本文尽量用最简单的方式, 帮读者理解 LLM, Transformer, Prompt, Function calling, MCP, Agent, A2A 等这些基本概念. 表述时不追求绝对准确, 尽量通俗易懂. 部分内容有个人理解的成份, 内容难免疏漏, 欢迎指正.
高德的poi数据来源多种多样，处理流程也多种多样，但因流程相对固定，因此使用了流程化配置简化开发，使用表达式语言保证灵活性。为了加深对平台的理解，并帮助大家对编排有一定的了解，本文会以影响范围的视角去总结当前编排的方案。
在高并发推荐引擎场景中，C++的极致性能往往以开发效率为妥协，尤其在业务频繁迭代时，C++的开发效率流程成为显著瓶颈。传统嵌入式脚本（如Lua）虽支持动态加载，但其与C++的交互成本（如虚拟栈数据中转、类型转换）仍会带来额外性能损耗。为此，我们探索设计DScript2.0——一种与C++内存布局及调用约定深度兼容的动态脚本语言，通过自研编译器实现即时编译与无缝嵌入，尝试在保留脚本灵活性的同时，尽可能贴近C++的原生性能，为性能与效率的平衡提供了轻量化解决方案。
本文通过depth-anything获取图片的深度图，同时基于pixi.js，通过着色器编程，实现了通过深度图驱动的伪3D效果。该方案支持鼠标/手势与手机陀螺仪双模式交互，在保证性能的同时，为不同终端用户提供沉浸式的视觉体验。
人人都在聊MCP，但人们口中的MCP往往只是一个拼凑而成的幻影。如今，各大厂商纷纷为它镀金包装，就像硅谷创投圈每隔几年就热炒一次的那个“改变世界”的万能工具。然而，当最初的狂热稍退，我们不得不面对更复杂的问题：MCP真的适用于所有场景吗？它是否被赋予了过高的期待？技术史上从不缺少“神话”，而真正的进步，往往始于祛魅之后的清醒认知。
随着B站业务的快速发展，用户规模和内容生态不断扩展，平台的技术架构也在不断演进。伴随着这一增长，服务器数量呈现出爆发式增长，支撑起了海量用户请求和复杂的业务场景。然而，随着机器规模的持续扩大，服务器故障管理面临的挑战也愈发严峻。人工处理效率低：传统的人工故障排查和修复方式难以应对如此庞大的服务器规模。工具链分散：由于硬件故障的多样性，不同硬件需要不同的工具，导致运维团队需要频繁切换工具，增加了排查的复杂性和时间成本。在这样的背景下，如何高效地进行服务器故障管理，成为保障平台稳定性和提升用户体验的关键课题。本文将详细介绍我们在服务器故障管理中的实践与探索。
人工智能的2C应用进展很快，2024年美国居民生成式AI的渗透率已达39.6%（来源：圣路易斯联储）。然而，当前的模型厂商还热衷于评分打榜、技术炫耀，企业应用尚处于早期阶段。迫切需要找到丰富落地场景，加快推进AI和各行各业的深度融合。国联证券对A股上市公司财报中提及AI的情况进行了梳理，近年提及数量迅速增加，从2020年的172家上升至2023年的超过1200家，然而在所有A股上市公司的占比仍然不高，2023年还不到20%。根据国家经济研究局（NBER）数据，截止2024年2月，美国AI企业采用率仅有5.4%。根据欧盟统计局数据，2024年欧盟各国AI企业普及率在3.1%-27.6%之间，总体为13.5%。如下图所示。各国对问题的定义和调研方法有所不同，以上数据不能简单横向比较，但都反映出AI的企业应用还处于初期阶段。
