ITPub博客

Go 语言在 2009 年被 Google 推出，在创建之初便明确提出了“少即是多（Less is more）”的设计原则，强调“以工程效率为核心，用极简规则解决复杂问题”。它与 Java 语言生态不同，Go 通过编译为 单一静态二进制文件实现快速启动和低内存开销，以25个关键字强制代码简洁性，用接口组合替代类继承，以显式返回error取代异常机制 和 轻量级并发模型（Goroutine/Chan

导语本文分析了在网络超时场景下，RPC服务调用数据一致性的问题，对于接口无幂等、接口幂等失效情况下，对异常数据快速处理做了分析思考和尝试，开发了一款轻量级仿幂等数据校正处理辅助工具。该工具可以MOCK或SPY服务调用，不限于RPC接口，进程内的方法调用也支持，与JSF、WebService、HTTP方式无关，只要方法能被代理，就可以使用，写服务、读服务均可以支持。目前已在生产环境中使用，在关键时刻

在京东，技术从不是冰冷的代码，而是连接消费者与美好生活的桥梁。在京东零售，我用大模型赋能智能导购、搜索等电商场景，工作期间发表4篇顶会论文，提交专利8篇，并入选北京亦麒麟优秀人才。这些写进顶会论文的技术突破、藏在专利证书里的创新方案，都化作了消费者指尖上的流畅体验。以下是我的故事，欢迎技术同仁们一起交流——从校园步入职场后，我深刻体会到理论与实践的差异：学生时代我们往往会寻求"最优解

在当今数字化时代，人工智能（AI）技术正以前所未有的速度改变着我们的生活和工作方式。AI应用的广泛落地离不开强大的算力支持，而GPU作为AI计算的核心硬件，一直是推动AI发展的关键力量。然而，随着国际形势的变化和技术竞争的加剧，依赖单一供应商的GPU芯片已经无法满足国内AI产业的长期发展需求。在这种背景下，将AI应用从英伟达显卡迁移到国产显卡，不仅是技术发展的必然选择，更是保障我国AI产业安全和可

Go 语言在 2009 年被 Google 推出，在创建之初便明确提出了“少即是多（Less is more）”的设计原则，强调“以工程效率为核心，用极简规则解决复杂问题”。它与 Java 语言生态不同，Go 通过编译为 单一静态二进制文件实现快速启动和低内存开销，以25个关键字强制代码简洁性，用接口组合替代类继承，以显式返回error取代异常机制 和 轻量级并发模型（Goroutine/Chan

在构建高可用系统时，开发者常常面临应用、数据库、缓存、消息队列等多维度的挑战。本文结合京东真实技术场景，系统梳理高可用架构实践中常见的技术陷阱与解决方案，深入剖析每个技术组件的可用性保障要点。旨在为工程师提供一套踩坑说明书，帮助团队在系统设计阶段规避潜在风险，提升线上系统的稳定性和容错能力。一、前言通常情况下，我们在说一个事情之前，一定要把事情本身及其定义说得明明白白。那么，在对高可用架构具体展开

上线不足一月，其全球累计下载量已达4000万，反超ChatGPT成为全球增长最快的AI应用，并且完全开源。那么究竟DeepSeek有什么魔力，能够让大家趋之若鹜，他又将怎样改变世界AI格局和我们的生活，本篇文章将进行简要解析。DeepSeek与ChatGPT对比说到人工智能就不得不提OpenAI和ChatGPT，这是绕不开的话题，要分析DeepSeek的实力，最简单的方式就是跟ChatGPT进行对

作为一个交易风控的算法工程师，在日常工作中，我常常与海量的数据和复杂的模型打交道，试图在看似平静的水面下，捕捉那些隐藏的风险暗流。最近，我尝试将大语言模型（LLM）引入到我的工作流中，这段经历充满了波折、顿悟和惊喜。 今天，我想复盘整个过程，分享我如何通过一套循序渐进的“Prompt工程心法”，将一个“什么都懂一点，但什么都不精”的通用大模型，一步步调教成能够精准识别复杂电商风控风险的“AI专家”

📋 本章概述本章将深入介绍大模型的基础架构概念，帮助您理解现代大语言模型的核心技术基础。文章将从Transformer架构开始，逐步深入到预训练机制、模型规模效应，以及最新的MoE架构等前沿技术。🎯 学习目标完成本章学习后，您将能够：•理解Transformer架构的核心原理和组件•掌握预训练与微调的基本概念和流程•了解模型参数规模与能力的关系•认识涌现能力的概念和意义•理解MoE架构和稀疏模型的

一、概述      在当今互联网应用中，实时性和流畅性至关重要，尤其是在网络游戏、视频会议和在线直播等场景中。传统的TCP协议虽然提供可靠的数据传输，但其复杂的拥塞控制机制和重传策略会导致较高的延迟，难以满足实时应用的需求。而UDP协议虽然速度快，但缺乏可靠性，数据包丢失和乱序问题会影响应用体验。二、为什么需要引入KCP在介绍KCP前，我们先回顾下TCP和UDP的特

背景     线上应用频繁出现超时告警（超时时间 1 s）： getUiToken 接口异常状态码“-1”出现4037次(失败描述:业务请求异常)，超过阈值50，协议：http，为服务端接口。当前失败率为0%，当前平均响应时间为150ms，TP50为2ms,TP90为896ms，TP99为1024ms,TP999为1152ms,MAX为1280ms。环境信息•服务器配

自动化技术的演进与现状在数字化转型的浪潮中，自动化技术已经从简单的脚本执行发展为具备智能决策能力的复杂系统。根据Gartner最新报告，到2025年，超过70%的企业将在其业务流程中采用某种形式的AI驱动自动化。这种转变不仅提高了效率，更重要的是赋予了自动化系统前所未有的适应性和创造力。传统自动化工具虽然能够完成重复性任务，但面对动态变化的网页元素、复杂的用户交互场景时往往力不从心。这正是AI技术

随着大模型技术的迅猛发展，AI工具已成为重要的辅助生产力工具和工作伙伴。它能够显著提升工作效率、帮助解决业务痛点，甚至能通过知识延展与智能协同，帮助团队突破传统认知边界。掌握大模型工具的应用能力，正成为现代职场人提升价值产出的关键竞争力。大模型工具的发展现状如何？有哪些落地的业务实践？大模型工具建设的未来蓝图是什么？围绕这些问题，京东内部开展了一场大模型工具的探索实践技术沙龙，本文公开技术专家的洞

1、大模型的概念大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测

库存平台面临的稳定性挑战库存平台为货品流通链路提供全面的库存管理服务，贯穿其整个订单生命周期，是电商领域不可或缺的核心模块。在平台建设过程中，我们面临了诸多稳定性方面的挑战。具体而言，存在以下问题：1、业务流程繁多，不同流程共同访问同一应用，容易相互影响。例如，销售单库存预占功能出现问题时，退供预占功能亦随之失效。2、业务流程复杂，修改易出错。销售单预占等流程，流程分支多、步骤多，新入职的员工需要

EXCEL导入—设计与思考一、案例信息与设计1.1、案例需求与背景B2BTC同城二期有一个Excel导入的功能，单次数据量小于一千，使用频次不高。但涉及到多个字段组成唯一约束，即每条数据操作时要根据唯一性组合字段来操作，要确保数据表中的数据不违反唯一性。每条数据涉及到多次查询其他业务RPC来校验、补充信息的诉求，即使有缓存，但也可能涉及到缓存不命中问题，即单条数据的校验和导入的时效性保障不了。1.

在前端开发中，如果你发现某个依赖包存在问题，可以考虑以下步骤来解决：一、简单方案1. 检查问题来源：确认问题是否由依赖包引起，而不是你的代码或其他配置问题。查看错误信息、文档和相关的 GitHub issue，可能已经有解决方案或临时解决办法。2. 更新依赖：检查是否有该包的更新版本，更新可能已经修复了这个问题。使用 npm update package-name 或 pnpm update pa

一、前言      当前所测试业务需求为集成在业务系统WMS的jar包，jar包测试主要集中在本地拉取开发编写的代码做单元测试，因为jar包没有单独的应用，每当大促压测或日常压测，架构师或开发同事问道：这个jar包的JVM指标如何？jar包的火焰图是什么样的？对此，只能望洋兴叹。基于以上背景，对jar监控做了一些调研和实战。二、调研过程1.forcebot平台&nb

在软件开发领域，架构设计是确保系统高效、稳定运行的重要环节或者称之为重要动作。无论架构从简单到复杂，还是从复杂回归简洁的演变过程。在这个过程中，又无论是初创公司还是大型企业，架构提效始终是技术团队的核心追求。本文将从稳定、性能、代码三大维度出发，结合实战经验，探讨如何有效提升架构效能。为什么要选择或者认为这三个维度是必要要素呢？“一切事物中包含的矛盾方面的相互依赖和相互斗争，决定一切事物的生命，推

技术背景：Text2SQL 是将自然语言查询转为 SQL 的任务，经历了基于规则、神经网络、预训练语言模型、大语言模型四个阶段。当前面临提示优化、模型训练、推理时增强三大难题，研究基于 BIRD 数据集展开。方法：提出 J-Schema 呈现数据库结构并合理提供示例值，结合思维链引导模型推理。采用 Iterative DPO 迭代训练，多轮迭代提升性能。用自洽性方法，通过硬 / 软投票从多个候选答