在现代软件架构中，微服务已成为构建可扩展和灵活应用程序的流行方式。每个微服务负责应用程序的一部分功能，它们共同工作以提供完整的服务。由于微服务架构的分散特性，监控变得至关重要，有效的微服务监控是确保高可用性、可靠性和服务质量的关键组成部分，它支撑了整个系统的健康运行和业务的持续增长。 随着 Kubernetes 以及容器化的技术普及，Go 语言不止应用于云原生基础组件领域，在业务场景下有非常多的新兴业务都使用 Golang 作为编程语言首选，Golang 的 RPC 框架非常多，如 Gin、Kratos、Kitex 等，Golang 在微服务生态中愈趋成熟，通过最新的 TIOBE 的查看到 Golang 的排名进入前十，做好 Golang 微服务的应用监控至关重要。
LangChain为大型语言模型提供了一种全新的搭建和集成方式，通过这个强大的框架，我们可以将复杂的技术任务简化，让创意和创新更加易于实现。本文从LangChain是什么到LangChain的实际案例到智能体的快速发展做了全面的讲解。
RTP-LLM 是阿里巴巴大模型预测团队开发的大模型推理加速引擎，作为一个高性能的大模型推理解决方案，它已被广泛应用于阿里内部。本文从对话接口的设计出发，介绍了业界常见方案，并分享了RTP-LLM团队在此场景下的思考与实践。
在流量增长、功能扩展的背景下，叠加性能优化的内在要求，把一个协议转换发展为业务网关，过程有多曲折？选型又有哪些考虑？为什么放弃了 JSAPI （客户端方案）、HTTPSSO（后台方案），最后选择了 Node（前端）方案？
CNCF 去年底发布的微调查报告，内容涉及云原生 FinOps 和云财务管理（CFM）。据调查显示，Kubernetes 的使用导致了 49% 的受访者的云开销增加，28% 的受访者表示他们的成本保持不变，而 24% 的受访者在迁移到 Kubernetes 后节省了开支。受访者列出了过度配置、缺乏意识和责任感以及资源扩张等因素是超支的主要原因。
抖音依靠自身推荐系统为用户推送可能感兴趣的视频内容，其中兴趣圈层是推荐的重要能力，通过理解核心用户的偏好特征，判断两者偏好的相似性，从而构建同类用户的兴趣圈层，实现精准推荐。 以往的兴趣圈层往往依赖单一的维度或标签，比如内容类型、时长、地理特征等，难以揭示用户兴趣的底层逻辑。例如，重庆美女小姐姐吃播视频、二次元古风舞蹈视频，表面上标签类型可能完全不一样，但深度分析后发现喜欢两个视频的是同一个类型的人，并把他们划分在同一个兴趣圈层中。 要搭建这样一套兴趣圈层平台，不仅需要算法策略，对底层数据存储架构也是一大挑战。抖音每日新增的数据量庞大、业务标签五花八门，更需要满足业务人员对复杂查询的实时性诉求。 之前技术团队采用MySQL作为存储架构，作为一种行式存储的数据库，MySQL对于大量数据的处理效率较低。如果要在MySQL上查询上亿级别的数据，可能需要更高配置的硬件，甚至可能需要采用分片、读写分离等策略来提升性能，这将导致硬件成本显著提高。
紧接着对于2023年的回顾，我想斗胆做些2024-25年可能发生的事情的预测。写这篇文章的时候正赶上OpenAI Sora、Google Genie、Mistral Large的发布，不少内容也经历了些修改。真是还没等写就都做出来了…… 作为小作坊创业者，在大模型时代是没有办法拥有底层技术的，技术护城河也更加难；于是，稍微早一点点预判，找到一个没有大鱼的“小水洼”就尤其重要，所以我也愿意花些力气来做今天这番思考梳理。不过，既然是预测，其中不免有不精确、不准确、过于科幻的推演；我也希望可以给大家一些启发，但也可能把人带沟里……不过纠结一番，还是觉得要把这些对于2024的猜想先写下来，立个Flag，一年之后作为笑话来看看也不是坏事。以及，大家也完全可以把这篇文章当作科幻文学作品来看。
近年来AI发展如火如荼，大模型诞生与技术的积累和不断创新，带来了人机交互方式的革新。各大厂也纷纷结合自身业务场景进行模型和应用的开发，AI正以惊人的速度改变着我们的生活和工作方式。面对生成式AI的行业浪潮，百度百科产研团队也在探索如何结合大模型能力，发挥百科在泛知识领域的优势，延展百科场景AI特色体验，强化内容浏览的体验感及效率性，契合用户对百科的期望，带给用户更极致的知识消费体验。
