D是我们团队的服务端应用，其代码库历史悠久，最早可以追溯到淘宝APP无线端迁移，应用中许多代码已无线上流量，但代码并未随业务的下线被清理。越来越多的代码“沉淀”下来，既增加了团队新人学习门槛，也增加日常开发维护成本。但实际做代码下线并非容易，仅凭业务逻辑决策代码清理费时费力，还容易误删在使用的业务代码，因此非常需要工具来辅助做代码的清理，这就是基于代码执行染色和覆盖分析做代码下线方案的背景。 代码执行染色&执行覆盖率分析，使用JVM agent的扩展能力实现代码的插桩和在线染色，再通过解析采样的数据可得到代码的执行情况，清理代码就“有理有据”；仅靠原始分析出的数据清理依然低效，为此我们将数据采集、覆盖率可视化通过IDEA插件集成，实现清理无效代码过程又准又快。
Google 发布了最新的 Gemini 3 模型，首日便做到了屠榜，基本在所有榜单上面超过了GPT-5.1和Claude Sonnet 4.5。 总体上看，Gemini 3 Pro 是目前「综合实力最强、数学最强、视频理解最强、代理能力领先」的模型。腾讯工程师第一时间抢鲜上手了 Gemini 3，带来了一手评测。
本文概述了在业务高速发展和降本增效的背景下百度MEG（移动生态事业群组）大数据成本治理实践方案，主要包含当前业务面临的主要问题、计算数据成本治理优化方案、存储数据成本治理优化方案、数据成本治理成果以及未来治理方向的一个思路探讨，为业界提供可参考的治理经验。
随着携程业务的快速全球化扩张，携程传统 T+1 数据时效的离线数仓已无法满足日益增长的准实时分析决策需求。为解决 Lambda 架构下开发运维成本高昂、链路割裂、时效性不足等核心痛点，我们设计并实践了一套以 Flink CDC 与 Apache Paimon 为核心的近实时湖仓一体化解决方案。本文首先阐述了该方案的整体架构设计，重点介绍了为满足生产环境约束而构建的两阶段 CDC 数据入湖机制，并详细阐述了如何通过性能优化、动态更新和引擎改造等一系列实践，攻克了生产环境中的关键挑战。最终，通过在国际化营销、广告归因等场景的应用，方案实现了端到端分钟级延迟，验证了其在降本增效和驱动业务敏捷决策上的显著价值。
随着 LLM 应用的飞速发展，越来越多的 Agent 应用开始走近每个人。围绕着 Agent 应用的核心，目前业界有零代码、低代码和高代码三条主流的技术路线。AgentScope 作为 Python 社区中受到广泛应用的高代码框架，在 Java 生态下的需求也越来越大。今天，我们很高兴地宣布 AgentScope Java v0.2 版本正式发布了，具备了所有核心的 ReActAgent 的能力。
随着ChatGPT、DeepSeek等大模型（LLM）的崛起，开发者已不满足于简单的对话框交互，而是迫切希望将其深度集成到自己应用中，以构建更强大的智能应用。因此，市场上涌现出诸多大模型集成框架，如LangChain（LangChain4j、LangChainJS）、LlamaIndex、Spring AI、Semantic Kernel、Eino等。其中，其中LangChain是这些框架中出现最早，且最成熟的框架，已成为LLM开发中最受欢迎的框架之一。
本文首先以淘天电商交易订单表线上一条非典型慢 SQL 的深入剖析为切入点，示范如何系统地分析与排查慢 SQL；接着详尽归纳了索引分类、B+Tree 与 B‑Tree 的结构差异、B+Tree 高度估算方法、EXPLAIN 与 Query Profile 等诊断工具的使用，以及索引下推与排序的执行流程等索引优化理论；最后结合日常实践经验，提出了适用于大规模线上集群的索引变更 SOP，并总结了常见的慢 SQL 成因与相应的解决策略。
