知鸦日报2025-03-04

设计系统中图标库的维护至关重要，Figma用户可通过合理组织、管理和更新图标库提升效率。字体图标和SVG图标各有优劣，需根据项目需求选择。图标尺寸需适应不同设备，自适应图标和响应式图标设计能优化显示效果。Figma中图标组件的设置应保持层级一致，使用扁平化设计，并设置缩放约束。双色图标可通过叠加图层实现，需注意切换时的颜色初始化问题。

OpenAI推出GPT-4和Sora模型后，B站TTV团队积极探索文生视频模型。文章详细介绍了OpenSora和CogVideoX的架构与训练流程，并分享了数据存储、预处理、模型并行优化等工程实践经验。团队通过HDFS+Alluxio方案提升数据加载效率，采用序列并行策略优化显存占用，并适配NPU架构以提升训练性能。未来计划引入流水线并行和分层ZERO3技术，进一步优化模型训练。

本文展示了如何利用 react-markdown 实现 Markdown 内容的个性化渲染，特别是将链接渲染为引用角标并弹出抽屉展示引用信息。通过 useRef 避免动态数据更新导致的组件重渲染，确保用户体验流畅。文章详细介绍了组件设计、代码实现及 useRef 的关键作用，帮助开发者高效处理类似需求。

大模型应用开发的核心在于利用LLM的理解和推理能力，通过Prompt Engineering与业务场景结合。开发流程包括设计交互、编写Prompt、调用外部工具等，支持Function Calling的模型可简化复杂任务。RAG技术通过检索增强生成，提升问答准确度。AI Agent和MCP协议则拓展了大模型的实际应用场景，使其能直接执行任务。开发者可参与Tool开发，推动AI生态建设。

文本向量化将文字转换为数字，通过向量嵌入量化语义相关程度。词向量模型如word2vec捕捉词汇关系，BERT则根据上下文调整单词向量，解决一词多义问题。BGE_M3模型生成句子级嵌入，更准确反映句子语义。这些模型在自然语言处理中广泛应用，提升语义理解和计算效率。

在云上部署DeepSeek大模型时，可选择多机或单机8卡GPU裸金属实例运行满血版，或单卡、双卡GPU虚拟机运行蒸馏版。GPU云服务器性能直接影响DeepSeek服务的吞吐能力和训练时长。本文概述了GPU云服务器的软件系统设计，分享了百度智能云的最新实践，包括GPU数据处理流程、硬件选型、单机硬件拓扑、GPU互联技术、虚拟化技术及多卡通信方式等，为优化GPU云服务器性能提供了参考。

LSM-Tree是一种高效的键值存储数据结构，通过分层和有序的磁盘写入优化写入性能。本文使用Zig语言实现了LSM-Tree的核心功能，包括MemTable、SSTable、写流程、迭代器和数据压缩。通过项目实践，深入了解了LSM-Tree的读写流程和MergeIterator的巧妙设计，同时积累了工程经验，如单元测试和锁范围优化。

基于Flink的实时反作弊流式过滤系统，通过秒级特征计算、高频策略热更新、模拟过滤验证及多场景数仓对接，解决了大流量场景下的复杂特征计算与策略迭代难题。系统优化了窗口触发机制与状态存储，提升高并发下的精准风控判定，支持实时监控与离线分析，为互联网业务提供高效、低延迟的反作弊解决方案。

Vue 3 利用 Proxy 实现响应式系统，取代了 Vue 2 的 Object.defineProperty。Proxy 能拦截对象的读取、修改、删除等操作，支持深层次代理和数组方法拦截。通过 reactive() 创建响应式数据，结合 effect() 进行依赖收集，trigger() 触发更新。相比 Vue 2，Vue 3 依赖按需收集，自动清理无效依赖，优化了性能与内存管理。