随着模型在各种场景中的落地实践，模型的推理加速早已成为AI工程化的重要内容。而近年基于Transformer架构的大模型继而成为主流，在各项任务中取得SoTA成绩，它们在训练和推理中的昂贵成本使得其在合理的成本下的部署实践显得愈加重要。
在目前业务快速迭代过程中，B端后台的配置起到了重要的作用，配置影响的范围会非常大，配置项可能会影响整体业务的链路，若链接配置有误或没有及时更新，如会场空白页，页面白屏、会场失效、活动失效、客户端还原失败、页面提示各种错误信息等不同类型的问题，严重影响了用户体验，链路的中断导致业务受到重大的影响。除了日常保障系统功能正常，业务侧的正确配置也是需要特别关注和重点保障的内容。针对链接问题，技术侧各方链接都有对应的保障手段，通过梳理现有各端的保障手段，对其进行分析以及不断优化完善。
重复工作，代码规范：B端前端代码开发过程中开发者总会面临重复开发的痛点，很多CRUD页面的元素模块基本相似，但仍需手动开发，将时间花在简单的元素搭建上，降低了业务需求的开发效率，同时因为不同开发者的代码风格不一致，使得敏捷迭代时其他人上手成本较高。 AI代替简单脑力：AI大模型的不断发展，已经具备简单的理解能力，并可以进行语言到指令的转换。对于基础页面搭建这样的通用指令可以满足日常基础页面搭建的需要，提升通用场景业务开发效率。
谷歌在2017年发布Transformer架构的论文时，论文的标题是：Attention Is All You Need。重点说明了这个架构是基于注意力机制的。
一直以来，体验都是得物技术部的关键词之一，对于前端开发而言，提高用户体验更是一项至关重要的工作。 本文从本次交易后台性能优化实践出发，同时介绍应用整体架构和设计，希望可以给参与网站性能建设的同学提供一定的学习和参考价值。
ZooKeeper（ZK）是一个诞生于2007年的分布式应用程序协调服务。尽管出于一些特殊的历史原因，许多业务场景仍然不得不依赖它。比如，Kafka、任务调度等。特别是在 Flink 混合部署 ETCD 解耦 时，业务方曾要求绝对的稳定性，并强烈建议不要使用自建的 ZooKeeper。出于对稳定性的考量，采用了阿里的 MSE-ZK。自从 2022 年 9 月份开始使用至今，我们没有遇到任何稳定性问题，SLA 的可靠性确实达到了 99.99%。 在 2023 年，部分业务使用了自建的 ZooKeeper（ZK）集群，然后使用过程中 ZK 出现了几次波动，随后得物 SRE 开始接管部分自建集群，并进行了几轮稳定性加固的尝试。接管过程中我们发现ZooKeeper在运行一段时间后，内存占用率会不断增加，容易导致内存耗尽（OOM）的问题。我们对这一现象非常好奇，因此也参与了解决这个问题的探索过程。
得物自动化从最开始由各域自建到质量平台统一搭建自动化测试基础服务中台发展过程，目前在质量平台的支撑下实现了全域自动化的统一管理和维护，进一步降低了自动化测试的成本同时也提高了自动化测试效率。在质量平台的支撑下如何进一步快速、高效实现自动化用例开发和维护提高ROI也是值得探索和创新的。我们都知道自动化用例的开发和维护成本一直是自动化测试领域老生常谈的话题，本次分享结合了低代码思想和Java代码模型快速的生成质量平台自动化测试用例方案与实践，主要是为了解决： 提升自动化用例开发效率 降低自动化用例维护成本 “重设计，轻实现”设计驱动
这种根深蒂固的误解，就像，你说你是学计算机的，别人以为你是修电脑的。如果你是这么想的，那这篇文章应该会重新认识项目管理，以及PMO这个角色。 我们之所以写这篇文章，一是觉得国外传到中国来的PMO守则、指导方针等，存在水土不服的问题，我们现在遇到的问题甚至可能都比国外还要复杂。二是，我们在得物飞速发展的过程中结合理论与实战积累了一些经验，希望可以跟相关从业者探讨和交流。 文章从得物技术团队的发展不同阶段遇到的挑战出发，PMO在不同阶段的工作方向重心，实践沉淀，能力建设演进等。
