AI Coding正重塑开发模式，降低技术门槛，但专业性并未消失，而是转向问题定义与批判性思维。AI提升效率，但可复用性与架构设计仍是核心。全栈开发者需具备跨领域整合能力，而领域专家的深度经验依然关键。TDD与研发左移趋势凸显，AI时代开发者需掌握长程规划、决策制定、创造性解决问题等核心技能，驾驭AI工具，创造更大价值。

MVPainter是一款全流程开源的3D贴图生成系统，仅需一张参考图与白模即可自动生成高质量贴图。系统通过多视角扩散技术，结合法线图和深度图，确保贴图与几何精准对齐，同时生成具备PBR属性的物理贴图，提升真实感表现。MVPainter解决了贴图保真度、几何对齐及细节丰富度三大挑战，显著优化了3D内容生产效率与视觉效果。

OceanBase单元化架构在高德地图三大场景中展现卓越性能：金融结算强一致、云同步高效读写、评论服务低延迟查询。通过三城五中心部署和Paxos协议，实现RPO=0、RTO<8秒的跨区域容灾。对比测试显示，其吞吐量领先竞品30%，存储空间节省最高8.2倍。单元化设计完美平衡OLTP/OLAP需求，为海量地图数据提供高可用、高性能的分布式数据库解决方案。

高德地图通过“高可用、高性能、高效率”三大技术目标，解决了终端在多系统、多设备、多语言支持中的难题。采用一体化容器架构，实现跨平台开发，提升启动速度，优化包体积与流量。通过按需加载、鸿蒙CAPI框架、多屏合一及配置化设计，确保用户流畅体验与系统稳定性，持续推动技术创新与业务拓展。

多Agent框架能解决不同算法不同模型之间融合交互的问题，基于用户反馈进行模型优化提升播报效果

高效稳定的代码覆盖率采集方案，不少同学对其背后原理非常感兴趣，本文作出详细解析。

最近对可视化图层组件做了重大优化，解决了不少问题，涉及到多个场景的合并渲染，后期效果的叠加渲染等等，在这里总结一些经验跟大家分享。

在可视图层的开发过程中必须解决的一个问题就是多个场景（图层）的渲染，比如在地图上显示交通路线、区域范围、兴趣点3个场景，在视觉上是处于同个空间系统，又能够实现分层控制。最容易想到的办法就是为每个场景创建一个Canvas，并将Canvas标签叠加起来。

这样做首先会遇到的问题是图层的数量会受限。浏览器对单个页面虽然不限制Canvas标签的数量，但对运行的WebGL上下文数量是有限制的，例如PC上的chrome支持的上限可能是8个（没有明确说法），手机平板等移动终端会更受限， 超越上限时就会出现类似下面的错误，最先创建的上下文会直接被启用不显示。本文的核心问题就是解决WebGL共享的问题。

为提高地图制作效率，降低制作成本提供了坚实保证。

BEV(Bird’s-Eye-View)是一种鸟瞰视图的传感器数据表示方法，它的相关技术在自动驾驶领域已经成了“标配”，纷纷在新能源汽车、芯片设计等行业相继量产落地。BEV同样在高德多个业务场景使用，例如：高精地图地面要素识别、车道线拓扑构建、车端融合定位中都扮演了重要角色。

高德在构建Go生态演化过程中，已经实现了QPS从0到峰值千万的飞跃，本篇文章主要介绍在此过程中积累的一些技术决策及性能优化和重构经验。

介绍了高德如何通过仿真手段来解决车道级导航场景构建与还原的问题。

如何做技术选型，如何落地，痛点、收益及未来规划。

‍‍‍本文主要记录了高德信息业务DDD实战中如何用领域重构胶水代码。

最近我接到了一个场景需求，需要在高德地图上实现仿照自动驾驶导航界面的自动巡航效果，相对于场景BIM建模，这是一个较低成本的解决方案。

需求很简单，只要在3DTiles图层上展示主体车辆（后文简称为NPC）沿着既定的路径平滑移动就可以了，这里不用考虑NPC与场景碰撞问题，因此可以直接把NPC和场景拆分为两个独立图层。关于在高德地图实现3DTiles的思路之前的文章已经分享过了，这里着重介绍一下NPC移动要如何实现。

核心概念、业务应用、预测流程、效果评估一文讲透。

一文读懂ARHUD驾车导航关键技术和挑战。