无论是一次简单的汇报还是对于自己的学习过的知识的进行相应的总结，我们的信息要素总是没有经过结构化总结的。你是否会困惑一场汇报或者一些知识的总结该如何进行，或者你已经有了一些总结，但是还并不知道该如何结构化的组织它们，这个时候就可以采用金字塔结构进行组织。
爱番番沟通工具是一款智能客服产品，产品初建时复用了百度十年的老牌产品-百度商桥的功能，但随着互联网的发展，越来越多的人习惯线上完成沟通和营销，长时间使用对舒适度、操作效率、易用性有了更高的要求，一场低成本的产品革新悄然拉开了帷幕。
众所周知，商品是电商产品体系的核心之一，构成商品的基础信息有很多，其中类目则是商品模型核心之一。在阿里电商演进史中，类目模型也从原先的简单分类进化到如今的类目/属性/属性值模型，这其实也是一种精细化分类的表现。类目系统提供基础的业务数据，贯穿着整个电商体系。在整个全球化实施的过程中，我们先后完成了数据合规，产品及技术架构融合，本地精细化运营，算法智能化，多国家商品互通等能力建设。由于篇幅有限，本文将通过三年前和三年后的对比路径，在产品及技术架构融合和本地精细化运营两个能力建设上，向大家介绍下类目域都经历了的变化及国内到国际的差异。希望本文可以给予同行业朋友或即将进入国际业务的朋友一些引导。
微信终端涉及到大量文本搜索的业务场景，主要包括联系人搜索、聊天记录搜索和收藏搜索等。近期微信团队对 IOS 微信的全文搜索技术进行了一次全面升级，本文将分享其选型与优化思路，详细解析全文搜索的应用数据库表格式、索引更新和搜索逻辑的优化细节。希望本文对你有帮助。
我们期望平台能够覆盖的三类运营诉求如下： （1）突发事件的应对：包括不限于外部的不可抗力影响，网络上的热点事件、爆仓等突发事件，在搜索&推荐等个性化流量场景下，单纯依靠算法模型的学习来适应，时间上不被业务方接受。 （2）新品/新人等缺少数据的情况：在扶持新品、留存新人等问题上，新品召回难、个性化分数低导致排名靠后无法曝光，而新人缺少画像也会对推荐效果造成影响。因此对于新品的加权、新人定向投放需要频繁调整的情况，往往需要人工进行变更。 （3）平台的实验/探索项目：如品类价格带分布控制，一些探索尝试性的实验，需要先小流量定向推送指定商品进行实验，取得一定结果、经验后，再进行优化、推全等情况。需要在圈品、圈人、AB实验、数据大盘等多角度进行分析；频繁的调整策略打法，也需要技术侧进行迭代升级。
本文作者从以下三个方面讲述了fastjson2 使用了哪些核心技术来提升速度。 1、用「Lambda 生成函数映射」代替「高频的反射操作」 2、对 String 做零拷贝优化 3、常见类型解析优化
人类社会的每一次科技跃迁，其本质都是计算力的突破与演进。 算盘拨出农耕文明的繁荣，机械计算机催生出第一次工业革命的袅袅蒸汽，而云计算的发展让万物互联成为真正可能。 在数据爆发式增长以及算法日益精进的大背景下，属于「算力」的时代俨然到来。 以音视频行业为例，趋近饱和的场景渗透率、用户对体验的极致追求、多元化的场景及技术需求，为底层算力和视频编码能力带来更大的挑战。 然而，在算力需求暴涨的同时，摩尔定律的演进速度却在放缓，「硬件红利」已然见底。 对于整个视频云赛道的算力困局，不仅需要上层软件系统的优化，也需要在底层硬件基础设施上，寻求破局之法。
本文就目前较为冷门的一些数据任务优化手段做了简单的分析和总结，内容相对比较零散，不会聚焦常用的优化手段（比如小文件合并，数据倾斜等的优化等），只是对一些相对不太常见，但是在研发中又比较重要且有效的方式进行简单的一些沉淀，希望大家批评指正！
随着智能手机算力的提升，AR/VR应用的不断涌现，普通消费者对好玩有趣的AR应用接受度和期待越来越高，而3D沉浸式购物，包括各类AR试戴、AR量脚、AR试鞋等，因其广阔的应用前景而获得巨大关注。 例如，基于图像算法的AR量脚可以解决用户网购鞋子时尺码不合脚的问题。用户可以直接通过手机的摄像头、Lidar等传感器拍摄自己的脚并立刻获知脚长，再选购合适尺码的鞋子。该算法可以大大减少退换货的问题出现，提升了用户网购体验。 另一方面，手部商品的AR试戴作为3D沉浸式购物重要的组成部分，有着广阔的应用前景，例如，手表、手机作为重要的电商品类，具有客单价高、销量高的特点，如果能提高这些品类的AR试戴体验，必然能够提高用户的购买意愿。 为了解决AR量脚和AR试戴的实际问题，我们在PixelAI移动端视觉算法库中实现了对应的AR算法，结合2022年双十一，在淘宝App和天猫App中进行了算法到实际产品的落地。具体来说，在AR量脚算法中，我们将目标检测、直线检测、图像分割、三维点云重建等多种算法进行融合，并精心设计了量脚界面和教程，保证用户良好体验的同时，让脚长测量误差处于3mm以内。
