自从ChatGPT问世以来，人工智能领域经历了一场令人眼花缭乱的变革，特别是在视觉-语言模型（Vision-Language Models, VLMs）的研究和应用上更是如此。VLMs通过结合视觉感知能力和自然语言理解能力，已经在诸如图像描述、视觉问答以及图像和视频的自动标注等多个方面展示出其惊人的潜力和应用价值。随着技术的不断进步，VLMs在处理复杂视觉和语言任务时的性能得到了显著提升，同时也为解决现实世界问题提供了新的视角和工具。 在过去的一年中，VLMs技术取得了飞速发展。本文旨在对这些技术进步进行梳理与思考，但将避免深入具体的论文细节，而是用简明扼要的方式介绍每篇研究的核心思想。若想了解更多细节，可参考相关论文的链接。
Mako 是「极快」和「生产级」的前端构建工具，基于 Rust。 「极快」是我们立项做 Mako 的初衷，没有构建速度问题也就没有 Mako，参考下方的 Benchmark 区域部分数据，同时我们也一直在探索更快的构建速度方案；而「生产级」是因为 Mako 自 2023.11.24 起已在蚂蚁内部正式发布，通过工程化的方式验证了数千个项目和所有用到的 npm 包及其不同版本，已落地数百个项目，并对内服务了中后台、小程序、H5 移动端、低代码、营销、组件库、组件打包、Serverless Function 等多个不同平台和业务场景，已具备了生产级的能力。
从零基础接手DX扩展开发维护，到完成DX扩展从O2平台迁移到 VSCode 平台，现在也积累了一些经验，本文将对这一过程中的学习经历做一个简单小结，也希望可以通过本文帮助想要开发 VSCode 扩展的同学可以更快速的上手。 VSCode (Visual Studio Code) 是微软开发的一款免费、开源的代码编辑器。它基于 Electron 框架构建，提供了丰富的开发者工具，支持多种编程语言，可以进行代码调试、版本控制、智能提示等功能，是很多开发者日常使用的工具。
在软件开发中，对象之间的转换是一项常见的任务，尤其是在处理数据模型间的映射时。传统的做法，如使用JavaBeanUtils，可能会导致性能下降，而手动编写转换代码则效率低下且易出错。为了解决这些问题，MapStruct应运而生。MapStruct是一个强大的代码生成器，遵循约定优于配置的原则，使得对象间的映射变得简单、高效且类型安全。它在编译时生成映射代码，确保了高性能，并通过自动化减少开发工作，降低了维护成本。 MapStruct通过注解处理器集成到构建工具和IDE中，简化了集成流程。在实际应用中，我们可以创建一个单独的转换层，集中管理所有映射代码，保持代码的整洁和模块化。此外，MapStruct支持多种映射策略，包括基本类型转换、枚举与字符串之间的映射，甚至复杂的对象和集合转换。通过自定义注解，我们可以处理特殊场景，如空值处理、日期格式化、自定义表达式等。 本文将引导读者逐步了解MapStruct的引入、基本用法，以及在实际开发中的复杂映射场景，帮助开发者充分利用MapStruct提高开发效率和代码质量。
大家好，我是阿里云云原生微服务技术负责人李艳林，我所在的团队是做云原生应用的架构、开发和运维的，并以开源和云产品的方式服务广大开发者和企业客户。随着大模型的流行，我们看到了越来越多 AI 原生的应用，因此做了非常多的实践。今天我将分享一些实践中的感悟。
OpenAI 国内停服，除了各个大模型厂商提供的迁移方案外，是否有其他更平滑的迁移方案呢？本文以 OpenAI 切换到通义千问为例，介绍开源网关 Higress 的应对方案。
写这篇文章的初衷：作为一个AI小白，把我自己学习大模型的学习路径还原出来，包括理解的逻辑、看到的比较好的学习材料，通过一篇文章给串起来，对大模型建立起一个相对体系化的认知，才能够在扑面而来的大模型时代，看出点门道。
