首先，总体了解什么是"整洁架构"，并熟悉领域、用例和应用层等概念。然后，讨论它如何应用于前端，以及它是否值得使用。然后，按照整洁架构的规则设计一个商店应用，并从头开始设计一个用例，看看它是否可用。这个应用使用 React、TypeScript 编写，编写过程中会考虑可测试性，并对其进行改进。
从2022年12月以来，chatGPT 的横空出世掀起了新一波的 AI 浪潮，热度一直居高不下直到现在。半年时间里，从底层模型 API 到上层应用的生态逐渐建立，经过一轮轮迭代不断完善创新。本文将结合开源框架和应用程序，从工程师的角度，与大家讨论如何对大语言模型进行封装和应用，并从工程层面解决现有问题，搭建完整可商用的 AI 应用程序。 LLM，Large Language Model，即大语言模型。这个“大”是说参数量大（通常数十亿个权重或更多），是一种语言模型的概念。为了更深入理解，我们选用OpenAI 公司的 GPT 模型进行讨论。本文实验都在 GPT3.5 的模型上进行（GPT4 太贵了）。
在日常的研发工作中，编写前端界面结构占据了一部分工作量。很多UI组件都存在共性，如何减少编写UI界面的开发时间，以及提取公用的前端组件，从而达到提升研发效能的目的，是我们的重要课题。 在《前端智能化探索，骨架屏低代码自动生成方案实践》中，我们曾经探索过一种自动生成骨架屏代码的方案，在此基础上，我们设计了一套代码生成器的定制流程，到达可以定制任意目的代码的效果。本文将围绕视觉稿生成任意代码，探讨代码生成器的原理与细节，最后是落地的效果展示。
第一部分为看清：大模型的训练及推理过程是如何的，以及内部逻辑 第二部分为理解：大模型的训练及推理和算力的关系 第三部分为推演：用简单的公式量化大模型算力的需求 第四部分为优化：我们如何提高算力利用率
时下流行的 AI 写真工具，为用户提供了用现成的照片遨游于广袤素材与想象中的可能性，也启发 AI 从业者对于大众消费产品的构想。对于个人来说，是否可以上手 AI 技术，做出自己的“数字分身”呢？本文将介绍一种高效率、易上手、低成本、高安全的“数字分身”制作方式。看完本文，你也会用一张图片“穿越古今”，做出自己的 N 个“数字分身”。
我从2015年起至今2022年，在业务平台（结算、订购、资金）、集团财务平台（应收应付、账务核算、财资、财务分析、预算）、本地生活财务平台（发票、结算、预算、核算、稽核）所经历的业务系统研发实践的一个总结。 1.核心是面向复杂性业务支撑的实践经验（个人概念里的“复杂业务“，大概至少面向5类行业若干业务线且业态差异很大），文章不涉及性能、稳定性、资损防控、大数据离线研发，聚焦在线业务系统架构对多态业务的包容性、开放性、灵活性、可读性。 2.文章较多强调”个人”两字，因为仅是我个人在实践上归纳总结的一些方式方法。 3.实践经验主要来自两类，一类是接手旧系统，得以见识不一样的设计，文中“见过”特指。二类是自己新建的，之后又一而再三重构的，这类姿势下，人的反思记忆尤为深刻。
近期，第29届国际知识发现与数据挖掘大会（ACM SIGKDD Conference on Knowledge Discovery and Data Mining，以下简称KDD）在美国加州长滩举办。 由火山引擎数智平台，北京大学计算机学院和蒙特利尔学习算法研究所等单位合作的论文 《Rover: An online Spark SQL tuning service via generalized transfer learning 》（以下简称Rover）成功被大会收录。Rover由北京大学的沈彧和火山引擎数智平台的任鑫宇杨担任共同第一作者，北京大学的崔斌教授担任通讯作者。
