MCP 的发展速度之快，似乎超出了大部分人的想象。今年2月，Cursor、Windsurf、Cline 均开始引入 MCP，近日 OpenAI 宣布支持 MCP，国内百度地图、高德地图陆续发布 MCP Server，还有一众非常活跃的提供 MCP 托管和中间件服务的供应商，MCP 生态正呈现越加丰富和成熟的发展态势。 虽然 AI 在短期内依旧面临 ROI 的考验，但几乎所有人都不会怀疑他的未来，都不希望错过这一场“军备竞赛”。问题随之而来，存量业务架构中的 API 改造成 MCP Server，既面临时间成本，还有人力上的挑战。企业对能提升 MCP 构建效率的开源和商业方案愈加渴望。
在智能化产品的冲击下，用户总是希望获取更准确、丰富的信息，渴望更定制化的交互体验。我们提出了 AI 时代下新的体验技术解决方案——生成式 UI。它能自动生成符合设计规范的 UI 界面，将信息自动组装呈现给不同的用户，让前端开发不再受制于繁琐的设计研发流程、让展示内容不再千篇一律、让用户体验随需而变。
推理模型能力的持续提升，推动大模型迎来“可用”到“好用”的拐点。推理强化和应用拓展启动了大模型下半场的新赛程。个人智能体潜力初步显现，行业应用渐次走深，开源开放日益成为大模型的核心竞争力组成。大算力、多模态、强推理、广开源、准数据、智能体、深应用等，成为当前发展的重要趋势。
MCP Server 的实施存在着诸多挑战，特别是在认证授权、服务可靠性和可观测性方面，Higress 作为 AI 原生的 API 网关，提供了完整的开源 MCP Server 托管解决方案，实现存量 API 到 MCP 的协议转换。即将上线的 MCP 市场，将大幅降低开发者构建 MCP Server 的时间和人力成本。
在人工智能的浪潮中，DeepSeek R1 凭借其卓越的性能与潜力，成为众多开发者和研究人员眼中的 “香饽饽”。本地训练作为深入挖掘和优化模型的关键环节，却因各种适配性问题，让不少人望而却步。面对网上那些看似详尽却又总少了关键一环的复现文章，你是否也在苦苦摸索 “本地训练” 的正确打开方式？别担心，今天就为你带来一篇超实用的干货文章，手把手带你打通 DeepSeek R1 本地训练的 “任督二脉”，让训练流程变得简单易懂，轻松上手！
得物一直重视用户体验，尤其是启动时长这一重要指标。在近期的启动时长跟进中，我们发现了在BuildingClosure 阶段的一个优化方式，成功的帮助我们降低了 1/5 的 BuildingClosure 阶段的启动耗时。Building Closure 并非工程的编译阶段（虽然它有一个building），Building Closure 是应用初次启动时会经历的阶段，因此它会影响应用的启动时长。 单就BuildingClosure阶段而言，我们观察到该阶段其中一个函数从 480ms 暴增到 1200ms 左右（PC 电脑端运行 dyld 调试统计耗时数据），我们通过优化，将耗时从1200ms降低到110ms。即使相比最开始的情况，也相当于从480ms降低到了110ms，由此可见Building Closure 优化是应用进行启动优化必不可少的一个重要手段。因此在这里我们也和各位读者进行分享，期望能够对各自项目有所帮助。
