本文讲述作者对 Memory 的一些理解与思考。（文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。）
近日，中国人民大学高瓴人工智能学院与字节跳动技术团队合作完成相关研究，重磅发布 Scale-SWE 数据集。研究团队依托火山引擎强大的 Sandbox 基建，通过 Sandboxed multi-agent 系统，成功实现 SWE 任务的规模化拓展，构建起包含 100k 真实数据、目前规模最大的开源高质量 SWE 数据集——这一成果为 Code Agent 训练数据的规模扩展提供了可行路径，让模型在 GitHub 量级的真实场景数据上进行充分训练成为现实。
这篇文章将介绍B站是怎么使用 Compose Navigation3 进行页面的宽屏适配，并解决其中遇到的问题的。本文所涉及到的 Compose 页面均已完成了 CMP 跨平台化适配，内容中基于安卓习惯所提的 “Activity” 如无额外说明均代表各平台的页面容器，即可以直接替换为iOS的UIViewController理解。
近期，Higress已正式通过TOC投票表决，加入云原生计算基金会（CNCF）Sandbox项目，成为CNCF生态的一员。
九个旗舰大模型决战中原，究竟谁才能问鼎天下，傲世群雄？ 最近vibe coding练手写了个简化版的三国志，并接入LLM让LLM来扮演各个势力的领主，最后的决赛精彩程度远远超出了我的想象。你能猜出谁最后谁赢了吗？
本文详细阐述了手淘跨端业务在AI时代的演进与重构。面对跨端应用性能体验的持续优化命题，团队从0到1孵化了包含体验优化 Agent在内的5款AI技术产品，构建了覆盖“本地编码-预发发布-提测-线上运维”的全链路研发闭环。文章核心展示了体验优化 Agent如何通过整合端边云基建、RAG知识库及特定Skills（如云真机调试、自动化Coding），解决传统AI无法理解手淘复杂业务语意及SSR渲染模式的痛点，从而将优化方式从“人工诊断”推向“AI自驱与自进化”。最终，该体系实现了在无需人工干预下，利用AI完成数据回收、问题分析、代码修复及配置变更，显著提升了跨端应用的性能与稳定性。
最近深度使用了 OpenClaw，基本上每天都要跟它交流几个小时，也慢慢摸索出了一些经验。看到不少人说 OpenClaw 不好用，我想先聊聊"不好用"的原因，再深入拆解一个我认为被大多数人忽略的核心问题——OpenClaw 越用越好用的本质到底是什么。先说结论：是一堆 md 文件。
随着业务发展，国内各类 App 均朝向“超级App”的方向发展：单个 App 不再围绕单个功能开发，而是以 App 为载体建设为综合性的平台。这对存量旧手机的体验与稳定性带来了极大的挑战： Android art 虚拟机的heap内存十分有限，部分老机型即使在app标注largeHeap后还是仅有256MB； Android 9 以下版本，单个进程的fd上限为1024；部分厂商在 Android 8 以下系统版本，更是限制一个app的进程+线程数不能超过500。 本文将围绕上述的三个方向：内存、FD、线程，分别深度揭秘抖音如何挽救存量旧手机的用户体验。
