同时，在随后的几年里面，为了能够支持广告、个性化推荐等应用，我们在这个架构的基础上，基于百度内部一个实时计算引擎 Dstream 和一个类似于 Redis 的 KV 存储引擎 Mola，为系统增加了流式链路，能够在秒级完成对一条用户日志的处理，对用户标签进行实时更新，然后响应下游几十万 QPS 的点查请求。不同的应用和数据类型，决定了不同的存储选型。同时，在实际的设计中，上图中的不同分层有可能会有

你好，我是胡忠想，微博技术专家。从 2012 年加入微博到现在，我一直在做微博首页信息流相关的业务研发，几乎亲历了微博后端架构的每一次重大升级。不仅参与了微博后端架构从大的单体应用迁移到微服务架构的改造；还作为主要负责人之一，主导了微服务架构在公司多个业务线的推广和落地。所以谈到将微服务落地，我有很多实战干货想和你分享。不得不说，微服务是当下非常热门的话题。我平时工作之外和圈子里的朋友们交流，提到

当你开启这门课的时候，你已经站在了时代的潮头。你将学会的，不仅是如何调用一个 API、搭建一个界面、部署一个服务。你将掌握的，是一种全新的创造范式——用语言塑造智能，用数据训练共情，用系统承载关系。你亲手打造的“心语”机器人，或许只是一个简单的聊天程序。但它的每一次回应，都凝聚着你对人性的理解；它的每一次记忆，都承载着你对关系的思考；它的每一次行动，都体现着你对责任的担当。未来的 AI 产品，不应

你好，我是郭炜。这次的加餐与大模型紧密相关，因为课程之前没有涉及大模型相关内容，可能有的同学不清楚，所以我们就先从“什么是大模型”这个最基础的概念开始讲起。"大模型"通常指的是在机器学习和人工智能领域中使用的具有大量参数的模型。这些模型由数百万到数十亿个参数组成，通常通过大规模的数据集进行训练。这些参数使得模型能够更好地理解和表示数据的复杂关系，从而提高其性能和准确性。

2、Kubernetes 集群的搭建与实践： Kubernetes 集群号称“非常复杂”，但是如果明白了其中的架构和原理，选择了正确的工具和方法，它的搭建却也可以“一键安装”，它的应用部署也可以浅显易懂。我希望借由这个专栏，给你讲清楚容器背后的这些技术本质与设计思想，并结合着对核心特性的剖析与实践，加深你对容器技术的理解。1、“白话”容器技术基础： 我希望用饶有趣味的解说，给你梳理容器技术生态的发

甚至 Java 8 的后续补丁都引入了实验性的 JVM 标志来解决这些问题，但是，尽管做了所有的这些改进，不可否认的是，Java 在内存占用方面仍然声誉不佳，与 Python 或 Go 等同行相比启动速度慢。不仅在 Jenkins 流水线中进行了大量的重构，而且还使用了诸如 Helm 之类的新工具，策划了新的 git 流和构建、标签化 Docker 镜像，以及版本化 Helm 的部署 chart。

你好，我是陈磊，阿里云和华为云的 MVP，曾经在京东中台做测试架构师，这些年我一直沉浸在软件测试的浪潮里。欢迎你来到我的新专栏《AI 重塑测试开发系统实践》。回想上一个极客时间专栏《接口测试入门课》，那已经是六年前的事儿了，转眼间，测试世界像坐了火箭一样，飞速迭代。尤其是最近两年，大模型的横空出世，不仅颠覆了代码生成和自然语言处理，还悄然渗透到我们测试的每个角落，剑指“手工活儿堆积如山”的痛点。这

你好，我是秦粤，欢迎你和我一起学习 Serverless。说起 Serverless 这个词啊，我估计你应该不陌生，就算你没详细了解过，但我确定你肯定在过去几年时间里听别人说过。去年我在参加GMTC 全球大前端技术大会的时候，也惊讶地发现国内几个大公司都已经有成熟的应用案例了，所以我当时就感叹说：“Serverless 终于要飞入寻常百姓家了。

"再比如 TOB 企业的内容生产 SOP——以前一天两三条，现在 AI 一开，一天 200 条，"但有效获客和有效客资没有增长，反而下降了"，因为平台 13 条以上就是滥发内容，会被限流。更狠的案例来自标书：一家 TOB 企业用 AI 拆解招标文件，AI 把"包括不限于营业执照、合同和发票"理解为"准备这三项就行"，结果一张发票缺失，几百万的项目直接废标。训练超越通用模型的AI，核心是投喂高质量的

AI 写代码这件事，门槛已经越来越低。但AI 写代码和 AI 帮你把工程交付上线之间，仍然隔着一道真正的护城河。这道护城河的名字，叫 Harness、叫 Loop、叫 Graph、叫 FDE 落地路径。《Codex AI 工程交付行动营》想帮你跨过去的那一步，不是“再学一个工具”，而是用 4 周时间，用 Codex 跑成一套你自己能持续优化的工程系统。如果你正在做 AI 工程化、或者打算把 AI