68 万行代码精简到8.6 万；Golang 重写大部分 C++模块；解决过度微服务化问题……这是新闻 PUSH 架构团队取得的技术收益。 PUSH 是腾讯新闻精品资讯的重要分发途径，也是新闻 App 重要的促活手段。作为 PUSH 架构团队，我们一方面在积极支持好新闻护盘，同时也在对 PUSH 架构进行不断的升级与进化，以持续提升 PUSH 系统的稳定性与质量、研发效率，同时持续减少运营成本。本文主要分享近年来我们对新闻PUSH系统做的架构优化方案和效果。
在AI时代天猫技术质量同学在质量保障方面也不断探索AI在测试全流程提效的落地方案，传统测试工作链条拆解为“需求解析 → 用例生成 → 数据构造 → 执行验证 → 对比校验”五大核心阶段，而我们的目标是通过AI+自然语言驱动，实现全流程自动化、可溯化、可管理化。而最AI参与到测试中来，最主要的目标就是提效，目前几个月的实践下来发现在用例生成、测试数据构造和交易链路数据执行的过程中提效明显，下面来给大家简单介绍一下AI参与在测试流程中的实践方案。
在技术的世界里，隔行如隔山的“认知偏差”无处不在。后端眼中简单的“页面渲染”，在前端看来却是一个需要应对无数复杂性的庞大系统；而前端想象中“主要就是写接口”的后端，其实构筑的是整个应用稳定、高效的数据与服务基石。 那么有鹅厂同事提问了：前端真的比后端简单吗？
在微服务架构中，重试机制本是为了提升系统稳定性，但不当使用却可能引发"重试风暴"——一次简单的3次重试可能演变成N的4次方调用量，导致服务雪崩。本文通过携程真实案例，深入分析重试陷阱、链路放大效应等问题，并介绍SnailRetry组件的优雅解决方案，帮助开发者避免重试成为系统灾难。
异地协作模式，给开发和测试间的问题沟通及定位带来了诸多挑战。本文从前端开发视角出发， 阐述在这过程中遇到的痛点，探索解决的思路，并在过程中成功孵化出技术工具“前端三剑客”，文章深入解析了“前端三剑客”技术的实现原理及应用场景。
想必你也遇到过：AI的输出像个 “随机盲盒”，有时精准的让你惊艳，有时却像个大傻子，面对这种巨大的不确定性，我们应该如何应对？本文将谈谈我对于这个问题的一点心得。
本文介绍在C3级代码仓库中落地LLM代码评审的Agent实践。针对C3仓库禁用闭源模型的安全要求，基于Qwen3-Coder、RAG、Iflow实现，通过百炼Embedding构建知识索引，RAG知识库与生产代码同仓管理，文档与代码共生命周期保障一致性，AI辅助人工代码评审。在CI流水线监听代码修改自动触发AI评审，LLM进行代码解释、逻辑分析和识别并发缺陷、资源泄漏、边界错误、性能瓶颈及规范问题。以块存储C/C++百万行大库为例，已累计执行上千次评审，并部署至存储统一代码门禁平台，支持平台接入所有仓库。 实践表明，AI可有效发现传统CR易忽略的逻辑风险，已数十次成功拦截高危缺陷，显著提升评审效率与质量。当前持续优化准确性、误报率、采纳率，增强上下文感知，探索修复建议生成。该实践可复用于各类代码门禁平台或AI辅助编程工具。
