精彩博客
AiPy，能踏實當我的 AI 打工牛馬嗎？
原
薦
最近是不是感覺AI智能體（Agent）層出不窮？ 個個都說能幫你干活，解放雙手。但試了一圈，有的像“玩具”，中看不中用；有的像個“黑盒子”，搞不清它在干嘛，數據安全更是讓人心里打鼓；還有...
RWKV-7s 即將亮相 WAIC
原
薦
2025 年 7 月 26 日至 29 日，RWKV 團隊受邀參加 2025 世界人工智能大會（WAIC 2025）。RWKV 將在大會上公開最新 RWKV-7s 混合架構，與所有參會者分享 RWKV 的最新技術突破。 7 月 26-29 日，...
LazyLLM教程 | 第1講：RAG原理解讀：讓檢索增強生成不再是黑盒
原
薦
貼心小梗概 本文將首先介紹大模型的基礎，包括定義、工作原理與挑戰，逐步探討其應用場景與局限性。接著將介紹RAG技術的崛起，分析其如何通過結合外部知識庫來增強大模型的能力，并詳細闡述R...
性能提升 10 倍，零改造實現 DIFY 模式遷移至 Spring AI Alibaba 模式
原
薦
作者：洪巖、等閑、陳才、劉軍、王灝廷 Dify 是一個用于構建 AI 原生應用的開源平臺，一個結合了后端即服務（BaaS）和 LLMOps 的綜合性開發平臺。由于其可視化的 AI 應用開發模式（支持聊天助...
上下文更長 ≠ 更好：為什么 RAG 仍然重要
原
薦
作者：來自 Elastic Jeffrey Rengifo 及 Eduard Martin Elasticsearch 與行業領先的 Gen AI 工具和提供商進行了原生集成。查看我們的網絡研討會，了解如何超越 RAG 基礎知識，或構建生產就緒...
專訪｜馮雷：走完“最后一公里”路，去無限接近“終極模型”
原
薦
當你打開航旅縱橫查看年度飛行報告，一年飛行足跡瞬間具象化，屏幕中往返城市相連，數字躍動，勾勒出喜怒哀樂。交織軌跡見證時光，也留存生活鮮活瞬間。 “超越全國用戶數 99.99%”“飛行時長...
故障定位系列-5-DB基本故障
原
薦
準備出一系列故障定位的經驗分享文章 一款體驗故障定位的神器 故障定位系列-1-接口級故障 故障定位系列-2-共享連接池故障 故障定位系列-3-容器資源故障 故障定位系列-4-波動度故障 故障定位系...
從硬盤爆滿到 GitHub 封號，一位前端開發者的開源歷險記
原
薦
前段時間，我結識了一位前端工程師「1024小神」。他的“戰友”是一臺 MacBook Air M3（8G+256GB），原本用來開發網頁、小程序，綽綽有余。 然而，他的噩夢始于老板輕描淡寫的一個需求。 某天...
百萬 TPS 服務發布無感知！詳解輕量消息隊列無損發布實踐
原
薦
作者：辛八 前言 阿里云輕量消息隊列（原 MNS）【1】是一款易集成、高并發、彈性可擴展的消息隊列服務，助力開發者在分布式組件間高效傳遞數據，構建松耦合架構。它憑借輕量化架構、高可靠性...
GPU 維修，一個百億市場是如何形成的？
原
薦
2020 年，全球人工智能（AI）迎來熱潮，大模型技術席卷全球。 作為全球最大的互聯網和科技應用市場之一，中國對 AI 算力的需求早已快速增長，阿里、騰訊、字節跳動等科技巨頭和眾多 AI 初創公...
美團開源OIBench與CoreCodeBench：揭示大模型編程能力的真實水平
原
薦
Meituan-M17 團隊聯合上海交大等機構，分別推出了 OIBench（聚焦高區分度算法題評測）與 CoreCodeBench（聚焦多場景工程級代碼基準）兩大數據集，旨在揭示大模型編程能力真實水平，這兩大數據...
產品研發的不可能三角：更好更快更便宜
原
薦
用最少的投入、最快的速度，打造出最優質的產品——這是理想。 在產品研發中，速度、質量與成本不可能同時達到最優狀態——這是現實。 如何在這看似無解的困局中尋找破局之道？ 今天，我們來...
告別提示詞工程，「上下文工程」才是 AI Agent 的核心競爭力
原
薦
編者按： 什么樣的技能才能真正決定 AI 智能體的成敗？是更復雜的算法，還是更精妙的提示詞？我們今天為大家帶來的文章，作者的觀點是：構建強大 AI 智能體的關鍵已從“提示詞工程”轉向“上...
給 DolphinScheduler 加一個 SQL Copilot 聊天助手，這個主意怎么樣？
原
薦
DolphinScheduler 準備引入 Copilot 聊天助手啦！借助大語言模型（如 OpenAI），幫助用戶智能編寫 SQL、優化代碼、答疑解惑，大幅提升開發體驗。 咱 DolphinScheduler 也是緊跟上 AI 智能化的...
回答準確率從60%飆至95%！AI知識庫救命方案
原
薦
AI 的浪潮席卷而來，各行各業都在積極探索 AI 的落地應用，無論是為了提升工作效率，還是為了在同事和領導面前展現技術實力，技術先行者們都躍躍欲試。在眾多 AI 落地場景中，**知識庫（Ret...
你的AI智能體，5分鐘就能動起來
原
薦
??5分鐘就能運行起來的AI智能體長什么樣？ 我們來設想一個真實場景： 一個倉庫管理部門的IT主管，想讓AI每天自動整理庫存異常，并推送匯總意見給主管。 以前要做這個，可能要： 找程序員寫...
社區搜索離線回溯系統設計：架構、挑戰與性能優化｜得物技術
原
薦
一、項目背景 在社區場景中，我們積累了豐富的用戶互動數據。這些歷史互動信息對CTR/CVR預估建模具有重要參考價值，用戶的每次互動都反映了其特定維度的偏好特征。當前，已在多個業務實踐中驗...
Post-Training on PAI (4)：模型微調SFT、DPO、GRPO
原
薦
引言 Post-Training（即模型后訓練）作為大模型落地的重要一環，能顯著優化模型性能，適配特定領域需求。相比于 Pre-Training（即模型預訓練），Post-Training 階段對計算資源和數據資源需求...
BI 數據可視化平臺建設（3）—首頁性能提升實踐
原
薦
作者： vivo 互聯網大數據團隊- Wang Lei 本文是vivo互聯網大數據團隊《BI 數據可視化平臺建設》系列文章第3篇。 隨著越來越多代碼的堆積，平臺的運行加載性能也在逐步下降，在不同程度上極大...
透視變換原理
原
薦
線性變換 x'=Ax，其中A是矩陣，x'和x都是向量，這是一種原點不變，且原有的平行關系和倍數關系都不變的空間視角轉換，它轉換的是從不同空間視角來看x這個向量，x'和x其實是同一個向量，只不過...
沒有更多內容
加載失敗，請刷新頁面
告別提示詞工程，「上下文工程」才是 AI Agent 的核心競爭力
原
薦
編者按： 什么樣的技能才能真正決定 AI 智能體的成敗？是更復雜的算法，還是更精妙的提示詞？我們今天為大家帶來的文章，作者的觀點是：構建強大 AI 智能體的關鍵已從“提示詞工程”轉向“上...
社區搜索離線回溯系統設計：架構、挑戰與性能優化｜得物技術
原
薦
一、項目背景 在社區場景中，我們積累了豐富的用戶互動數據。這些歷史互動信息對CTR/CVR預估建模具有重要參考價值，用戶的每次互動都反映了其特定維度的偏好特征。當前，已在多個業務實踐中驗...
從 Python 演進探尋 AI 與云對編程語言的推動
原
薦
作者：孤弋 引言 Python 作為當今最受歡迎的編程語言之一，從 2008 年 Python 3.0 的發布到 2024 年 Python 3.13 的正式發布，以及 2025 年計劃發布的 Python 3.14，十六年的演進過程不僅見證...
從Rust模塊化探索到DLB 2.0實踐｜得物技術
原
薦
一、前言 在云原生架構高速迭代的背景下，基礎設施的性能瓶頸與安全隱患成為技術演進的關鍵挑戰。本文系統記錄了團隊基于Rust語言改造Nginx組件的完整技術路徑：從接觸Cloudflare的quiche庫，...
AI 深度研究（Deep Research）原理解析
原
薦
編者按： 當你在使用 ChatGPT、Claude 或 Perplexity 時，是否好奇過為什么它們不僅能夠回答你的問題，還能主動挖掘相關信息、交叉驗證事實性信息，甚至提出你沒想到的關聯問題？為什么同樣是...
搜索數據建設系列之數據架構重構
原
薦
導讀 主要概述百度搜索業務數據建設的創新實踐，重點圍繞寬表模型設計、計算引擎優化和新一代業務服務交付模式（圖靈3.0開發模式）三大方向，解決了傳統數倉在搜索場景下面臨的諸多挑戰，實現...
號碼生成系統的創新實踐：游戲周周樂幸運碼設計
原
薦
作者： vivo 互聯網服務器團隊- Zhang Jing 本文以游戲周周樂的幸運碼為切入點，針對其生成過程中涉及的隨機性、唯一性及高并發等特點，設計了一種基于號段+子碼的創新架構。該方案不僅在生成...
給Javaer看的大模型開發指南｜得物技術
原
薦
一、概述 伴隨著大模型的性能提升、成本下降，在Web在線對話場景以外，大模型也越來越多的被集成到傳統業務場景。 在大模型API交互模式、業務集成模式經百家爭鳴現已趨于穩定的背景下，Sprin...
加鎖失效，非鎖之過，加之錯也
原
薦
作者：京東零售 邢成 引言 多個進程或線程同時(或著說在同一段時間內)訪問同一資源會產生并發問題。 銀行兩操作員同時操作同一賬戶就是典型的例子。比如A、B操作員同時讀取一余額為1000元的賬...
百度日志中臺前端重構實踐
原
薦
日志中臺是百度內部針對打點數據的全生命周期管理平臺，作為公司日志數據的唯一入口，承擔以下核心職能：1.功能覆蓋：提供從數據采集、傳輸、存儲到查詢分析的一站式服務，支持產品運營分析、...
Redis 是單線程模型？｜得物技術
原
薦
一、背景 使用過Redis的同學肯定都了解過一個說法，說Redis是單線程模型，那么實際情況是怎樣的呢？ 其實，我們常說Redis是單線程模型，是指Redis采用單線程的事件驅動模型，只有并且只會在一...
JDK高版本特性總結與ZGC實踐
原
薦
美團信息安全技術團隊核心服務升級JDK 17后，性能與穩定性大幅提升，機器成本降低了10%。高版本JDK與ZGC技術令人驚艷，且Java AI SDK最低支持JDK 17。本文總結了JDK 17的主要特性，然后重點分...
百度垂搜數據管理系統彈性調度優化實踐
原
薦
百度垂直搜索系統將搜索核心能力賦能阿拉丁（百度搜索特型結果）、垂直領域搜索、應用內搜索等場景，支撐了數百個檢索場景、百億級內容數據的檢索。隨著接入業務數量和數據量不斷增長，系統在...
得物自研DScript2.0腳本能力從0到1演進
原
薦
一、前言 在高并發推薦引擎場景中，C++的極致性能往往以開發效率為妥協，尤其在業務頻繁迭代時，C++的開發效率流程成為顯著瓶頸。傳統嵌入式腳本（如Lua）雖支持動態加載，但其與C++的交互成...
零基礎解碼Transformer與大模型核心原理
原
薦
本文以通俗易懂的方式，為“大模型小白”解析Transformer的核心原理，包括其與大模型的關系、自注意力機制、多頭注意力機制、位置編碼、Encoder和Decoder的組成等內容，幫助讀者全面理解這一...
AI 智能體到底應該如何構建？分享 Github 上收獲 4k stars 的 12 條原則
原
薦
編者按： AI 智能體到底應該如何構建？是追求復雜的端到端解決方案，還是回歸軟件工程的本質思維？ 我們今天為大家帶來的文章，作者的觀點是：智能體本質上就是軟件，應該用嚴謹的軟件工程原...
工作中對InheritableThreadLocal使用的思考
原
薦
代碼評審時，發現在線程池中使用InheritableThreadLocal上下文會使其中的線程變量失效，無法獲取到預期的變量值，所以對問題進行了復盤和總結。 1. 先說結論 InheritableThreadLocal 只有在父...
vivo Pulsar萬億級消息處理實踐（1）-數據發送原理解析和性能調優
原
薦
作者：vivo 互聯網大數據團隊- Quan Limin 本文是vivo互聯網大數據團隊《vivo Pulsar萬億級消息處理實踐》系列文章第1篇。 文章以Pulsar client模塊中的Producer為解析對象，通過對Producer數...
大模型微調知識與實踐分享
薦
轉
本文詳細介紹了大型語言模型（LLM）的結構、參數量、顯存占用、存儲需求以及微調過程中的關鍵技術點，包括Prompt工程、數據構造、LoRA微調方法等。 微調相關知識介紹 ? 1.1. 認識大模型 在介...
純前端實現圖片偽3D視差效果
原
薦
作者：vivo 互聯網前端團隊- Su Ning 本文通過depth-anything獲取圖片的深度圖，同時基于pixi.js，通過著色器編程，實現了通過深度圖驅動的偽3D效果。該方案支持鼠標/手勢與手機陀螺儀雙模式...
沒有更多內容
加載失敗，請刷新頁面
本周最受歡迎博主
推薦博主
21 篇文章
6W 次訪問
62 篇文章
30W 次訪問
266 篇文章
43.7W 次訪問
537 篇文章
27.6W 次訪問
137 篇文章
5.3W 次訪問
376 篇文章
46.4W 次訪問
19 篇文章
8.4K 次訪問
96 篇文章
4W 次訪問
551 篇文章
18.7W 次訪問
