在电子游戏中，必然会存在新手教程这一环节。为了让玩家走向正确的方向，作者会在游戏中加入很多的引导元素，其中有的直白如画面上常亮的 ui 指引，有的却能隐藏在流程中，让你发觉不到它的存在，两种风格各有优劣，本文章会通过一些经典案例浅析游戏设计中隐性引导的部分设计方法，探索游戏设计师是如何让你主观地选择出“正确答案”。

LoRA,Adapter,Prefix-tuning,P-tunin.

代码和人，有一个能跑就行。

上半年参与了两款 PaaS 产品的体验设计，分别是 TMF（移动开发平台）和 TCMPP（小程序平台），在项目过程中梳理了一套使用视觉手段来帮助产品传达客户价值的方法，并且根据已收到的部分数据反馈初步验证了设计策略的效果，在此进行分享。

只有2.5个月，我在腾讯如何救活一个技术架构？

探讨并发编程中BUG的源头。

前一阵，Adobe宣布Photoshop（Beta）迎来了一次重大更新，新增了"创意填充（Generative Fill）"的功能。

我们第一时间对这个新功能进行了体验，它的实际效果远超出了我们的预期。

尽管目前只是测试阶段，但无论是操作的流畅性，还是生成效果上，Generative Fill都展示出了强大的潜力和影响力。

它仿佛在告诉我们，这不仅仅是一项新功能，而是一场真正意义上设计领域的革命。

秒懂消息队列，看这篇就够了。

大规模语言模型 (LLM) 拥有大量的数据来源，能针对用户提出的问题提供不同形式的回答，但其回答形式仅限于“文本”。尽管文本内容清晰，但在包含复杂逻辑或需要向外展示的场景下，文本表达存在局限性。可以想象，将“文本” 转换为“可视化” 分析模型甚至UI界面将具有更出色的效果。本文将汇总关于这种场景的探索和实现思路。

近年来，AI生成内容（AIGC）领域的飞速发展催生了诸多创新技术与应用，尤其是AI绘画。为降低构建Prompt的复杂性，我们基于ChatGPT实现了一个Stable Diffusion提示词生成器，支持多语言提示词和智能优化与扩展提示词，助力初学者轻松探索AI绘画世界。

长、短线的迭代优化。

交互、视觉、产品设计师和产品经理，应该都绘制过 用户旅程地图、用户画像、设计蓝图、商业画布、SOWT分析等常用的分析模型。但在前期分析时或多或少都遇到过这些痛点：整理&分析结论耗时长、绘制「便于理解」的分析结论重复繁琐 等等痛点。

ChatGPT 是一种强大的自然语言处理模型。在工作中，我们可以借助其卓越的自然语言生成能力，快速检索代码信息，使程序员们能更加专注于业务逻辑的实现和优化。然而，由于它的知识库仅覆盖至 2021 年 9 月前的信息，一些新的技术文档无法被查询到，例如我们公司前端经常使用的开源框架 TDesign。本文讲解了本人为了解决这一痛点的实验过程，即通过应用 embedding 技术并结合 AST 解释器，实现了对 TDesign 代码知识库的自然语言查询。在 30 个常见用例的测试下，查询精度达到了 90%。常用组件的检索时间从平均 10 分钟缩短至 2 分钟，从而提升了前端研发效率 20%。

鹅厂人真实的使用tips：让你的GPT不再答非所问。

传统搜索系统基于关键字匹配，在面向：游戏攻略、技术图谱、知识库等业务场景时，缺少对用户问题理解和答案二次处理能力。本文探索使用大语言模型（Large Language Model, LLM），通过其对自然语言理解和生成的能力，揣摩用户意图，并对原始知识点进行汇总、整合，生成更贴切的答案。关于基本思路，验证效果和扩展方向，可以参考正文的介绍。

现今，许多B端设计师在日常设计中难免会遇到各种运营3D banner设计需求。在设计过程中，他们不仅需要费尽心思构思各种造型，还要不断进行重复渲染，而有时渲染结果也难以令人满意。本文旨在介绍一种基于Stable Diffusion混合AI的B端 3D Banner设计方法和流程，可供任何对该领域感兴趣的人进行实验，创作出各类B端模型。