从静态页面到模块化开发，前端工程化经历了怎样的演进？Webpack、Vite、Rspack 这些打包工具各自解决了什么问题，在实际项目中又该如何选择？
从 2010 年至今，Android 架构的迭代始终围绕“解耦、可维护、可测试”的核心目标，一步步从“代码堆砌”走向“规范化设计”。本文将通过 7 个阶段梳理这段进化史。
在我们的业务中，一个基于Vision Transformer (ViT)微调的色情图片分类模型扮演着关键角色。它在线下评估中表现出色，然而，当我们将它部署到生产环境提供在线推理服务时，真正的挑战才刚刚开始。 我们最初采用训练时的PyTorch框架 + Flask提供WEB服务的方案，但性能测试结果给我们敲响了警钟：单张图片的端到端平均延迟 53.64ms。令人困惑的是，GPU核心、显存等关键资源的利用率始终不高。在业务压力下，我们首先依靠增加服务副本、利用多进程并发的方法来支撑，这显然不是一个可扩展、高效率的长期解决方案。 那么，如何榨干GPU的每一分性能？本文将完整复盘我们的优化之旅，记录我们如何通过七个阶段的迭代，跟随性能瓶颈的不断转移，将单张图片的平均处理时间从 53.64ms 极致压缩到 8.34ms，最终实现了超过 6.4倍 的性能提升。
在做广告监测自动化之前，最先遇到的痛点就是人工监测效率极低。开发这套系统的过程，更多像是一场不断平衡"准确性、性能、跨设备兼容性"的技术实践。在移动广告监测领域，自动化、高效、可靠的广告识别与采集系统对于广告效果评估、竞品分析以及广告合规性检测至关重要。随着移动应用生态的快速发展，传统的人工监测方式已无法满足大规模、高频次、多维度的广告数据采集需求。该项目——Android广告监测系统，旨在解决这一痛点。整个系统并非一开始就成型，而是在多次迭代中逐步演进，通过不断踩坑和取舍才最终沉淀下来。
