随着公司业务的快速发展，前端平台作为研发职能部门，在高效支撑业务迭代的同时，前端新建的应用不断增加，截止到2023年5月在Uraya平台统计的各业务域的应用（B端+C端）总数已经达到170多个，发布流程中出现问题的风险逐步显现，稳定性问题逐步突出。为了更好的维护应用的代码，解决潜在的稳定性问题风险，2023年6月做了前端大仓的技术调研并在7月开始试行前端大仓的研发模式，在2024年年初开始对前端大仓应用的稳定性进行体系化治理，近2年时间的治理，前端大仓的应用无论在代码质量还是流程统一上都达到了一定的稳定程度，应用稳定性的治理达到了不错的效果，从未出现因大仓稳定性治理导致的线上问题。
本文从“道、法、术”三个层面对比AI工程与传统软件工程的异同，指出AI工程并非推倒重来，而是在传统工程坚实基础上，为应对大模型带来的不确定性（如概率性输出、幻觉、高延迟等）所进行的架构升级：在“道”上，从追求绝对正确转向管理概率预期；在“法”上，延续分层解耦、高可用等原则，但建模重心转向上下文工程与不确定性边界控制；在“术”上，融合传统工程基本功与AI新工具（如Context Engineering、轨迹可视化、多维评估体系），最终以确定性架构驾驭不确定性智能，实现可靠价值交付。
本文从原理到实践系统地分享了如何高效使用AI编程工具。涵盖其底层机制（如Token计算、工具调用、Codebase索引与Merkle Tree）、提升对话质量的方法（如规则设置、渐进式开发）、实际应用场景（如代码检索、绘图生成、问题排查），并推荐了结合AI的编码最佳实践，包括文档、注释、命名规范和安全合规，旨在帮助不同经验水平的开发者真正把AI工具用好。
在人工智能的演进历程中，大语言模型展现出了令人惊叹的文本生成能力，但其“黑箱”特性也带来了显著挑战——模型经常产生看似合理但实际错误的“幻觉”回答，缺乏透明推理过程，且无法与外部世界交互获取实时信息。ReAct（Reasoning+Acting）通过将思考过程外显化和工具使用标准化，构建了一个可解释、可验证、可扩展的智能体架构。本文将深入剖析ReAct的核心原理、技术架构及其对整个AI领域的深远影响。
本文主要介绍了针对热点深库存下单抢购场景，库存团队设计并实现的一种基于Redis分桶扣减计数和合并提交扣减DB的方案；该方案基于分布式缓存实现，但也能做到不超卖不少卖，在保证扣减强一致性的同时，也提升了库存热点扣减TPS和扣减稳定性。
在 KMP + Compose 成为主流原生 UI 技术栈的背景下，业务对“动态化”的诉求正从依赖 WebView 或独立渲染体系，转向在不破坏现有渲染链路、不新增 DSL、且不影响核心页面性能的前提下，实现更细粒度、可控的动态交付能力。本文由支付宝终端技术团队潘云逸(法慧)编写，结合工程实践，提出了一种基于 Kotlin/JS + Compose Runtime + Native Skia 的局部动态化方案：由 JS 侧负责 UI 计算，Native 侧复用既有 Skia 渲染栈完成最终上屏，在原生 Compose 页面中实现区块级、脚本驱动的动态 UI 嵌入。
长期以来，人工智能领域一直笼罩在“单体AGI”的假设之下，认为通用人工智能终将以一个全能的超级大脑形式降临。然而，Google DeepMind 的最新研究却打破了这一幻象，提出 AGI 的真正形态或许是一个由无数亚智能体（sub-AGI agents）组成的“智力拼图”。这意味着 AGI 不再是一个实体的诞生，而是一种由协作、沟通与市场机制共同催生的“系统状态”。当单一模型在成本与专业化面前遭遇瓶颈，多智能体协作不仅是技术的必然，更是经济逻辑的终点。本文将深度解析这一分布式 AGI 的演进逻辑，并探讨在这样一个“智能体社会”中，我们该如何构建全新的安全防御体系。
代码跳动间，2025已成序章。这一年，技术的浪潮从未停歇——从底层架构的极致演进，到AI应用的大规模落地，“百度Geek说”有幸记录了每一个突破瞬间。在成百上千篇深度分享中，有些文字因为深刻的洞察、精妙的逻辑而脱颖而出，成为了大家反复研读的“爆款”。岁末回响，我们甄选出【2025年度技术爆款大盘点】。让我们从这些沉淀下来的技术精粹中，寻找开启2026的灵感。
