本文系统介绍了得物如何将大模型技术深度应用于社区搜索场景，实现了从搜索相关性判别、用户兴趣挖掘、Query 自动生成到多模态商品内容表征的全链路智能化升级。得物作为国内领先的潮流电商平台，其独特之处在于构建了"商品+内容"双轮驱动的社区生态。用户不仅在平台上购买商品，更会主动搜索商品相关的种草内容、购买决策参考以及售后维护信息。这种复杂的业务场景对搜索系统提出了更高的技术要求，传统的 BERT 模型已难以满足业务发展需求。 本文将从四个维度深入剖析大模型在得物搜索中的实践经验：社区搜索业务架构、大模型相关性判别、智能 Query 生成以及多模态统一表征。通过千万级数据标注、推理式模型训练、数据飞轮迭代等创新方法，得物在搜索准确率、用户体验和算法效率上取得了显著突破，为行业提供了宝贵的落地参考。
我们构建了一套“自动提取 → 智能泛化 → 增量更新 → 向量化同步”的全链路自动化 pipeline，将 Agent 知识库建设中的收集、提质与维护难题转化为简单易用的 Python 工具，让知识高效、持续、低门槛地赋能智能体。
本文首先以淘天电商交易订单表线上一条非典型慢 SQL 的深入剖析为切入点，示范如何系统地分析与排查慢 SQL；接着详尽归纳了索引分类、B+Tree 与 B‑Tree 的结构差异、B+Tree 高度估算方法、EXPLAIN 与 Query Profile 等诊断工具的使用，以及索引下推与排序的执行流程等索引优化理论；最后结合日常实践经验，提出了适用于大规模线上集群的索引变更 SOP，并总结了常见的慢 SQL 成因与相应的解决策略。
近期，得物社区活动「用篮球认识我」推出 “用户上传图片生成专属球星卡” 核心玩法。 初期规划由服务端基于 PAG 技术合成，为了让用户可以更自由的定制专属球星卡，经多端评估后确定：由 H5 端承接 “图片交互调整 - 球星卡生成” 核心链路，支持用户单指拖拽、双指缩放 / 旋转人像，待调整至理想位置后触发合成。而 PAG 作为腾讯自研开源的动效工作流解决方案，凭借跨平台渲染一致性、图层实时编辑、轻量化文件性能，能精准匹配需求，成为本次核心技术选型。 鉴于 H5 端需落地该核心链路，且流程涉及 PAG 技术应用，首先需对 PAG 技术进行深入了解，为后续开发与适配奠定基础。
时光奔流，我们即将与 2025 年挥手作别。感谢这一路上，每一位伙伴的并肩前行与坚定支持。今年，美团技术团队在持续深耕中涌现出不少值得分享的实践与开源产品&服务。我们从中精选了18篇具有代表性的技术文章，内容涵盖大模型开源、研发技能、产品服务三大方向。值得一提的是，美团 LongCat 团队今年在大模型开源领域成果显著，陆续发布了涵盖基座模型、图像、视频、语音等多个方向的开源产品与工具，期望能够持续推动AI技术分享与生态共建。希望这些开源的大模型产品、服务及凝结一线技术实战经验的内容，能为大家带来启发和帮助，陪伴同学们在技术前行的道路上扎实成长。愿我们在新年里，继续向下扎根、向上生长，迎着光，奔赴更高、更远的山海。当然，跟以往一样，文末依然准备了一份小心意，期待你的参与。2026，期待继续同行！
在大模型满天飞的今天，我们是甘心做一个只会调用 OpenAI.chat.completions 的 API 搬运工，还是想真正弄懂那个黑盒子里到底发生了什么？本文将用最朴素的代码，完整的实现一个小型LLM。当你亲手写出 Attention 层的矩阵乘法，亲眼看到模型从输出乱码到学会说话，你会发现：大模型，其实也没那么可怕。
