近年来，58同城AI Lab一直聚焦在对话式AI（Conversational AI）领域，自2017年9月研发智能客服开始，我们先后打造了智能外呼、语音质检、智能呼入、语音识别、语音合成等产品和能力。对话式AI的核心是智能语音语义技术，包括语音识别、语义理解、语音合成，2021年，我们将这些产品统一升级为"灵犀"智能语音语义平台，AI销售助手就平台重要应用之一。AI销售助手能够大幅提升销售工作效率，而自然的音色、舒适的节奏和熟悉的口音都可以进一步提升机器人的对话效果，为此我们研发了多说话人多口音的声音克隆服务。
近期一次需求开发涉及到了Java Veloctiy，由于当前vue项目无法在本地编译运行velocity，且开发成本过高，如果需要调试则要发布后才能看到效果。之前有类似的案例，遂尝试继续采用这种方式解决，但是通过比对认为该方案迁移到本项目中的成本较高，且需要改动大量配置文件。 基于以上，我们便尝试将veloctiy本地工程化，尝试跟vue和webpack的结合，实现热更等开发常用需求。 本文把velocity工程化的心路历程记录下来，主要给大家描述我们在解决问题过程中的一些感悟，同时文中也详细介绍了具体方案。
研发效能是目前互联网和传统软件企业都高度关注的领域，其核心目标是:更高效、更高质量、更可靠、可持续地交付更优的项目。随着安居客技术研发团队的人员规模不断地扩大，业务对研发效能的期望越来越高，业务实现复杂度的提升，技术不断细分化，研发管理面临的问题越加复杂。基于这种情况，安居客QA团队在围绕着研发效能度量体系进行探索，经过几年的建设，目前整个体系已经形成，相应的平台也搭建完成。
语音识别技术，是将语音信号转换为文本内容的技术。目前比较流行的语音识别技术主要有两种。一种是基于Kaldi的传统语音识别技术，另一种是目前流行的基于深度学习模型的端到端语音识别技术。Kaldi是一种大而全的语音识别处理框架，集成了数据预处理、特征提取、声学模型建模、语言模型建模、解码等，识别效果上能够满足大多数的语音识别场景。但是Kaldi是自成一体的框架，没有现在流行的pytorch、tensorflow框架的支持，需要开发者自行开发能应用到生产环境中的服务。基于深度学习模型的端到端语音识别框架是指将语音信号直接输入到深度学习模型中，通过端到端的方式进行语音识别，无需使用传统的声学模型和语言模型，常见的基于深度学习的端到端语音识别框架有很多，比如EspNet，WeNet等，这类语音识别框架有更通用的模型训练和部署框架支持，有着更好的识别性能和识别效果。
端到端语音识别系统在足够多数据上训练后，往往能达到不错的识别效果，然而在实际应用场景中，对于不常见的专有名词，例如人名、产品名、小区名等，往往容易识别错误，此类问题需要快速修复，这就需要用到热词增强功能。 WeNet目前已支持CPU Runtime的热词，包含CTC Prefix Beam Search 和 WFST Beam Search两种解码器的实现，我们在GPU Runtime中的ctc_decoder解码器的基础上实现了热词增强，可同时支持流式与非流式服务，GPU热词已在线上广泛应用。近期，我们将热词代码开源至了WeNet社区[1]。 本文将分别介绍热词的实现方案、使用方法，以及测试效果。
恒星标注平台是58为助力算法模型孵化以及各业务线数据标注需求，自研的数据标注SaaS平台，平台包含任务中心、数据管理、配置中心、标注中心等产品功能模块。平台建设目标聚焦于GUI工作台易用性、标注质量以及标注提效。目前平台已支持24种标注方式，支撑集团各业务产生500余万标注样本数据。本文从标注视角出发，根据58恒星标注平台从零到一的建设经历，试图对数据标注的平台化建设提供一些见解。
Fair-Online 是面向Flutter 开发者，提供从Flutter 在线开发，到实时编译预览，打包发布、动态下发端侧更新，实现Flutter 线上动态化的一体化云开发平台。开发者无需配置Flutter 开发环境，在线开发调试代码，即时编译预览，所见即所得，结合58开源团队打造的Flutter 动态化框架 Fair 及热更新平台 FairPushy ，实现Flutter 线上动态化。 目前Fair 云开发平台已在Github 开源： Fair-Online Github 在线体验地址： fair-online.58.com
58营销平台从58主战网站或其他来源收集到的联系过58的企业，可能联系58的服务付费的企业用户，对于这样的企业信息在营销平台中称为商机。一个商机通过一系列过滤补充及数仓计算后入到营销的数仓中。其中商机包含很多对应属性，类似于：商机名称、企业所在行业、企业规模、企业地址、商机最后联系时间、商机近7天/30天/60天/90天联系次数。 平台相关运营依据自定义配置规则，条件组合选出所需商机，对所选出的商机完成所需操作。类似于：商机打标签(商机增加标签标识，销售人员依据标签选出商机做对应跟进)、商机入沉寂(业务系统中数据状态转为沉寂，减少跟进)、商机回流(将沉寂库商机转入公共库使销售人员持续跟进)......等等类似操作。 针对以上需求及场景，开发数据应用平台基于数仓的商机表输出的es索引，配置自定义数据圈选规则，并对圈选出的指定商机创建数据应用任务。数据应用任务根据场景配置调用时间窗口等规则定时调用，处理后的数据应用至各个业务场景。
目前我所维护的项目是58到家工作端,定位是一款ToB的工具型应用,目的是帮助家政从业人员更方便的进行上户工作,随着业务的逐渐迭代,发现部分用户在日常的使用中存在作弊的现象,此现象的存在会导致未作弊阿姨可能接到的订单量减少,甚至在活动期间薅羊毛,影响派单的公平性以及增大公司的活动资金投入,因此需要我们对应用的安全性进行一定的提升以保证整体系统的安全性以及公平性. 现阶段接入了梆梆加固,在接入过程中需要确定相关加固策略,因此需要对应用加固有系统的了解,本文主要是对此次安全升级的总结及以及在58到家工作端中的落地实践.
