收集表是腾讯文档的核心品类之一，也是主要的用户增长来源渠道。作为在重大社会事件中承担社会责任的主要功能，收集表既面临着海量规模的压力考验，也在高速发展的业务进程中遇到了遗留技术债的掣肘。 - 核心服务为C++“翻译”过来的 C++ 风格单体非标 tRPC-Go 服务，代码量较大，不利于多人敏捷协作开发，业务快速迭代时期夹带发布风险高，故障爆炸半径大。 - 业务逻辑耦合严重，接口未做轻重分离，稳定性较差，性能存在瓶颈。 - 业务可观测性存在问题。 在这样的技术背景下，腾讯文档团队对收集表后台服务进行了全面的重构，实现了百万级大收集极限业务场景下提供稳定解决方案的业务收益，完善了底层技术基座，优化了产品体验，实现了开着飞机换引擎的重构效果。
本文为笔者学习LangChain时对官方文档以及一系列资料进行一些总结～覆盖对Langchain的核心六大模块的理解与核心使用方法，全文篇幅较长，共计50000+字，可先码住辅助用于学习Langchain。
在上一篇文章《4款亲测好用的开发画图工具》中，有读者在后台留言提到想了解如何画好一张架构图？本文作者从架构图的目的、怎样的架构图是好的架构图、如何画好架构图，以及各类经典架构图的分类和示例都做了详尽解析，是一篇不可多得的干货文章，建议点赞收藏！
业务场景：微信支付服务于千万商户和亿级用户，可用性要求高于 5 个 9； 落地矛盾：注入故障需贴近实际故障环境，对现网业务无影响/弱影响； 实践难点：如何控制最小半径，如何高效、全面挖掘风险； 业务收益：发现多处组件和业务风险，从0到1建设起混沌工程系统； 未来展望：更丰富的故障原子；自动化；支持多类半径实验。 本文从业务角度介绍微信支付实践混沌工程落地的思考，通过多分区的架构来控制最小爆炸半径，在高价值的基础组件和微信支付核心业务场景上探索，并基于高可用原则、历史故障分析推导故障原子的开发，是一篇全面的混沌工程建设实践。
2月15日，创造了ChatGPT的OpenAI推出一款名为Sora的生成式人工智能模型，又一次引爆科技圈。Sora可以将文字提示词转化为视频，OpenAI发布的视频效果令人大受震撼，带来了AIGC的又一个高光时刻。 2月22日，腾讯研究院AI&Society举办了Sora生成式视频新纪元线上圆桌。全网刷屏的Sora是什么，为何在同领域遥遥领先？Sora有哪些惊人的本领和玩法，技术上是如何实现的，又将颠覆哪些领域？
本文详细介绍了 ElasticSearch 如搜索性能指标、索引性能指标、内存使用和垃圾回收指标等六类监控关键指标、集群和索引两类大盘配置示例，以及 ES 在查询性能差、索引性能差的两种典型问题场景下详细的原因、排查方式和解决方案，同时也介绍了如何通过 Prometheus 监控搭建可靠的监控系统，详尽全面，推荐给大家，也欢迎各位一起交流。
