-use.png)
 1. **看屏幕**：模型接收桌面/浏览器的截图
 2. **理解界面**：识别按钮、输入框、菜单等 UI 元素
 3. **发出指令**：返回结构化的鼠标移动、点击、键盘输入动作
 4. **你的程序执行**：由你的代码（harness）将这些动作应用到真实环境
 简单说，GPT-5.4 就像一个**坐在你电脑前的远程助手**，看着屏幕告诉你"点这里、输入那个"。
 **实际能做什么？**
 - 自动填写复杂的 Web 表单
 - 跨应用操作工作流（打开邮件 → 读取内容 → 创建日历事件）
 - 操作 ERP、CRM 等企业系统
 - 自动化测试 Web 应用
 **跑分有多强？**
 | 基准测试 | GPT-5.4 | GPT-5.2 | 人类表现 |
 |---------|---------|---------|---------|
 | OSWorld-Verified（桌面操作） | **75.0%** | 47.3% | 72.4% |
 | WebArena-Verified（浏览器操作） | **67.3%** | - | - |
 | Online-Mind2Web（截图识别） | **92.8%** | - | - |
 **OSWorld 75.0%，人类 72.4%——AI 在桌面操作任务上，第一次超越了人类基准。**
 ![OSWorld 桌面操作基准测试](https://cdn.union.jxyunge.com/self-media/003/diagram-04-osworld.png)
 当然也有局限：截图传输有延迟，密集 UI 元素（如超大表格）的精确度还不够完美。但作为 v1 版本，这个起点已经足够惊艳。
 ---
 ### 2.2 百万级上下文窗口
 GPT-5.4 的标准上下文窗口为 **272K tokens**（比 GPT-5.3 Codex 的 200K 扩大了 36%），而通过 Codex 配置，可以解锁高达 **100 万 tokens** 的超大上下文。
 100 万 tokens 是什么概念？
 | 内容类型 | 大约容量 |
 |---------|---------|
 | 普通中文文字 | 约 150 万字 |
 | 代码 | 约 75 万行 |
 | PDF 文档 | 约 3000 页 |
 这意味着你可以把**一整个代码仓库**、**一本完整的技术手册**、或者**几个月的聊天记录**一次性喂给模型，它都能理解和引用。
 对于 Agent 场景尤其关键——智能体在执行长链条任务时，不会因为"忘了之前做过什么"而翻车。
 ![上下文窗口演进](https://cdn.union.jxyunge.com/self-media/003/diagram-05-context-window.png)
 ---
 ### 2.3 上下文压缩（Compaction）
 大上下文的问题是**贵**。100 万 tokens 每个请求都要收费，成本飞涨。
 GPT-5.4 引入了一个巧妙的解决方案——**Compaction（上下文压缩）**。这是 OpenAI 首个在主线模型中训练支持的压缩能力。
 ![上下文压缩原理](https://cdn.union.jxyunge.com/self-media/003/diagram-06-compaction.png)
 它的原理是：在长对话或 Agent 执行过程中，模型会**自动总结和压缩早期的上下文**，保留关键信息，丢弃冗余细节。这样即使对话轮次很多，也不会撑爆上下文窗口。
 开发者可以通过两个参数来控制：
 - `model_context_window`：设置最大上下文窗口
 - `model_auto_compact_token_limit`：设置触发自动压缩的阈值
 ---
 ### 2.4 工具搜索（Tool Search）
 这是一个面向 API 开发者的重磅特性。
 传统做法是把所有工具的定义一股脑塞进 prompt，100 个工具的 schema 轻松吃掉几万 tokens。**GPT-5.4 的工具搜索彻底改变了这个局面。**
 新方案：
 1. 模型只接收一个**轻量的工具列表**（名称 + 简短描述）
 2. 需要用某个工具时，**按需加载**该工具的完整定义
 3. 用完即弃，不占用后续请求的 token
 效果？**Token 使用量直降 47%，准确率不变。**
 对于构建大规模 Agent 系统的团队来说，这意味着成本直接砍半。
 ![传统方式 vs Tool Search](https://cdn.union.jxyunge.com/self-media/003/diagram-07-tool-search.png)
 ---
 ### 2.5 可配置推理深度
 GPT-5.4 提供了 **5 档推理深度**，开发者可以精细控制模型的"思考力度"：
 | 档位 | 用途 | 成本 |
 |------|------|------|
 | `none` | 直接回答，不推理 | 最低 |
 | `low` | 简单逻辑、摘要 | 低 |
 | `medium` | 通用场景，平衡性价比 | 中 |
 | `high` | 多步分析、自我修正 | 高 |
 | `xhigh` | 极限推理，科研级 | 最高 |
 不同场景用不同档位，简单问题不浪费算力，复杂问题全力以赴——这是一个非常实用的成本优化手段。
 ![可配置推理深度](https://cdn.union.jxyunge.com/self-media/003/diagram-08-reasoning.png)
 ---
 ### 2.6 编码能力大幅升级
 GPT-5.4 融合了 GPT-5.3 Codex 的编码能力，在代码任务上表现惊人：
 | 基准测试 | GPT-5.4 | GPT-5.3 Codex | Claude Opus 4.6 |
 |---------|---------|---------------|-----------------|
 | SWE-Bench Verified | **~80.0%** | 75.2% | 80.8% |
 | HumanEval | **95.1%** | 93.8% | 94.6% |
 | Terminal-Bench 2.0 | **75.1%** | - | 65.4% |
 | SWE-Bench Pro | **57.7%** | - | - |
 在 SWE-Bench Verified（真实 GitHub issue 修复能力）上，GPT-5.4 与 Claude Opus 4.6 仅差 0.8 个百分点，几乎持平。而在 Terminal-Bench 2.0（终端操作能力）上，GPT-5.4 以 75.1% 的成绩大幅领先。
 ---
 ## 三、专业知识工作：逼近人类专家
 GPT-5.4 最让行业震动的数据来自 **GDPval 基准测试**——这个测试覆盖 44 个职业领域，衡量模型在"真实经济价值工作"中的表现。
 | 指标 | GPT-5.4 | GPT-5.2 | 提升 |
 |------|---------|---------|------|
 | GDPval 综合 | **83.0%** | 70.9% | +12.1% |
 | 投行电子表格建模 | **87.3%** | 68.4% | +18.9% |
 | 演示文稿偏好率 | **68.0%** | 32.0% | - |
 | 错误率降低 | **-33%** | - | 单个陈述 |
 | 整体回答错误率降低 | **-18%** | - | 完整回答 |
 **83% 的 GDPval 成绩意味着什么？** 在 44 个职业领域中，GPT-5.4 的工作输出质量已经**接近行业从业者的平均水平**。投行建模 87.3%，比 GPT-5.2 猛涨近 19 个百分点——这不是微调，这是质的飞跃。
 ![GDPval 知识工作基准测试（官方图表）](https://cdn.union.jxyunge.com/self-media/003/gdpval-chart.png)
 ![GPT-5.4 vs GPT-5.2 关键指标提升](https://cdn.union.jxyunge.com/self-media/003/diagram-09-gdpval.png)
 > 浅色 = GPT-5.2，深色 = GPT-5.4
 ---
 ## 四、三国争霸：GPT-5.4 vs Claude Opus 4.6 vs Gemini 3.1 Pro
 2026 年 3 月，三大 AI 巨头的旗舰模型罕见地同台竞技。老邓帮你拉了一张全维度对比表：
 ### 4.1 基准跑分对比
 | 基准测试 | GPT-5.4 | Claude Opus 4.6 | Gemini 3.1 Pro | 谁赢了 |
 |---------|---------|-----------------|----------------|--------|
 | GDPval（知识工作） | **83.0%** | 78.0% | - | GPT-5.4 |
 | GPQA Diamond（科学推理） | 92.8% | 91.3% | **94.3%** | Gemini |
 | ARC-AGI-2（抽象推理） | 73.3% | 75.2% | **77.1%** | Gemini |
 | MMMU Pro（视觉理解） | 81.2% | **85.1%** | 80.5% | Claude |
 | SWE-Bench Verified（代码修复） | ~80.0% | **80.8%** | 80.6% | Claude（微弱） |
 | Terminal-Bench 2.0（终端操作） | **75.1%** | 65.4% | 68.5% | GPT-5.4 |
 | OSWorld（桌面操控） | **75.0%** | - | - | GPT-5.4 |
 | BrowseComp（网页浏览） | 82.7% | 84.0% | **85.9%** | Gemini |
 ### 4.2 定价对比
 | 模型 | 输入价格（/百万 tokens） | 输出价格（/百万 tokens） | 上下文窗口 |
 |------|----------------------|----------------------|-----------|
 | Gemini 3.1 Pro | **$2** | **$12** | 2M |
 | GPT-5.4 | $2.50 | $15 | 272K（最大 1M） |
 | Claude Opus 4.6 | $5 | $25 | 200K |
 | GPT-5.4 Pro | $30 | $180 | 272K（最大 1M） |
 ### 4.3 各家优势领域一目了然
 ![三大模型优势领域对比](https://cdn.union.jxyunge.com/self-media/003/diagram-10-comparison.png)
 ### 4.4 怎么选？
 **一句话总结：没有全能冠军，只有场景之王。**
 - **选 GPT-5.4**：如果你需要**桌面自动化、知识工作、工具编排**——它是唯一一个 Computer Use 超越人类的模型
 - **选 Claude Opus 4.6**：如果你的核心场景是**代码开发、多文件重构、视觉理解**——它在 SWE-Bench 和 MMMU Pro 上仍然最强
 - **选 Gemini 3.1 Pro**：如果你**预算有限但要求高质量推理**——它用 GPT-5.4 Pro 十五分之一的价格，达到了同级别的科学推理水平
 ---
 ## 五、定价与可用性
 ### 5.1 API 定价
 | 模型 | 输入 | 输出 | 备注 |
 |------|------|------|------|
 | GPT-5.4 | $2.50/M | $15/M | 标准档 |
 | GPT-5.4 Pro | $30/M | $180/M | 极限性能 |
 | Batch 模式 | 标准 50% | 标准 50% | 异步批量处理 |
 | Flex 模式 | 标准 50% | 标准 50% | 弹性定价 |
 | Priority 模式 | 标准 200% | 标准 200% | 优先响应 |
 ### 5.2 谁能用？
 | 渠道 | 可用版本 |
 |------|---------|
 | ChatGPT Plus / Team | GPT-5.4 Thinking |
 | ChatGPT Pro / Enterprise | GPT-5.4 Thinking + GPT-5.4 Pro |
 | API | gpt-5.4、gpt-5.4-pro |
 GPT-5.2 Thinking 将保留至 **2026 年 6 月 5 日**，之后下线。如果你还在用旧版，记得提前迁移。
 ![API 输出价格对比](https://cdn.union.jxyunge.com/self-media/003/diagram-11-pricing.png)
 ![模型选择指南](https://cdn.union.jxyunge.com/self-media/003/model-selection-map.svg)
 ---
 ## 六、老邓的观点
 说几句大实话。
 **GPT-5.4 最大的意义不在跑分，而在 Computer Use。**
 跑分上，GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro 三家在大多数评测中只差 2-3 个百分点，说实话对普通用户几乎没有体感差异。真正拉开差距的是**能力维度的拓展**。
 Computer Use 让 AI 第一次真正能"用电脑"。这不是花活，这是生产力工具的范式转变。想象一下：
 - 财务人员让 AI 自动操作 SAP 系统出报表
 - 运营人员让 AI 自动在后台批量上架商品
 - HR 让 AI 自动在多个招聘平台发布岗位
 这些场景以前需要 RPA（机器人流程自动化）工具，写一堆脆弱的规则脚本。现在？给 GPT-5.4 一个截图，它自己看着干。
 当然，v1 版本还有明显的局限——延迟、精确度、安全边界都需要打磨。但方向是对的，OpenAI 在这一局抢了先手。
 **另一个被低估的特性是 Tool Search。** 47% 的 token 节省对大规模 Agent 系统来说是巨大的成本优化，这个设计思路值得所有做 AI 应用的团队学习。
 **最后说说价格。** Gemini 3.1 Pro 用十五分之一的价格打到了同级别的推理水平，Google 在性价比上确实卷得最狠。但 OpenAI 的 Batch 和 Flex 半价模式也很香，异步场景下成本可以压得很低。
 总之，2026 年的 AI 模型市场，已经不是"谁最强"的问题了，而是**"谁在你的场景里最合适"**。
 ---
 ## 参考资料
 - [Introducing GPT-5.4 | OpenAI](https://openai.com/index/introducing-gpt-5-4/)
 - [OpenAI launches GPT-5.4 with Pro and Thinking versions | TechCrunch](https://techcrunch.com/2026/03/05/openai-launches-gpt-5-4-with-pro-and-thinking-versions/)
 - [GPT-5.4: Native Computer Use, 1M Context Window, Tool Search | DataCamp](https://www.datacamp.com/blog/gpt-5-4)
 - [GPT-5.4 vs Opus 4.6 vs Gemini 3.1 Pro: Best AI Model? | DigitalApplied](https://www.digitalapplied.com/blog/gpt-5-4-vs-opus-4-6-vs-gemini-3-1-pro-best-frontier-model)
 - [GPT-5.4 Release Date, Features & Pricing | NxCode](https://www.nxcode.io/resources/news/gpt-5-4-release-date-features-pricing-2026)
 - [OpenAI GPT-5.4 正式登场 | IT之家](https://www.ithome.com/0/926/344.htm)
 - [Computer Use API | OpenAI](https://developers.openai.com/api/docs/guides/tools-computer-use/)
 - [GPT-5.4 API Developer Guide | NxCode](https://www.nxcode.io/resources/news/gpt-5-4-api-developer-guide-reasoning-computer-use-2026)
--- a/articles/003/capability-stack.png
+++ b/articles/003/capability-stack.png
--- a/articles/003/capability-stack.svg
+++ b/articles/003/capability-stack.svg
@ -0,0 +1,54 @@
 <svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 1200 700" font-family="'Inter', 'SF Pro', system-ui, sans-serif">
  <title>GPT-5.4 能力全景：专业工作、编码、计算机操控、工具使用与长上下文</title>
  <defs>
    <linearGradient id="bg" x1="0%" y1="0%" x2="100%" y2="100%">
      <stop offset="0%" stop-color="#040816"/>
      <stop offset="100%" stop-color="#111827"/>
    </linearGradient>
  </defs>
  <rect width="1200" height="700" fill="url(#bg)"/>
  <text x="600" y="56" fill="#F8FAFC" font-size="32" font-weight="800" text-anchor="middle">GPT-5.4 能力全景</text>
  <text x="600" y="84" fill="#94A3B8" font-size="15" text-anchor="middle">这不是常规升级，而是一次模型产品线的重置</text>
  <g transform="translate(90,130)">
    <rect width="1020" height="90" rx="16" fill="#0B172A" stroke="#22D3EE" stroke-opacity="0.45"/>
    <text x="28" y="38" fill="#67E8F9" font-size="20" font-weight="800">1. 专业知识工作</text>
    <text x="28" y="64" fill="#E0F2FE" font-size="14">GDPval 83.0%，投行建模 87.3%，演示文稿、文档、事实准确性均大幅超越 GPT-5.2。</text>
    <text x="946" y="56" fill="#67E8F9" font-size="28" font-weight="800" text-anchor="end">83.0%</text>
  </g>
  <g transform="translate(130,250)">
    <rect width="940" height="82" rx="16" fill="#0B1A16" stroke="#10B981" stroke-opacity="0.45"/>
    <text x="28" y="35" fill="#6EE7B7" font-size="19" font-weight="800">2. 编码与智能体循环</text>
    <text x="28" y="60" fill="#D1FAE5" font-size="14">SWE-Bench Pro 57.7%，与 GPT-5.3-Codex 持平，同时在研究和工具使用上覆盖面更广。</text>
    <text x="866" y="53" fill="#6EE7B7" font-size="26" font-weight="800" text-anchor="end">57.7%</text>
  </g>
  <g transform="translate(170,360)">
    <rect width="860" height="82" rx="16" fill="#1A1205" stroke="#F59E0B" stroke-opacity="0.45"/>
    <text x="28" y="35" fill="#FCD34D" font-size="19" font-weight="800">3. 原生计算机操控</text>
    <text x="28" y="60" fill="#FEF3C7" font-size="14">OSWorld-Verified 75.0%，支持基于截图的浏览器和桌面操作，通过 Computer Use API 实现。</text>
    <text x="786" y="53" fill="#FCD34D" font-size="26" font-weight="800" text-anchor="end">75.0%</text>
  </g>
  <g transform="translate(210,470)">
    <rect width="780" height="82" rx="16" fill="#111827" stroke="#818CF8" stroke-opacity="0.45"/>
    <text x="28" y="35" fill="#C7D2FE" font-size="19" font-weight="800">4. 工具使用与 MCP</text>
    <text x="28" y="60" fill="#E0E7FF" font-size="14">BrowseComp 82.7%，MCP Atlas 67.2%，支持大规模延迟工具目录的 Tool Search 机制。</text>
    <text x="706" y="53" fill="#C7D2FE" font-size="26" font-weight="800" text-anchor="end">82.7%</text>
  </g>
  <g transform="translate(250,580)">
    <rect width="700" height="82" rx="16" fill="#1A1020" stroke="#F472B6" stroke-opacity="0.45"/>
    <text x="28" y="35" fill="#F9A8D4" font-size="19" font-weight="800">5. 长上下文与推理</text>
    <text x="28" y="60" fill="#FBCFE8" font-size="14">上下文窗口 105 万 tokens，输出 12.8 万 tokens，但远端检索质量仍有下降。</text>
    <text x="626" y="53" fill="#F9A8D4" font-size="26" font-weight="800" text-anchor="end">1.05M</text>
  </g>
  <path d="M600 220 L600 250" stroke="#22D3EE" stroke-width="2" stroke-dasharray="6 6" opacity="0.5"/>
  <path d="M600 332 L600 360" stroke="#10B981" stroke-width="2" stroke-dasharray="6 6" opacity="0.5"/>
  <path d="M600 442 L600 470" stroke="#F59E0B" stroke-width="2" stroke-dasharray="6 6" opacity="0.5"/>
  <path d="M600 552 L600 580" stroke="#818CF8" stroke-width="2" stroke-dasharray="6 6" opacity="0.5"/>
 </svg>
--- a/articles/003/cover-compressed.png
+++ b/articles/003/cover-compressed.png
--- a/articles/003/cover.png
+++ b/articles/003/cover.png
--- a/articles/003/diagram-01-model-family.mmd
+++ b/articles/003/diagram-01-model-family.mmd
@ -0,0 +1,18 @@
 graph TD
    A["GPT-5.4 基座模型"] --> B["GPT-5.4 标准版"]
    A --> C["GPT-5.4 Thinking"]
    A --> D["GPT-5.4 Pro"]
    B --> B1["日常专业工作"]
    B --> B2["API 调用"]
    C --> C1["展示推理过程"]
    C --> C2["复杂问题求解"]
    D --> D1["极限推理深度"]
    D --> D2["科研/金融级任务"]
    style A fill:#10a37f,stroke:#fff,color:#fff
    style B fill:#1a7f64,stroke:#fff,color:#fff
    style C fill:#1a7f64,stroke:#fff,color:#fff
    style D fill:#1a7f64,stroke:#fff,color:#fff
--- a/articles/003/diagram-01-model-family.png
+++ b/articles/003/diagram-01-model-family.png
--- a/articles/003/diagram-02-capabilities.mmd
+++ b/articles/003/diagram-02-capabilities.mmd
@ -0,0 +1,21 @@
 mindmap
  root((GPT-5.4<br/>六大能力))
    原生计算机操控
      截图理解
      鼠标键盘操作
      跨应用工作流
    百万级上下文
      标准 272K
      最大 1M tokens
    上下文压缩
      自动总结压缩
      保留关键信息
    工具搜索
      按需加载工具
      Token 降低 47%
    可配置推理
      5 档深度
      成本精细控制
    编码能力升级
      SWE-Bench ~80%
      Terminal-Bench 75.1%
--- a/articles/003/diagram-02-capabilities.png
+++ b/articles/003/diagram-02-capabilities.png
--- a/articles/003/diagram-03-computer-use.mmd
+++ b/articles/003/diagram-03-computer-use.mmd
@ -0,0 +1,10 @@
 graph LR
    A["🖥️ 截取屏幕"] --> B["🧠 GPT-5.4<br/>理解界面"]
    B --> C["📋 返回动作指令<br/>点击/输入/滚动"]
    C --> D["⚙️ 你的程序<br/>执行操作"]
    D --> A
    style A fill:#f9f,stroke:#333
    style B fill:#10a37f,stroke:#fff,color:#fff
    style C fill:#bbf,stroke:#333
    style D fill:#fbb,stroke:#333
--- a/articles/003/diagram-03-computer-use.png
+++ b/articles/003/diagram-03-computer-use.png
--- a/articles/003/diagram-04-osworld.mmd
+++ b/articles/003/diagram-04-osworld.mmd
@ -0,0 +1,5 @@
 xychart-beta
    title "OSWorld-Verified 桌面操作基准测试"
    x-axis ["GPT-5.2", "人类表现", "GPT-5.4"]
    y-axis "成功率 (%)" 0 --> 100
    bar [47.3, 72.4, 75.0]
--- a/articles/003/diagram-04-osworld.png
+++ b/articles/003/diagram-04-osworld.png
--- a/articles/003/diagram-05-context-window.mmd
+++ b/articles/003/diagram-05-context-window.mmd
@ -0,0 +1,5 @@
 xychart-beta
    title "上下文窗口演进（单位：K tokens）"
    x-axis ["GPT-5.2", "GPT-5.3 Codex", "GPT-5.4 标准", "GPT-5.4 最大"]
    y-axis "K tokens" 0 --> 1100
    bar [128, 200, 272, 1000]
--- a/articles/003/diagram-05-context-window.png
+++ b/articles/003/diagram-05-context-window.png
--- a/articles/003/diagram-06-compaction.mmd
+++ b/articles/003/diagram-06-compaction.mmd
@ -0,0 +1,17 @@
 graph LR
    subgraph 压缩前["❌ 压缩前：全量加载"]
        A1["轮次 1<br/>1.2K tokens"] --> A2["轮次 2<br/>3.5K tokens"]
        A2 --> A3["轮次 3<br/>2.8K tokens"]
        A3 --> A4["轮次 4<br/>4.1K tokens"]
        A4 --> A5["...<br/>持续膨胀 💥"]
    end
    A5 --> C["🗜️ Compaction<br/>自动压缩"]
    subgraph 压缩后["✅ 压缩后：智能摘要"]
        C --> B1["摘要<br/>0.6K tokens"]
        B1 --> B2["轮次 4<br/>4.1K tokens"]
        B2 --> B3["新轮次<br/>继续对话 ✅"]
    end
    style C fill:#10a37f,stroke:#fff,color:#fff
--- a/articles/003/diagram-06-compaction.png
+++ b/articles/003/diagram-06-compaction.png
--- a/articles/003/diagram-07-tool-search.mmd
+++ b/articles/003/diagram-07-tool-search.mmd
@ -0,0 +1,15 @@
 graph TB
    subgraph 传统方式["❌ 传统方式：全量加载"]
        T1["请求开始"] --> T2["加载全部 100 个工具定义<br/>~40K tokens"]
        T2 --> T3["模型选择 1 个工具"]
        T3 --> T4["99 个工具的定义被浪费"]
    end
    subgraph 新方式["✅ Tool Search：按需加载"]
        N1["请求开始"] --> N2["加载轻量工具列表<br/>~2K tokens"]
        N2 --> N3["模型搜索需要的工具"]
        N3 --> N4["按需加载 1 个工具定义<br/>~400 tokens"]
    end
    style T4 fill:#c62828,stroke:#fff,color:#fff
    style N4 fill:#10a37f,stroke:#fff,color:#fff
--- a/articles/003/diagram-07-tool-search.png
+++ b/articles/003/diagram-07-tool-search.png
--- a/articles/003/diagram-08-reasoning.mmd
+++ b/articles/003/diagram-08-reasoning.mmd
@ -0,0 +1,13 @@
 graph LR
    A["用户请求"] --> B{"判断任务复杂度"}
    B -->|"简单查询"| C["none<br/>⚡ 极速 · 极省"]
    B -->|"日常问答"| D["low<br/>💬 轻推理"]
    B -->|"通用任务"| E["medium<br/>⚖️ 平衡"]
    B -->|"复杂分析"| F["high<br/>🔬 深度思考"]
    B -->|"科研/金融"| G["xhigh<br/>🧠 极限推理"]
    style C fill:#4caf50,stroke:#fff,color:#fff
    style D fill:#8bc34a,stroke:#fff,color:#fff
    style E fill:#ff9800,stroke:#fff,color:#fff
    style F fill:#f44336,stroke:#fff,color:#fff
    style G fill:#9c27b0,stroke:#fff,color:#fff
--- a/articles/003/diagram-08-reasoning.png
+++ b/articles/003/diagram-08-reasoning.png
--- a/articles/003/diagram-09-gdpval.mmd
+++ b/articles/003/diagram-09-gdpval.mmd
@ -0,0 +1,6 @@
 xychart-beta
    title "GPT-5.4 vs GPT-5.2 关键指标提升"
    x-axis ["GDPval 综合", "投行建模", "OSWorld 桌面", "BrowseComp 网页"]
    y-axis "得分 (%)" 0 --> 100
    bar [70.9, 68.4, 47.3, 65.7]
    bar [83.0, 87.3, 75.0, 82.7]
--- a/articles/003/diagram-09-gdpval.png
+++ b/articles/003/diagram-09-gdpval.png
--- a/articles/003/diagram-10-comparison.mmd
+++ b/articles/003/diagram-10-comparison.mmd
@ -0,0 +1,22 @@
 graph TB
    subgraph GPT54["🟢 GPT-5.4 领先"]
        G1["GDPval 知识工作 83.0%"]
        G2["OSWorld 桌面操控 75.0%"]
        G3["Terminal-Bench 终端 75.1%"]
    end
    subgraph Claude["🔵 Claude Opus 4.6 领先"]
        C1["SWE-Bench 代码修复 80.8%"]
        C2["MMMU Pro 视觉理解 85.1%"]
        C3["多文件重构 最佳体验"]
    end
    subgraph Gemini["🟡 Gemini 3.1 Pro 领先"]
        GE1["GPQA Diamond 科学推理 94.3%"]
        GE2["ARC-AGI-2 抽象推理 77.1%"]
        GE3["BrowseComp 网页浏览 85.9%"]
    end
    style GPT54 fill:#0d2137,stroke:#10a37f,color:#e0f7fa
    style Claude fill:#0d2137,stroke:#d97706,color:#e0f7fa
    style Gemini fill:#0d2137,stroke:#4285f4,color:#e0f7fa
--- a/articles/003/diagram-10-comparison.png
+++ b/articles/003/diagram-10-comparison.png
--- a/articles/003/diagram-11-pricing.mmd
+++ b/articles/003/diagram-11-pricing.mmd
@ -0,0 +1,5 @@
 xychart-beta
    title "API 输出价格对比（$/百万 tokens）"
    x-axis ["Gemini 3.1 Pro", "GPT-5.4", "Claude Opus 4.6", "GPT-5.4 Pro"]
    y-axis "价格 ($)" 0 --> 200
    bar [12, 15, 25, 180]
--- a/articles/003/diagram-11-pricing.png
+++ b/articles/003/diagram-11-pricing.png
--- a/articles/003/gdpval-chart.png
+++ b/articles/003/gdpval-chart.png
--- a/articles/003/mermaid-config.json
+++ b/articles/003/mermaid-config.json
@ -0,0 +1,37 @@
 {
  "theme": "base",
  "themeVariables": {
    "primaryColor": "#0d2137",
    "primaryTextColor": "#e0f7fa",
    "primaryBorderColor": "#00e5ff",
    "lineColor": "#00b8d4",
    "secondaryColor": "#0a1628",
    "secondaryTextColor": "#b2ebf2",
    "secondaryBorderColor": "#00bcd4",
    "tertiaryColor": "#112240",
    "tertiaryTextColor": "#e0f7fa",
    "tertiaryBorderColor": "#26c6da",
    "noteBkgColor": "#0d2137",
    "noteTextColor": "#e0f7fa",
    "noteBorderColor": "#00e5ff",
    "edgeLabelBackground": "#0a1628",
    "clusterBkg": "#0a1a2e",
    "clusterBorder": "#1a5276",
    "titleColor": "#00e5ff",
    "actorBkg": "#0d2137",
    "actorBorder": "#00e5ff",
    "actorTextColor": "#e0f7fa",
    "actorLineColor": "#00b8d4",
    "signalColor": "#00e5ff",
    "signalTextColor": "#e0f7fa",
    "labelBoxBkgColor": "#0d2137",
    "labelBoxBorderColor": "#00e5ff",
    "labelTextColor": "#e0f7fa",
    "loopTextColor": "#80deea",
    "activationBorderColor": "#00e5ff",
    "activationBkgColor": "#112240",
    "sequenceNumberColor": "#00e5ff",
    "fontFamily": "SF Pro Display, -apple-system, BlinkMacSystemFont, Segoe UI, Helvetica Neue, Arial, sans-serif",
    "fontSize": "15px"
  }
 }
--- a/articles/003/mermaid-fix.css
+++ b/articles/003/mermaid-fix.css
@ -0,0 +1,7 @@
 .mindmap-node text, .mindmap-node tspan,
 .node text, .node tspan,
 .label text, .label tspan,
 text, tspan {
  fill: #ffffff !important;
  color: #ffffff !important;
 }
--- a/articles/003/mermaid-mindmap.css
+++ b/articles/003/mermaid-mindmap.css
@ -0,0 +1,54 @@
 /* Mindmap sci-fi style - force visible node backgrounds */
 text, tspan {
  fill: #e0f7fa !important;
  font-family: 'SF Pro Display', -apple-system, BlinkMacSystemFont, 'Segoe UI', 'Helvetica Neue', Arial, sans-serif !important;
 }
 /* Root node */
 .mindmap-node:first-of-type circle {
  fill: #0d2137 !important;
  stroke: #00e5ff !important;
  stroke-width: 3px !important;
  filter: drop-shadow(0 0 12px rgba(0, 229, 255, 0.6)) !important;
 }
 /* All mindmap section/node shapes */
 .mindmap-node rect,
 .mindmap-node polygon,
 .mindmap-node circle,
 .mindmap-node ellipse,
 .mindmap-node path {
  stroke: #00b8d4 !important;
  stroke-width: 2px !important;
  filter: drop-shadow(0 0 6px rgba(0, 229, 255, 0.35)) !important;
 }
 /* Force different section colors instead of black */
 .section-0 rect, .section-0 path { fill: #0d3b66 !important; stroke: #00e5ff !important; }
 .section-1 rect, .section-1 path { fill: #1a3a4a !important; stroke: #26c6da !important; }
 .section-2 rect, .section-2 path { fill: #1b3044 !important; stroke: #4dd0e1 !important; }
 .section-3 rect, .section-3 path { fill: #14293d !important; stroke: #00bcd4 !important; }
 .section-4 rect, .section-4 path { fill: #0f2b3d !important; stroke: #80deea !important; }
 .section-5 rect, .section-5 path { fill: #0d3352 !important; stroke: #4fc3f7 !important; }
 .section-6 rect, .section-6 path { fill: #102a40 !important; stroke: #29b6f6 !important; }
 .section-7 rect, .section-7 path { fill: #0e2d44 !important; stroke: #81d4fa !important; }
 .section-8 rect, .section-8 path { fill: #113148 !important; stroke: #b3e5fc !important; }
 /* Generic fallback: any rect/path that ends up black */
 rect[fill="#000"], rect[fill="#000000"], rect[fill="black"],
 path[fill="#000"], path[fill="#000000"], path[fill="black"] {
  fill: #0d3b66 !important;
 }
 /* Catch-all: any element with inline black-ish fill */
 [style*="fill: rgb(0, 0, 0)"], [style*="fill:rgb(0,0,0)"],
 [style*="fill:#000"], [style*="fill: #000"] {
  fill: #0d3b66 !important;
 }
 /* Lines between nodes */
 line, path.edge {
  stroke: #00b8d4 !important;
  stroke-width: 2px !important;
 }
--- a/articles/003/mermaid-tech.css
+++ b/articles/003/mermaid-tech.css
@ -0,0 +1,115 @@
 /* Sci-fi / Tech style for mermaid diagrams */
 /* Node styling */
 .node rect, .node polygon, .node circle, .node ellipse {
  stroke-width: 2px !important;
  filter: drop-shadow(0 0 6px rgba(0, 229, 255, 0.4)) !important;
  rx: 8 !important;
  ry: 8 !important;
 }
 /* All text white/cyan */
 text, tspan {
  fill: #e0f7fa !important;
  font-family: 'SF Pro Display', -apple-system, BlinkMacSystemFont, 'Segoe UI', 'Helvetica Neue', Arial, sans-serif !important;
 }
 /* Cluster/subgraph borders */
 .cluster rect {
  stroke: #1a6a8a !important;
  stroke-width: 2px !important;
  stroke-dasharray: 6 3 !important;
  fill: rgba(10, 26, 46, 0.7) !important;
  rx: 12 !important;
  ry: 12 !important;
  filter: drop-shadow(0 0 8px rgba(0, 184, 212, 0.2)) !important;
 }
 /* Cluster labels */
 .cluster text, .cluster tspan {
  fill: #4dd0e1 !important;
  font-weight: 600 !important;
  font-size: 14px !important;
 }
 /* Edge/arrow lines */
 .edge-pattern-solid, .flowchart-link {
  stroke: #00b8d4 !important;
  stroke-width: 2px !important;
 }
 /* Arrow markers */
 marker path {
  fill: #00e5ff !important;
 }
 /* Sequence diagram lines */
 .messageLine0, .messageLine1 {
  stroke: #00b8d4 !important;
  stroke-width: 2px !important;
 }
 /* Sequence diagram actors */
 .actor {
  stroke: #00e5ff !important;
  fill: #0d2137 !important;
  stroke-width: 2px !important;
  filter: drop-shadow(0 0 6px rgba(0, 229, 255, 0.3)) !important;
 }
 /* Labels on edges */
 .edgeLabel rect {
  fill: #0a1628 !important;
  opacity: 0.9 !important;
 }
 .edgeLabel span, .edgeLabel text, .edgeLabel tspan {
  fill: #80deea !important;
  color: #80deea !important;
  font-size: 12px !important;
 }
 /* Note boxes */
 .note {
  fill: #112240 !important;
  stroke: #00e5ff !important;
 }
 /* Mindmap specific */
 .mindmap-node rect, .mindmap-node circle, .mindmap-node polygon {
  filter: drop-shadow(0 0 6px rgba(0, 229, 255, 0.4)) !important;
 }
 .mindmap-node text, .mindmap-node tspan {
  fill: #e0f7fa !important;
 }
 /* Activation bars in sequence diagrams */
 .activation0, .activation1, .activation2 {
  fill: #112240 !important;
  stroke: #00e5ff !important;
 }
 /* Loop/alt boxes */
 .loopLine {
  stroke: #1a6a8a !important;
  stroke-dasharray: 4 3 !important;
 }
 .loopText tspan, .loopText text {
  fill: #4dd0e1 !important;
 }
 /* Label styling */
 .label text, .label tspan {
  fill: #e0f7fa !important;
 }
 /* Highlighted nodes with custom styles from mermaid */
 [style*="fill:#4A90D9"], [style*="fill:#E74C3C"], [style*="fill:#27AE60"],
 [style*="fill:#F39C12"], [style*="fill:#8E44AD"], [style*="fill:#9B59B6"],
 [style*="fill:#2ECC71"], [style*="fill:#3498DB"], [style*="fill:#E67E22"] {
  filter: drop-shadow(0 0 10px rgba(0, 229, 255, 0.6)) !important;
  stroke: #00e5ff !important;
  stroke-width: 2px !important;
 }
--- a/articles/003/model-selection-map.png
+++ b/articles/003/model-selection-map.png
--- a/articles/003/model-selection-map.svg
+++ b/articles/003/model-selection-map.svg
@ -0,0 +1,51 @@
 <svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 1200 720" font-family="'Inter', 'SF Pro', system-ui, sans-serif">
  <title>GPT-5.4 模型选择指南：GPT-5.4、GPT-5.4 Pro、GPT-5.3-Codex、GPT-5.2 对比</title>
  <defs>
    <linearGradient id="bg" x1="0%" y1="0%" x2="100%" y2="100%">
      <stop offset="0%" stop-color="#040816"/>
      <stop offset="100%" stop-color="#111827"/>
    </linearGradient>
  </defs>
  <rect width="1200" height="720" fill="url(#bg)"/>
  <text x="600" y="54" fill="#F8FAFC" font-size="30" font-weight="800" text-anchor="middle">该选哪个 OpenAI 模型？</text>
  <text x="600" y="82" fill="#94A3B8" font-size="15" text-anchor="middle">X 轴：工作流覆盖广度　Y 轴：成本与延迟</text>
  <line x1="130" y1="610" x2="1070" y2="610" stroke="#334155" stroke-width="2"/>
  <line x1="130" y1="610" x2="130" y2="130" stroke="#334155" stroke-width="2"/>
  <text x="1085" y="620" fill="#94A3B8" font-size="13">覆盖面更广的混合工作流 →</text>
  <text x="130" y="640" fill="#94A3B8" font-size="13">← 窄领域专精工作流</text>
  <text x="76" y="150" fill="#94A3B8" font-size="13" transform="rotate(-90 76 150)">更贵 / 更慢 ↑</text>
  <text x="102" y="610" fill="#94A3B8" font-size="13" transform="rotate(-90 102 610)">↓ 更便宜 / 更快</text>
  <rect x="500" y="270" width="260" height="150" rx="22" fill="#082032" stroke="#22D3EE" stroke-width="2.2"/>
  <text x="630" y="322" fill="#67E8F9" font-size="26" font-weight="800" text-anchor="middle">GPT-5.4</text>
  <text x="630" y="354" fill="#E0F2FE" font-size="15" text-anchor="middle">最佳全能默认选择</text>
  <text x="630" y="378" fill="#E0F2FE" font-size="15" text-anchor="middle">研究 + 编码 + 工具 + 浏览器</text>
  <text x="630" y="403" fill="#A5F3FC" font-size="13" text-anchor="middle">$2.50 输入 / $15 输出</text>
  <rect x="800" y="150" width="250" height="145" rx="22" fill="#1E1025" stroke="#F472B6" stroke-width="2.2"/>
  <text x="925" y="202" fill="#F9A8D4" font-size="25" font-weight="800" text-anchor="middle">GPT-5.4 Pro</text>
  <text x="925" y="234" fill="#FCE7F3" font-size="15" text-anchor="middle">最高性能天花板</text>
  <text x="925" y="258" fill="#FCE7F3" font-size="15" text-anchor="middle">准确度优先于延迟时使用</text>
  <text x="925" y="283" fill="#FBCFE8" font-size="13" text-anchor="middle">$30 输入 / $180 输出</text>
  <rect x="190" y="310" width="250" height="145" rx="22" fill="#0C1A14" stroke="#10B981" stroke-width="2.2"/>
  <text x="315" y="362" fill="#6EE7B7" font-size="25" font-weight="800" text-anchor="middle">GPT-5.3-Codex</text>
  <text x="315" y="394" fill="#D1FAE5" font-size="15" text-anchor="middle">编码专精之选</text>
  <text x="315" y="418" fill="#D1FAE5" font-size="15" text-anchor="middle">擅长终端密集型循环任务</text>
  <text x="315" y="443" fill="#BBF7D0" font-size="13" text-anchor="middle">$1.75 输入 / $14 输出</text>
  <rect x="240" y="490" width="220" height="110" rx="18" fill="#151A22" stroke="#94A3B8" stroke-width="1.8"/>
  <text x="350" y="530" fill="#CBD5E1" font-size="23" font-weight="800" text-anchor="middle">GPT-5.2</text>
  <text x="350" y="556" fill="#CBD5E1" font-size="14" text-anchor="middle">上代模型（过渡参考）</text>
  <text x="350" y="580" fill="#94A3B8" font-size="12" text-anchor="middle">临时迁移基准线</text>
  <path d="M440 380 C470 360, 490 340, 500 330" stroke="#10B981" stroke-width="2" stroke-dasharray="7 7" opacity="0.55"/>
  <path d="M760 310 C790 280, 820 250, 800 223" stroke="#F472B6" stroke-width="2" stroke-dasharray="7 7" opacity="0.55"/>
  <path d="M460 540 C500 520, 530 500, 560 455" stroke="#94A3B8" stroke-width="2" stroke-dasharray="7 7" opacity="0.45"/>
  <text x="635" y="675" fill="#64748B" font-size="12" text-anchor="middle">选型建议：通用工作选 GPT-5.4，追求极限精度选 GPT-5.4 Pro，纯编码场景选 GPT-5.3-Codex。</text>
 </svg>
--- a/articles/003/openai-gpt54.png
+++ b/articles/003/openai-gpt54.png
--- a/scripts/render_mermaid.js
+++ b/scripts/render_mermaid.js
@ -0,0 +1,227 @@
 /**
 * 用 Playwright 渲染 Mermaid .mmd 文件为高质量 PNG
 * 用法: node render_mermaid.js <input.mmd> <output.png> [width]
 */
 const { chromium } = require('/Users/bing/node_modules/.pnpm/playwright@1.58.2/node_modules/playwright');
 const fs = require('fs');
 const path = require('path');
 const mmdFile = process.argv[2];
 const outFile = process.argv[3];
 const width = parseInt(process.argv[4] || '2400', 10);
 if (!mmdFile || !outFile) {
  console.error('Usage: node render_mermaid.js <input.mmd> <output.png> [width]');
  process.exit(1);
 }
 const mmdContent = fs.readFileSync(mmdFile, 'utf-8');
 // 检测图表类型
 const isMindmap = mmdContent.trim().startsWith('mindmap');
 const isXYChart = mmdContent.includes('xychart-beta');
 const html = `<!DOCTYPE html>
 <html>
 <head>
 <meta charset="utf-8">
 <script src="https://cdn.jsdelivr.net/npm/mermaid@11/dist/mermaid.min.js"></script>
 <style>
  body {
    margin: 0;
    padding: 40px;
    background: #080c18;
    display: flex;
    justify-content: center;
    align-items: center;
    min-height: 100vh;
  }
  #diagram {
    display: inline-block;
  }
  /* ===== 全局文字 ===== */
  .mermaid text, .mermaid tspan, .mermaid span, .mermaid p {
    font-family: 'SF Pro Display', -apple-system, BlinkMacSystemFont, 'Segoe UI', 'Helvetica Neue', Arial, sans-serif !important;
  }
  /* ===== 流程图节点文字强制白色 ===== */
  .mermaid .node .label,
  .mermaid .node .label span,
  .mermaid .node .label p,
  .mermaid .nodeLabel,
  .mermaid .edgeLabel span,
  .mermaid .edgeLabel p,
  .mermaid .cluster-label span,
  .mermaid .cluster-label p {
    color: #e0f7fa !important;
  }
  .mermaid .node text, .mermaid .node tspan {
    fill: #e0f7fa !important;
  }
  /* ===== 流程图节点发光 ===== */
  .mermaid .node rect, .mermaid .node polygon, .mermaid .node circle {
    filter: drop-shadow(0 0 6px rgba(0, 229, 255, 0.4));
    rx: 8;
    ry: 8;
  }
  /* ===== 流程图边线 ===== */
  .mermaid .edge-pattern-solid, .mermaid .flowchart-link {
    stroke: #00b8d4 !important;
    stroke-width: 2px !important;
  }
  .mermaid marker path {
    fill: #00e5ff !important;
  }
  /* ===== Cluster/subgraph ===== */
  .mermaid .cluster rect {
    stroke: #1a6a8a !important;
    stroke-width: 2px !important;
    stroke-dasharray: 6 3 !important;
    fill: rgba(10, 26, 46, 0.7) !important;
    rx: 12 !important;
    ry: 12 !important;
  }
  .mermaid .cluster-label text, .mermaid .cluster-label tspan {
    fill: #4dd0e1 !important;
  }
  .mermaid .cluster-label span, .mermaid .cluster-label p {
    color: #4dd0e1 !important;
  }
  /* ===== Edge labels ===== */
  .mermaid .edgeLabel rect {
    fill: #0a1628 !important;
    opacity: 0.9 !important;
  }
  .mermaid .edgeLabel text, .mermaid .edgeLabel tspan {
    fill: #80deea !important;
  }
  /* ===== Mindmap 修复黑块 ===== */
  .mermaid .mindmap-node rect,
  .mermaid .mindmap-node polygon,
  .mermaid .mindmap-node circle,
  .mermaid .mindmap-node ellipse,
  .mermaid .mindmap-node path {
    stroke: #00b8d4 !important;
    stroke-width: 2px !important;
    filter: drop-shadow(0 0 6px rgba(0, 229, 255, 0.35)) !important;
  }
  .mermaid .mindmap-node text, .mermaid .mindmap-node tspan {
    fill: #e0f7fa !important;
  }
  /* Mindmap 分区颜色 */
  .mermaid .section-0 rect, .mermaid .section-0 path { fill: #0d3b66 !important; stroke: #00e5ff !important; }
  .mermaid .section-1 rect, .mermaid .section-1 path { fill: #1a3a4a !important; stroke: #26c6da !important; }
  .mermaid .section-2 rect, .mermaid .section-2 path { fill: #1b3044 !important; stroke: #4dd0e1 !important; }
  .mermaid .section-3 rect, .mermaid .section-3 path { fill: #14293d !important; stroke: #00bcd4 !important; }
  .mermaid .section-4 rect, .mermaid .section-4 path { fill: #0f2b3d !important; stroke: #80deea !important; }
  .mermaid .section-5 rect, .mermaid .section-5 path { fill: #0d3352 !important; stroke: #4fc3f7 !important; }
  .mermaid .section-6 rect, .mermaid .section-6 path { fill: #102a40 !important; stroke: #29b6f6 !important; }
  .mermaid .section-7 rect, .mermaid .section-7 path { fill: #0e2d44 !important; stroke: #81d4fa !important; }
  /* 根节点 */
  .mermaid .mindmap-node:first-of-type circle {
    fill: #0d2137 !important;
    stroke: #00e5ff !important;
    stroke-width: 3px !important;
    filter: drop-shadow(0 0 12px rgba(0, 229, 255, 0.6)) !important;
  }
  /* 黑色回退 */
  .mermaid rect[fill="#000"], .mermaid rect[fill="#000000"], .mermaid rect[fill="black"],
  .mermaid path[fill="#000"], .mermaid path[fill="#000000"], .mermaid path[fill="black"] {
    fill: #0d3b66 !important;
  }
 </style>
 </head>
 <body>
 <div id="diagram">
 <pre class="mermaid">
 ${mmdContent}
 </pre>
 </div>
 <script>
 mermaid.initialize({
  startOnLoad: true,
  theme: 'base',
  themeVariables: {
    primaryColor: '#0d2137',
    primaryTextColor: '#e0f7fa',
    primaryBorderColor: '#00e5ff',
    lineColor: '#00b8d4',
    secondaryColor: '#1a3a4a',
    secondaryTextColor: '#e0f7fa',
    secondaryBorderColor: '#00bcd4',
    tertiaryColor: '#112240',
    tertiaryTextColor: '#e0f7fa',
    tertiaryBorderColor: '#26c6da',
    noteBkgColor: '#0d2137',
    noteTextColor: '#e0f7fa',
    noteBorderColor: '#00e5ff',
    edgeLabelBackground: '#0a1628',
    clusterBkg: '#0a1a2e',
    clusterBorder: '#1a5276',
    titleColor: '#00e5ff',
    background: '#080c18',
    mainBkg: '#0d2137',
    nodeBorder: '#00e5ff',
    nodeTextColor: '#e0f7fa',
    fontFamily: 'SF Pro Display, -apple-system, BlinkMacSystemFont, Segoe UI, Helvetica Neue, Arial, sans-serif',
    fontSize: '16px',
    xyChart: {
      backgroundColor: '#080c18',
      titleColor: '#00e5ff',
      xAxisLabelColor: '#e0f7fa',
      yAxisLabelColor: '#e0f7fa',
      xAxisTitleColor: '#00e5ff',
      yAxisTitleColor: '#00e5ff',
      xAxisTickColor: '#00b8d4',
      yAxisTickColor: '#00b8d4',
      xAxisLineColor: '#00b8d4',
      yAxisLineColor: '#00b8d4',
      plotColorPalette: '#00e5ff,#4dd0e1,#26c6da,#00bcd4,#80deea,#b2ebf2'
    }
  },
  mindmap: { useMaxWidth: false },
  flowchart: { useMaxWidth: false, htmlLabels: true }
 });
 </script>
 </body>
 </html>`;
 (async () => {
  const browser = await chromium.launch();
  const page = await browser.newPage({
    viewport: { width: width, height: 1600 },
    deviceScaleFactor: 2
  });
  await page.setContent(html, { waitUntil: 'networkidle' });
  await page.waitForSelector('.mermaid svg', { timeout: 15000 });
  await page.waitForTimeout(1000);
  const box = await page.locator('#diagram').boundingBox();
  if (!box) {
    console.error('Failed to locate diagram');
    await browser.close();
    process.exit(1);
  }
  const padding = 40;
  await page.screenshot({
    path: outFile,
    clip: {
      x: Math.max(0, box.x - padding),
      y: Math.max(0, box.y - padding),
      width: box.width + padding * 2,
      height: box.height + padding * 2
    }
  });
  console.log(`OK: ${outFile} (${Math.round(box.width)}x${Math.round(box.height)})`);
  await browser.close();
 })();
--- a/scripts/upload_qiniu_003.py
+++ b/scripts/upload_qiniu_003.py
@ -0,0 +1,53 @@
 """上传文章 003 的所有图片到七牛云 OSS"""
 import os
 import glob
 from qiniu import Auth, put_file
 ACCESS_KEY = 't1PIPGcvBY9lJVXFZFb48maTQsGGhvLsR5QQlNq0'
 SECRET_KEY = 'KGooFdF5eCLdCIMCOD6x5ofMzu4vYE17T5Mvp9qC'
 BUCKET_NAME = 'union-saas'
 CDN_DOMAIN = 'https://cdn.union.jxyunge.com'
 UPLOAD_PREFIX = 'self-media/003/'
 def upload_file(local_path, key):
    """上传单个文件到七牛"""
    q = Auth(ACCESS_KEY, SECRET_KEY)
    token = q.upload_token(BUCKET_NAME, key, 3600)
    ret, info = put_file(token, key, local_path, version='v2')
    if info.status_code == 200:
        url = f'{CDN_DOMAIN}/{key}'
        print(f'  OK {os.path.basename(local_path)} -> {url}')
        return url
    else:
        print(f'  FAIL {os.path.basename(local_path)}: {info}')
        return None
 def main():
    img_dir = os.path.join(os.path.dirname(__file__), '..', 'articles', '003')
    # 收集所有图片文件（PNG + SVG）
    files = sorted(
        glob.glob(os.path.join(img_dir, '*.png'))
        + glob.glob(os.path.join(img_dir, '*.svg'))
    )
    results = {}
    for f in files:
        name = os.path.basename(f)
        key = UPLOAD_PREFIX + name
        url = upload_file(f, key)
        if url:
            results[name] = url
    print(f'\n===== 上传完成: {len(results)}/{len(files)} =====')
    for name, url in results.items():
        print(f'{name}: {url}')
    return results
 if __name__ == '__main__':
    main()