知鸦日报2023-12-08

2023-12-07 16:30:00 ~ 2023-12-08 16:30:00

产品

58同城产品:《精细化增长设计》之「阿姨语义」——UX语义设计实践篇

摘要

文章介绍了一种原创的语义效力阶梯模型,用于标准化不同沟通场景中的语义效果。该模型包括容易理解、引发注意、接受/认同和情感共鸣四个层级,其中情感共鸣是最高层级。作者提到可以运用该模型进行目标拆解和研究方向的拆解,并通过语义手册的沉淀来实现长期的增长效果。同时,在洞察阶段通过丰富的调研手段了解用户人群,形成精准的用户数据画像,为后期定制化设计提供基础。

登录后可查看文章图片

阿里巴巴产品:AIGC浅尝,探索如何将它融入到营销创意设计中?

摘要

通过与AI的反复磨合,我们可以提供更定制化、具体且有吸引力的视觉生成能力。AI工具的跨模态生成能力也能提高创意生产能力。然而,控制视觉风格输入和人为干涉生成过程是挑战。我们开始意识到AIGC的重要性,并将其应用于工作流程中,提高工作效率。未来,AIGC将在日常工作中占据重要位置,使设计师能更专注于创意而非重复技法。

登录后可查看文章图片

腾讯三维地图设计探索-地标模型篇

摘要

来看建筑设计师如何在地图里打造地标建筑。

登录后可查看文章图片

vivo产品:需求评估—设计师如何承接需求

摘要

在工作中,如果我们只是做被交代的工作、做产品的“工具人”,是很难获得成长和进步的,需求评估是每个设计师都要不断提升的能力项。通过需求评估,可以培养自己透过问题看本质的能力,发挥出自己更大的价值。

登录后可查看文章图片

技术

阿里巴巴技术:记一次堆内外内存问题的排查和优化

摘要

本文将分享性能压测和优化过程中遇到问题的排查、解决问题的思路和过程。

登录后可查看文章图片

哔哩哔哩技术:B站边缘网络四层负载均衡器的探索与应用

摘要

我们参考 Cloudflare Unimog 的思想,在其基础上自研了适用于B站的边缘四层负载均衡器 Nickel。

登录后可查看文章图片

阿里巴巴技术:不规范的枚举类代码引发的一场事故

摘要

通过日志分析发现,问题出在PayConvertor类的toDO方法中。具体是在payRequestDO.setStatus(payRequest.getStatus().getCode())这行代码,枚举类Status的getCode方法返回了空值。这可能是因为Status枚举类的代码实现存在问题。此外,作者提到了一个关于枚举类属性的问题,即为什么枚举类的属性要提供setter方法。通常来说,枚举类的属性应该设置为final关键字修饰,不能提供setter。作者通过换位操作来说明,如果将FAILED和SUCCESS的code互换,那么代码将无法正常运行。因此,枚举类属性应该在初始化后不可修改,以确保代码的正确性。

登录后可查看文章图片

网易技术:无源码 iOS 加固的实践方案

摘要

保护 iOS 客户端层的代码安全的重要实践。

登录后可查看文章图片

汽车之家技术:之家消息推送平台的演进(一)——概况与现状

摘要

​消息推送不仅令用户保持与APP的互动,还可以提供重要的实时信息,如新闻资讯、优惠促销、社交互动、个性化提醒和应用内活动等。这些推送消息的质量和可靠性直接影响着用户的满意度和忠诚度。

登录后可查看文章图片

顺滑解决各种动效设计落地的疑难杂症

摘要

动效的实现通常可以分为基础关键帧动画和使用第三方库。基础关键帧动画适用于简单的补间过渡效果,可以手写代码实现。而复杂的动画效果,如3D和矢量图形,通常需要借助第三方库。虚幻引擎是一种常用的库,用于实现复杂的QQ秀效果和交互。但是这类效果的实现成本较高,只会应用在特定的场景中。除了虚幻引擎,还有其他不同系统、语言类型的动画库,需要根据具体情况选择适合的库来实现动画效果。

登录后可查看文章图片

京东技术:MCube动态化与原生工程结合最佳实践

摘要

作者通过研究和尝试选择了MCube的动态化方案来解决业务需求量大、分端开发和发版更新成本高的问题。MCube方案成熟、接入成本低,具有丰富的原子组件和完善的组件市场。作者团队在接入过程中遇到兼容性问题,但MCube团队积极解决,沟通愉快。作者总结了单楼层动态化改造的经验,包括数据封装和视图封装。通用楼层具备解析模块和模板ID的能力,可以调用MCube实现动态化。作者还提到了全页面动态化改造的目标和挑战,需要重新定义下发的数据结构以实现楼层顺序和分楼层动态化控制。

登录后可查看文章图片

360技术:如何预防NodeJS命令注入

摘要

作为前端工程师而言,在我们日常工作中,不仅需要快速交付、优化性能相关,还要时刻对项目中所采用的nodejs技术栈及其安全相关的因素考虑在内。

简而言之,关于安全这根弦儿得时刻紧绷着!

登录后可查看文章图片

携程技术:携程旅游大语言模型系统介绍及其应用

摘要

大语言模型系统(LLM)是一种解决传统分类和匹配模型召回率低的问题的解决方案。在携程的旅游服务中,LLM能够准确识别用户意图,提高准确率和召回率。它的生成能力可用于构造高质量语料,提高泛化性能并节省人力投入。在火车票信息抽取场景中,LLM相比传统算法能够提高抽取准确率并降低开发成本。在客服场景中,LLM通过对话归纳和总结,能够节省人工成本并提高查看时间效率。大模型还可帮助旅游企业进行市场分析和预测,了解市场趋势和消费者需求,制定精确的营销策略和推出符合市场需求的产品。未来,大模型在旅游领域的个性化推荐和定制服务方面的作用将更加重要。通过分析用户历史数据和偏好,大模型可以为用户提供个性化的旅游推荐和定制旅行行程,提升用户旅行体验。同时,大模型还可以进行大规模的人类反馈的强化学习,进一步提升性能。

登录后可查看文章图片


‹ 2023-12-07 日报 2023-12-09 日报 ›

qrcode

关注公众号
接收推送