现代人几乎不再有纯粹的行走经验。 单车汽车火车飞机，各种载具与座驾，辅助我们完成地点间转移，效率至上，但剥夺双脚接触路面的机会。五花八门的导航软件，规制和计划好移动的方案，路线最优，但我们甚至失去了迷路的权利。 行走之于人类，到底意味着什么？卢梭说，只有行走时，他才能感到生命如此鲜活；《活山》里写，行走让身体“透明并且至高无上”。行走，尤其是独行，让生命可知可感，为思考创造时间与空间。 我们希望通过“都市独行”节目，企划三场独自行走，来重新反思行走的意义。不借助载具和座驾，摆脱技术化延伸；脚踏大地，回归本质的身体；关注附近，而非远处的风景。 第一期，记录了艺术家葛宇路独行燕郊的经历，与他对“边界”的看法。
携程酒店排序推荐广告工程（以下简称酒店推荐工程）在数据层面引入抽象化的统一数据协议UnifiedPB，解决了过去各场景各自维护，建立各自的数据流，网状开放式数据表，烟囱式迭代的问题，实现了全场景数据的标准化、规范化、统一化。 那么，UnifiedPB具体是什么呢？它是基于protobuf构建的统一工程、策略、数据三方的标准数据模型。从数据时效性上，我们抽象出三类：Online、NearLine、Offline；从数据类型归属上，我们抽象出四类：User、Item、User-Item、Common（公用字典）。
在普惠顺风车订单系统中，一旦司机和乘客建立订单关系后，若其中任何一方发起取消订单的请求，将触发判责算法，该算法将输出确定订单取消责任的一方。
Havenask是阿里巴巴智能引擎事业部自研的开源高性能搜索引擎，深度支持了包括淘宝、天猫、菜鸟、高德、饿了么在内几乎整个阿里的搜索业务。本文针对性介绍了Havenask的消息系统--Swift，它是一个设计用于处理大规模的数据流和实时消息传递的高性能、可靠的消息系统。
随着LLM技术应用及落地，数据库需要提高向量分析以及AI支持能力，向量数据库及向量检索等能力“异军突起”，迎来业界持续不断关注。简单来说，向量检索技术以及向量数据库能为 LLM 提供外置的记忆单元，通过提供与问题及历史答案相关联的内容，协助 LLM 返回更准确的答案。 不仅仅是LLM，向量检索也早已在OLAP引擎中应用，用来提升非结构化数据的分析和检索能力。ByteHouse是火山引擎推出的云原生数据仓库，近期推出高性能向量检索能力，本篇将结合ByteHouse团队对向量数据库行业和技术的前沿观察，详细解读OLAP引擎如何建设高性能的向量检索能力，并最终通过开源软件VectorDBBench测试工具，在 cohere 1M 标准测试数据集上，recall 98 的情况下，QPS性能已可以超过专用向量数据库。
本文旨在探讨字节跳动数据平台在处理计算治理过程中所面临的问题及其解决方案，并展示这些解决方案带来的实际收益。主要内容包括：探讨面临的痛点和挑战、提供自动化的解决方案、分析实践效果和收益、提出结论和未来展望。
最新越发觉得AI的发展，对未来是一场革命，LangChain已经在工程设计上有了最佳实践，类似于AI时代的编程模型或编程框架，有点Spring框架的意思。之前在LangChain上也有些最佳实践，所以在这里分享记录下。
