Porządkuj pliki na pulpicie

Przeanalizuj postać Transformers z filmu referencyjnego i wyeksportuj szczegółowy model 3D CAD/mesh jako .glb. Rozpoznaj styl, przeguby i detale powierzchni; rozdziel ciało i pancerz przy logicznych osiach obrotu; użyj precyzyjnej geometrii hard-surface oraz metalicznych materiałów PBR z emisją. Osadź mapy Diffuse, Normal, Roughness, Metallic i Emissive w GLB, zachowując czystą topologię, geometrię manifold i wydajność czasu rzeczywistego.

Przetwórz wszystkie paragony i faktury w folderze „VAT”, w tym zdjęcia, skanowane pliki PDF i cyfrowe faktury. Wynik końcowy powinien zawierać tylko dwa pliki: (1) vat_return.xlsx — plik Excela powinien zawierać jeden wiersz na każdy paragon lub fakturę, listę wszystkich wyodrębnionych pól, informację, czy każda pozycja kwalifikuje się do odzyskania VAT, kwotę VAT do odzyskania dla każdej kwalifikującej się pozycji, powód wykluczenia dla pozycji niepodlegających odzyskaniu, wyraźne oznaczenie pozycji wymagających ręcznej weryfikacji oraz arkusz podsumowania pokazujący łączną kwotę VAT do odzyskania. (2) vat_return.html — utwórz samodzielny plik HTML, który można otworzyć bezpośrednio i udostępnić zespołowi księgowemu. Plik HTML powinien pokazywać wszystkie pozycje odzysku VAT, kwotę VAT do odzyskania dla każdej pozycji, pozycje wykluczone i powody wykluczenia, pozycje wymagające ręcznej weryfikacji oraz łączną kwotę VAT do odzyskania. Nie zgaduj żadnych niepewnych informacji.

Przeprowadź dogłębne badanie 26 firm z ekosystemu infrastruktury AI — najbardziej pewnego głównego nurtu całego łańcucha wartości AI. Obejmij te 6 podsektorów (wybierz reprezentatywne firmy w każdym z nich, od liderów o dużej kapitalizacji po mniejszych graczy): Centrum danych AI (infrastruktura obliczeniowa / rozbudowa); GPU / chipy AI (silicon do treningu i inferencji, ASIC, IP); Serwery, sieci i moduły optyczne (switches, NIC, połączenia optyczne); Zasilanie, chłodzenie cieczą i magazynowanie energii (zasilanie, termika, zarządzanie energią); Chmura AI / platforma obliczeniowa (hyperscalers, chmury GPU, platformy wynajmu mocy obliczeniowej); Ekosystem wspierający (HBM / zaawansowane pakowanie, foundry, złącza i inne krytyczne komponenty). Dla każdej firmy zbadaj: nazwę firmy, podsektor, siedzibę / kraj; kluczowe produkty i jej konkretną rolę w łańcuchu AI; publiczna czy prywatna (ticker + giełda, jeśli notowana; jeśli prywatna, podaj najnowszą wycenę / rundę finansowania); kapitalizację rynkową lub wycenę (do rankingu); pozycjonowanie i przewagę konkurencyjną w ekosystemie (1–2 zdania); kluczowych klientów / konkurentów. Kolejność: w obrębie każdego podsektora uporządkuj od największej do najmniejszej (według kapitalizacji rynkowej / wyceny). Zbuduj całość od góry do dołu: od pełnego krajobrazu ekosystemu sprzętowego do każdej pojedynczej firmy. Wymagania wyjściowe: najpierw wygeneruj uporządkowany plik danych ai_infra_data.json — zawierający wszystkie 26 firm z powyższymi polami, 6 klasyfikacji podsektorów, flagę publiczna/prywatna oraz macierz porównawczą między firmami (podsektor × kluczowe wymiary). Następnie wygeneruj dopracowany raport HTML na podstawie tego JSON-a: uwzględnij diagram krajobrazu ekosystemu / warstwowy, sekcje sektorowe, karty firm, czytelny wizualny wskaźnik firm publicznych i prywatnych (tagi lub kodowanie kolorami), wykres rankingu kapitalizacji rynkowej oraz sortowalną/filtrowalną tabelę porównawczą. Zaprojektuj całość profesjonalnie, gęsto informacyjnie i interaktywnie. Najpierw zweryfikuj dokładność danych badawczych (status notowań, tickery, wyceny — użyj najnowszych wartości i cytuj źródła), a dopiero potem wygeneruj raport. Przekaż zadanie w trybie pojedynczego agenta.