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。