对于老年代的对象，大部分人第一印象是因为多次GC没有被回收所以晋升到老年代的。其实不然，本文对于老年代中发现大量不可达对象深入排查了一下，发现部分高QPS场景下临时对象的提前晋升问题和难以回收的现象。
本文深入探讨了RAG（Retrieval Augmented Generation）技术的实现细节与优化策略，指出在AI应用开发中，RAG常被视为黑盒导致问题定位困难。文章从文档分块（Chunking）、索引增强（语义增强与反向HyDE）、编码（Embedding）、混合检索（Hybrid Search）到重排序（Re-Ranking）等关键环节进行了详细解析，强调需结合具体场景对各模块进行调优，以提升召回率与精确率的平衡，并倡导从快速使用走向深度优化的实践路径。
得物近年来发展迅猛，平台商品类目覆盖越来越广，商品量级越来越大。而以往得物的上新动作更多依赖于传统方式，效率较低，无法满足现有的上新诉求。那么如何能实现更加快速的上新、更加高效的上新，就成为了一个至关重要的命题。近两年AI大模型技术的发展，使得发布和审核逐渐向AI驱动的方式转变成为可能。因此，我们可以探索利用算法能力和大模型能力，结合业务自身规则，构建更加全面和精准的规则审核点，以实现更高效的工作流程，最终达到我们的目标。本文围绕AI审核，介绍机审链路建设思想、规则审核点实现快速接入等核心逻辑。
自2020年Python 2停止维护至今，5年过去了。虽然还有很多项目依旧在使用Python 2，但不可否认，无论是企业还是社区，都在努力向Python 3迈进。Python 2简洁易读、灵活易上手、支持库丰富，但随着大规模使用，亦逐渐暴露出各种不足。尤其是近些年Python维护者们通过持续补丁对Python 2进行优化和修复，但其底层架构和实现上的问题依然无法完全解决。为什么要升级到Python 3？如何在TencentOS Server 4中进行升级？
本文深入阐述了蚂蚁消金前端团队打造的Multi-Agent智能体平台——“天工万象”的技术实践与核心思考。
计算机领域有众多经典丛书，《软件方法》是其中一本。在软件开发领域工作，深入业务分析，学会系统设计是保持竞争力的关键。本文作者深入拆解了这本书的核心内容，并根据自己的理解加以引申，是一篇非常优秀的读书笔记。推荐大家阅读完本文以后，进一步去阅读原作，结合自己的日常工作，相信会有更深的体会。
从一行行难以量化的祖传代码，到一个能在大模型启发下亲手创造并绘制出的函数图像，我真切地感受到了数学赋予技术的美感与底气。解决一个需求的最佳答案，有时不是一个固定的数值，而是一个能解释万千变化的优雅公式。
传统测试用例编写依赖人工，存在效率低、覆盖差、一致性弱等痛点。本文揭秘如何用AI技术实现从需求文档到测试用例的一键自动生成，详解智能解析、提示词工程与端到端的架构设计，并展示实际落地效果：采纳率89.3%，用例设计时间最大减少70%。想了解AI如何颠覆测试流程？一起走进智能测试新纪元！
本文介绍了 Jsonnet 这一功能强大且灵活的 JSON 数据转换工具，作为解决复杂 JSON 生成与变换需求的选择。文章首先回顾了在实际项目中对 JSON 处理工具的需求背景，对比了 jsonpath、jsonpatch、jsonata 等工具后，最终选用图灵完备的配置语言 Jsonnet。Jsonnet 不仅是 JSON 的超集，支持生成 JSON、YAML 等多种格式，还具备良好的性能和扩展性，广泛应用于 Kubernetes、Grafana 等系统。
