淘系的技术发展已经有相当一段历史了，在历史的长河中总能沉淀出很多复杂的巨型项目，包罗多个业务，而且往往服务依赖比较复杂；再加上一些特殊环境变量的设置，想要在本地运行、debug 自测这种...

随着大模型的不断演进，测试行业基于AI也在做不同程度的探索，在agent智能体生成方面，基本使用的是prompt+RAG的方式，构建特定业务的需求分析/测试用例生成/数据构造智能体等。其中从用例设计到最终的回归约占据了QA 70%的时间，在当下对于质量要求高，版本节奏快，人力成本缩减的前提下，急需借助大模型来辅助测试设计，建设相关的智能化工具。目前在实践中主要问题还是集中在PRD质量不高；营销解决

随着 Paimon 近两年的推广普及，使用 Flink+Paimon 构建数据湖仓的实践也越来越多。在 Flink 实时数据开发中，对于依赖大量状态 state的场景，如长周期的累加指标计算、回撤长历史数据并更新等，使用实时数仓作为中间存储来代替 Flink 的内部状态 state 是非常有必要的。本文主要分享了使用 Paimon 作为实时状态存储，并在 Flink 中通过 Lookup 维表 .

推荐语：本文从装饰者模式的核心思想到与其他设计模式的横向对比，从代码示例到业务实战，向读者娓娓呈现装饰者模式的真貌。深入浅出的JDK源码透析，使用场景的利弊权衡，真的值得一阅！——大淘宝技术开发工程师 玄苏装饰者模式的核心思想是通过创建一个装饰对象（即装饰者），动态扩展目标对象的功能，并且不会改变目标对象的结构，提供了一种比继承更灵活的替代方案。本文为此系列第三篇文章。第一篇：浅析设计模式1——.

本文将介绍有好货推荐场景下的排序算法。有好货作为淘宝典型的内容导购场景，产品的定位是帮助消费升级人群发现口碑好货。排序作为推荐场景链路中重要环节，很大程度决定了推荐效率。过去一年，我们在排...

概念什么是低代码/无代码开发？业界对于低代码/无代码开发是否存在其他不同的理解？行业里流行观点，低代码是更加易用的搭建系统，无代码是图形化和可视化编程。这种观点把低代码和无代码开发分别置于...

作为十年Java老鸟，想为Java开源生态贡献绵薄之力，于是便有了本文：https://github.com/Leavesfly/Jimi。本团队主要负责淘宝行业&淘特C端链路的研发工作，包含：搜索推荐、互动游戏、导购、交易等基础服务，在这里可以探索更多AI场景，包含AI代码生成以及用Agent将电商各种场景重新做一遍的机会。首先是坚实的地基（基础设施），然后是稳定的骨架（核心引擎），再是灵活的功

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

我们需要让他在这个流程中承担什么任务/解决哪类问题（角色定位），在原有基础上具备哪些专业知识（知识库）、如何解释手头任务并布置给他（提示词）、如何正确的思考并接受反馈改进（提示词）、可以使用的工具及资源（工具调用），随着时间推移，他经历的多了、收录过往的case多（补充沉淀知识库），这位应届生也会变得越来越专业，能力越来越强。从执行结果、过程日志分析提炼，结合部分人工标注结果，评估分析、并实现经验

欢迎大家一起交流进步。直播数字人在业务发展初期，由于业务体量规模小，前期主要由内部几个商家先进行试用，在面对人员紧缺，同时需要快速验证线上效果的情况下，该阶段采用的方案是人工进行配置，包括主播名单开白使用，主播提交的素材，模型的训练、模型授权等都依赖产研的手动配置和操作。经过一段时间的主播调研和分析后，我们发现当前的产品的设计和体验上，还有较多可以提升的空间，产品能力的智能化发展，是后续需要重点规