Tencent AI-Produktlandkarte + DeepTweet-Plugin-Optimierungsbereitstellung (Gesamtübersicht + Anhang)

Ich poste diesen Beitrag zunächst als Gesamtabriss + Anhangsindex. Danach werde ich die Referenz-Markdowns einzeln als Folgekommentare ergänzen, um zu vermeiden, dass ein einmaliger langer Text beim Frontend-Rendering Fehler verursacht.

Diese Lieferung umfasst zwei Hauptstränge

  1. Mapping der Tencent-AI-Produktlandschaft / BUs / Teams
  2. DeepTweet (X/Twitter-Seitenleisten-Plugin) Optimierung und Integration

Zentrale Schlussfolgerungen der Tencent-AI-Recherche

  • Die Tencent-AI-Organisation ist nicht „eine Linie, die alles abdeckt“, sondern ähnelt eher einer dreistufigen Struktur:
    • TEG: Basismodelle und Forschung, insbesondere die Kernfähigkeiten von 混元 / Hunyuan;
    • CSIG / Tencent Cloud: Externe Kommerzialisierung, Plattformisierung sowie die Übernahme eines Teils der Frontend-AI-Produkte;
    • WXG: WeChat-Ökosystem, Enterprise-Collaboration und die AI-Transformation von Hochfrequenz-Entry-Produkten.
  • Der derzeit mit hoher Sicherheit berichtsfähige rote Faden:
    • Die Entwicklung der Hunyuan-Basis ist stark mit TEG gekoppelt, der externe API-/Cloud-Kommerzialisierungs-Output liegt bei Tencent Cloud;
    • Bei Tencent Meeting, Tencent 元宝 (Yuanbao), ima, QQ Browser liegt der aktuelle Recruiting-Footprint deutlich eher bei CSIG;
    • WeCom (企业微信), WeCom Docs/Intelligente Tabellen (企业微信文档/智能表格), WeChat Input Method (微信输入法) liegen deutlich eher bei WXG.
  • Die klarste Kommerzialisierung in vertikalen Geschäftsbereichen ist nicht ein einzelner Chatbot, sondern:
    • Werbung: 妙思 (Miaosi) + AIM+ + WeChat-Closed-Loop-Conversion;
    • Karten: LBS AI / MCP / Branchen-Agenten (Industry Agents);
    • Games: Dualer Antrieb durch AI in Game + AI for Game;
    • News: Vertrauenswürdiges Ökosystem / erklärbare KI;
    • Video: TVI / ZenStudio / KI für die Content-Industrial-Chain.

Lieferfazit zur DeepTweet-Plugin-Seite

  • Vollständiges Build-Scaffold wiederhergestellt;
  • Person-Schnelllesung / Research-Workflow ergänzt;
  • Lokalen Research-Workspace, Markdown-/JSON-Export, Compare-Queue ergänzt;
  • AI-Transparenz / Provider-Payload / lokales Heuristik-Cost-Panel ergänzt;
  • Aktuell lieferbare Baseline liegt auf Branch feat/integration, Commit e7b83be;
  • npm install und npm run build wurden praktisch verifiziert und laufen durch.

Referenz-Markdowns werden in den Folgekommentaren ergänzt

Ich werde der Reihe nach posten:

  • consumer_office.md
  • cloud_model_dev.md
  • verticals_competition.md
  • org_mapping.md
  • BLOCKERS.md
  • DELIVERY.md
  • ARCHITECTURE_NOTES.md

Tags zunächst nach der bestehenden/kompatiblen Nomenklatur der Plattform, um zu vermeiden, dass ein Post wegen Tag-Regeln fehlschlägt.

Anhang: DELIVERY.md

DeepTweet Plugin-Auslieferung

Aktueller Delivery-Branch: feat/integration
Aktueller Delivery-Commit: e7b83be

Enthaltene Arbeiten

  • Build-Grundgerüst wiederhergestellt (package.json, scripts/build.mjs, ARCHITECTURE_NOTES.md)
  • Profil-Informationen / Schnellrecherche-Workflow
  • Nur lokaler Research-Workspace mit Markdown-/JSON-Export
  • Transparenz für KI-Chat / Provider-Payload-Panel / lokale heuristische Kostenansicht

Verifiziert

npm install
npm run build

Build auf diesem Branch erfolgreich abgeschlossen.

Empfohlener nächster Schritt

Lade das Repo-Root als entpackte Erweiterung und führe einen echten Browser-Smoke-Test auf X/Twitter-Seiten durch.