某天你敲下一段代码，堪称“神之一手”：也许是一行把复杂度打穿的重构，也许是半夜排查后的关键Bug修复……多年以后，还让你回味无穷。所以，你还记得当初的代码片段吗？那段代码解决了什么问题？现在，是时候让这些 “神之一手” 的代码片段重见天日了！
AI 技术的飞速迭代，在极大增进各行各业工作效率的同时，也对一些工作岗位带来了被替代的阴影。从单体应用到云原生架构，再到当下的 AI 时代，短短十几年间变化巨大，架构师在这个进程中的存在与作用将发生怎样的改变？ 腾讯云架构师技术同盟作者李波通过本文深入阐述了其中的因果变迁，原标题《AI 架构未来》。
Dragonboat 是纯 Go 实现的（multi-group）Raft 库。 为应用屏蔽 Raft 复杂性，提供易于使用的 NodeHost 和状态机接口。该库（自称）有如下特点：高吞吐、流水线化、批处理；提供了内存/磁盘状态机多种实现；提供了 ReadIndex、成员变更、Leader转移等管理端API；默认使用 Pebble 作为 存储后端。 本次代码串讲以V3的稳定版本为基础，不包括GitHub上v4版本内容。
本文将会向您介绍如何利用 Eino ADK (Agent Development Kit) 构建一个强大的多智能体系统。往期链接：Eino ADK：一文搞定 AI Agent 核心设计模式，从0到1搭建智能体系统以 Excel Agent 这个实际业务场景为基础，Excel Agent 是一个能够“听懂你的话、看懂你的表格、写出并执行代码”的智能助手。它把复杂的 Excel 处理工作拆解为清晰的步骤，通过自动规划、工具调用与结果校验，稳定完成各项Excel数据处理任务。接下来我们将从 Excel Agent 的完整架构与功能出发，向您展示该 Agent 是如何通过 Eino ADK 逐步搭建的，进而深入浅出的理解 Eino ADK 的核心设计特点，助您快速上手 Eino ADK，向构建自定义智能体与 AI 应用系统更进一步。点击原文即可获取本示例完整代码链接，您可以随时浏览与下载。
Ant Design 6.0 & Ant Design X 2.0 于 11 月 22 日在 SEE Conf 2025 上午主会场发布。SEE Conf 2025 由蚂蚁终端技术委员会主办，大会的主题为「探索 AI 时代的用户体验与工程实践」，大会期待与业界同行共同分享和交流体验科技的最新进展，探讨切磋 AI 时代体验科技的未来发展，共同让生态繁荣共赢。
本文探讨了前端互动开发中组件复用的困境，指出传统代码复用模式因逻辑复杂、维护成本高而难以持续。随着AI技术的发展，作者提出一种“规范驱动的AI协同开发”新模式：从“代码复用”转向“规范复用”，即通过制定统一的开发规范（Spec），利用AI按需生成针对具体场景的专用组件。这种方式降低了组件复杂度，提升了可维护性与一致性。文章以“Bottom组件”为例，详细展示了如何通过设计原则、布局结构、功能模块、埋点规范等标准化文档指导AI生成高质量、定制化的前端代码，从而实现高效、可持续的组件开发实践。
随着大语言模型与开发工具链的深度融合，命令行终端正被重塑为开发者的AI协作界面。本文以 Google gemini-cli 为范本，通过源码解构，系统性分析其 Agent 内核、ReAct 工作流、工具调用与上下文管理等核心模块的实现原理。为希望构建终端 Agent 的开发者，提供工程实现的系统化参考。
做数据前端，你会很快建立一个共识： 怎样把枯燥的数字用合适的方式展示出来，是我们的第一要务，但这只是起点。 如果说规范的数字排版是中后台系统的“地基”，保证了信息的准确传达；那么可视化图表就是地基之上的“建筑”。地基稳固，建筑才能发挥其功能——让用户从微观的读数中解放出来，更快速地识别趋势、定位异常，从而真正从数据中获取规律。 但这篇主要想聊的，不是那座“建筑”，而是这块往往被忽视，却决定了整个系统专业度的“地基”——数字格式化。
