本文通过分享将AI Agent技术应用于“智能播报助手”和“批量建任务”两个真实业务场景的实践历程，深刻阐述了当下将AI Agent与传统工程系统深度融合，而非追求完全替代，才是实现业务提效和价值落地的有效路径。
性能优化是一个经久不衰的课题了，我们都常做。本文列举了很多常用的tips，基本都是我日常开发中遇到的问题，我将这些问题和方法梳理了下来。
近年来，人工智能领域最引人注目的进展莫过于大模型的飞速发展。这些模型以其惊人的学习能力和泛化能力，正在深刻改变我们对 AI 的认知，并推动着 AGI（通用人工智能）的梦想从科幻走向现实。大模型的发展呈现出两大核心趋势：模型能力的持续跃迁和模型生态的日益开放。
本文介绍了百度网盘如何通过Flink构建实时计算引擎，以解决Spark Streaming存在的问题，提供高性能、低延迟、稳定的实时计算能力，并介绍了实时计算引擎的演进历程、选择Flink的原因以及未来展望。
线上的告警系统运行多年来一直很稳定，但是也曾出现过一些问题。数据库告警指标明明已经很高了，但是却没有告警出来，有些指标告警出来了，但是却排查不到什么问题，甚至监控图上都没有什么变化。如果修改告警间隔以及告警次数可能会造成误报和漏报，针对这种情况，需要系统性梳理当前告警系统存在的风险，有针对性地解决这些问题。线上数据库、服务器信息等各种指标的采集也分散在各个地方，没有纳入统一的管理。这些指标的采集需要进行详细的梳理，并统一进行管理，为后续其他的系统的使用打好基础。本文主要关注的是数据库(MySQL、Redis)方面的监控，针对其他方面的监控也略有涉及。监控的原理是相同的，只是在细节方面有所不同，不同的告警系统在设计上可以有所参考。
R8作为谷歌官方的编译优化工具，在编译阶段会对字节码进行大规模修改，以追求包体优化和性能提升。但是Android应用开发者数量太过庞大，无论测试流程多么完善，终究难以避免在一些特定场景下出现问题。 近期我们在升级项目的AGP，遇到了一个指向系统SurfaceTexture类的native崩溃问题。经反编译分析发现问题最终指向了smali字节码中多余的一行new-instance指令。
Tomcat 为什么能抗住亿级流量？Connector、Container、线程池，到底是如何协作的？架构秘密曝光！
