笔者自入职以来，长期服务于大淘宝消费者运营相关的业务开发，同时也了解过一些行业运营、平台运营、商家运营等相关的工作。在此过程中，其实自己一直对“运营”这个岗位有很大的好奇。但是什么是“运营”，什么是“互联网运营”，什么是“电商运营”，为啥大淘宝里面有这么多“运营”岗位。怀着这些问题，我查询了一些资料，翻看了一些书籍，在此和大家分享下我的所见所得。虽然电商运营有其独特性，但背后的互联网运营本质是相通

现代营销学之父曾经有说过, 消费者需求主要分为数量满足、质量满足, 以及情感满足阶段。随着社会经济的发展, 消费者对于产品质量进入到情感需求阶段, 达到一个新高度。与此同时, 消费者对于现...

本文对LLM+推荐的结合范式进行了梳理和讨论，并尝试将LLM涌现的能力迁移应用在推荐系统之中，利用LLM的通用知识来辅助推荐，改善推荐效果和用户体验。背景电商推荐系统（Recommend System，RecSys）是一种基于用户历史行为和兴趣偏好的个性化系统，能够为用户提供精准、个性化的商品推荐，促进用户的购物体验和消费满意度。一个成熟的RecSys通常采用pipeline的级连结构，包括召回、

最终在H20与RTX 4090硬件上的实测表明，该方案在保证各模态任务精度损失控制在1.5%以内的前提下，实现了2.5倍至3.5倍的推理加速，且针对不同硬件特性总结出了FP8（H20）与W4A16（4090）的最优部署策略。然而，随着多模态大模型（VLM）的快速发展，引入了视觉、音频等多模态数据，这对整个大模型的推理系统是一个新的挑战。包括音频维度的语境感知ASR与多说话人分离，视频维度的商品时序

AServer接入网关承载整个阿里集团的入口流量，负责亿级用户的长链保活，支持上万路由策略转发，是连接上亿用户与后端几十万服务节点的桥梁，在今年双十一需要支撑亿级在线用户、千万级QPS、...

在大语言模型(LLM)端侧部署上，基于 MNN 实现的 mnn-llm 项目已经展现出业界领先的性能，特别是在 ARM 架构的 CPU 上。目前利用 mnn-llm 的推理能力，qwen-1.8b在mnn-llm的驱动下能够在移动端达到端侧实时会话的能力，能够在较低内存（<2G）的情况下，做到快速响应。背景在大型语言模型（LLM）领域的迅猛发展背景下，开源社区已经孵化了众多优异的 LLM 模

从2019年开始，淘系技术部内容社交互动团队和北京邮电大学周安福教授一起着手研究更好的基于机器学习的智能拥塞控制算法。在实验室环境完成原型验证后在淘宝直播的生产环境做实际效果对比，从实际...

当今大模型如此火热，作为一名数据同学，持续在关注LLM是如何应用在数据分析中的，也关注到很多公司推出了AI数智助手的产品，比如火山引擎数智平台VeDI—AI助手、 Kyligence Copilot AI数智助理、ThoughtSpot等，通过接入人工智能大模型，提升数据处理和查询分析的效率。智能数据分析助手，采用对话式分析技术，每个普通人都可以与数据进行随时随地的实时交互，根据用户的使用反馈，不

淘宝App搜索业务侧采用的是局部动态化的跨端技术架构，客户端提供丰富的基础能力与视图组件的API，前端负责业务视图搭建与业务逻辑实现。背景目前客户端侧对于基础能力与组件的API信息内容是通过人工使用语雀文档来进行维护，然而端侧的API是在不断地迭代的，人工维护的方式存在以下的问题：填写内容无统一规范，导致能力/组件介绍和调用规范不准确。无卡口管控，文档内容同步非强制操作，导致有时候会忘记同步。(很

基于这些数据，Agent能够自动生成具体的监控建议，明确指出需要监控的具体对象、最佳监控时机、适用的监控类型，以及具体的监控值指标。正如我们在测试领域所践行的理念——"With great power comes great responsibility"，当我们拥有了AI这样强大的工具，更应该思考如何用它来创造更大的价值，守护每一分应得的收益，为业务的健康发展保驾护航。”的问题，新范式中，我们的