本文介绍了vivo互联网研发效能平台建设与最佳实践的话题，将分为4个部分与大家分享，分别是研发效能提升的背景与挑战、关键场景技术，以及在项目案例中的实践与效果，最后也将和大家探讨未来在研发效能提升上的一些规划与思考。
2022年11月30日，ChatGPT的发布正式敲响了大语言模型（LLM，Large Language Models）时代的大门。而后的2023年，自然语言处理（NLP，Netural Language Process）技术飞速发展，LLM领域取得了诸多重大突破，这一年也被称为LLM元年。同年6月13日，OpenAI在gpt-4-turbo模型中首次引入函数调用（Function Calling）能力，为LLM突破纯文本交互边界迈出关键一步。而后的2024年11 月 25 日，Claude AI的开发商Anthropic开源的模型上下文协议（MCP，Model Context Protocol）通过建立规范化的模型间通信标准，进一步扩展了LLM应用的上限。2025年3月27日，OpenAI 宣布正式支持MCP，再次将MCP送上热搜... 在人工智能技术日新月异的今天，如何让模型更加智能、灵活地与现实系统或其他模型进行交互，已成为推动AI应用落地的关键课题。在接下来的内容中，本文将着重介绍函数调用与MCP出现的历史缘由以及必要性，并在文末结合腾讯广告API简单演示了MCP与业务结合的实践
随着直播行业蓬勃发展，行业规模持续扩大，平台正在积极构建更加规范、健康的直播环境。在这一进程中，通过完善内容审核机制、提升主播职业素养、完善直播规范等举措，不断净化网络空间，推动行业向更高品质方向前进，助力长期可持续的健康发展。
本文介绍了携程机票前端基于Server-Sent Events（SSE）实现服务端推送的企业级全链路通用技术解决方案。深入探讨 SSE 技术在应用过程中包括方案对比、技术选型、链路层优化以及实际效果等多维度的技术细节，为类似使用场景提供普适性参考和借鉴。该方案设计目标是实现通用性，适用于各种网络架构和业务场景。
随着企业全球化业务的扩展，如何高效、经济且可靠地将分布在海外各地的应用与基础设施日志统一采集至阿里云日志服务 (SLS) 进行分析与监控，已成为关键挑战。本文聚焦于阿里云高性能日志采集 Agent（iLogtail/LoongCollector）在海外场景下的应用，深入探讨了如何为不同部署环境（包括本地机房、跨云平台及阿里云环境）设计最佳的网络接入链路。我们优先推荐 LoongCollector，因为它能提供更优的可靠性，尤其是在多目标发送场景下。文中详细分析了多种网络方案，涵盖公网直连、全球加速 (GA) 优化、阿里云内网以及专线/CEN/VPN 接入等方式。此外，本文还重点介绍了成本优化策略，包括利用 CloudLens for SLS 进行用量诊断，以及将公网链路迁移至私网以降低成本。同时，详细拆解了两种核心的多目标发送配置：一是通过 Agent 双写实现跨地域容灾（数据冗余），二是实现多地域/多目标日志分发（按需路由）。本文旨在为企业构建稳定、低成本、高可用的全球日志系统提供全面的实践指导和配置参考。
在人工智能技术飞速发展的今天，编程工具也迎来了变革。Cursor作为一款基于VS Code重新设计的AI驱动代码编辑器，正在重塑开发者的编程方式。它不仅提供智能代码补全、自然语言编程、多文件编辑等强大功能，还通过YOLO模式等创新特性实现任务自动化，让开发者能够更高效地编写代码、减少重复劳动。本文将深入解析Cursor的核心功能、与传统IDE的区别、真实用户反馈以及它对软件开发未来的影响。
知其然，然后知其所以然。本文主要是对学习赛博活佛Andrej Karpathy 7个小时教学视频的总结和拓展阅读笔记，推荐去看原视频，很精彩，链接在文末。从最常用的聊天应用过程分析开始，引入对话过程原理浅析，再到LLM训练过程；再结合当前主流的应用形式，在得知最新用法的同时，加深对LLM的理解；再谈谈AI的最新重大进展MCP；以及作为JAVAer，在Java领域有哪些前沿能力去整合LLM。
随着 Manus 的火热，开源社区迅速响应，涌现出如 OpenManus 这样无需等待、人人可部署的优秀替代方案，它们通过多智能体协作和工具调用能力，实现了令人瞩目的效果。 正是在这样的大背景下，Spring AI Alibaba JManus 应运而生。它是一个完全以 Java 语言为核心、彻底开源的 OpenManus 实现。 JManus 产生的初心就是 “让Java程序员距离AI更近一点”。希望能够构建一个以 Java 语言为根基，基于 Spring AI Alibaba 的通用 AI Agent 框架/平台，让 Java 程序员朋友们能够更简单容易地使用 Agent 满足自己的工作、日常生活需求。 作为一个 Spring AI Alibaba 项目的子项目，整个项目在 GitHub 上获得接近 3k star，并且在快速增加中。在大语言模型构成方面，JManus 可以无缝集成包括 Claude 3.5、Qwen3 等在内的多个顶级大模型，使得开发者能充分利用各个模型的优势。
随着交易和社区搜索业务稳步快跑，基建侧引擎越来越复杂，之前搜索底层索引查询结构已经存在较为严重的性能瓶颈。成本和运维难度越来越高。在开发效率上和引擎的稳定性上，也暴露出了很多需要解决的运维稳定性和开发效率短板。而在引擎的业务层部分也需要逐步升级，来解决当前引擎中召回层和业务层中各个模块强耦合，难维护，迭代效率低下等问题。
