公司：阿里巴巴
阿里巴巴集团创立于1999年，是中国大陆一家以提供互联网服务为主的综合企业集团，目前实行位于杭州，上海与北京的双总部制度。
阿里巴巴服务范围包括B2B贸易、网上零售、购物搜索引擎、第三方支付和云计算服务。集团的子公司包括阿里巴巴B2B、淘宝网、天猫、一淘网、阿里云计算、聚划算、全球速卖通、阿里巴巴国际交易市场、饿了么、飞猪、优酷、盒马鲜生、阿里影业、菜鸟网络、高德地图、Lazada、Daraz等。旗下的淘宝网和天猫在2012年销售额达到1.1兆人民币，2015年度商品交易总额已经超过三兆元人民币，是全球最大零售商。
至2012年九月底止的财政年度，以美国会计准则计算，阿里营业额按年增长74%至318.39亿元（港元‧下同），盈利急升80%至37.75亿元。2015年全年，阿里巴巴营收146.01亿美元，净利为74.94亿美元。2017年，根据阿里巴巴集团向美国证券交易委员会提交的IPO招股书显示，雅虎持有阿里巴巴集团22.6%股权、软银持阿里集团34.4%股份，另管理层、雇员及其他投资者持股比例合共约为43%，当中马云持阿里巴巴集团约8.9%、蔡崇信持股为3.6%。
2019年11月，阿里巴巴集团在在港交所二次上市。香港财经界把阿里巴巴、腾讯（港交所：700）、美团点评（港交所：3690）、小米（港交所：1810）四只中国大陆科技股的英文名称首个字母，合称“ATMX”股份。
2019年11月26日，阿里巴巴集团港股上市，总市值超4兆，登顶港股成为港股“新股王”。2020年8月，阿里巴巴集团港股总市值首次超过6万亿。
阿里巴巴拆份出去的蚂蚁集团上市前，网络金服整体遭遇到政府的强力监管，阿里巴巴同样受到影响，2021年4月10日，阿里巴巴集团涉垄断被中国市场监管总局罚款182.28亿元人民币。2023年三家中国最主要的金融机构，再联合开罚71亿元，不过也随着官方宣布最后整顿工作的完成，阿里巴巴股价开始反弹。
代码染色&无效代码清理
这篇文章分享了如何利用代码执行染色和覆盖率分析技术清理无效代码的实践经验。通过JVM agent插桩和JaCoCo工具，团队实现了线上代码执行数据的自动化采集与可视化分析，结合IDEA插件快速定位无用代码。方案有效降低了历史代码维护成本，提升了代码健康度，为类似场景提供了可复用的技术路径。
Hello AgentScope Java
AgentScope Java v0.2 正式发布，核心 ReActAgent 能力全面上线。该框架强调透明度，支持 Prompt Engineering、API 调用、Agent 配置及决策过程的可控性。架构分层清晰，涵盖基础组件、智能体基础设施、多智能体协作及部署层。ReActAgent 支持多模态消息、钩子机制、会话持久化、结构化输出及多智能体协作，助力高效 AI 应用构建。
手把手教你搞定大数据上云：数据迁移的全流程解析
数据迁移是企业“搬栈上云”的关键步骤，涉及海量数据的物理传输、系统耦合的复杂性及大规模数据的一致性校验。迁移方案分为物理迁移和逻辑迁移，前者效率高，后者灵活性强。面对异构系统兼容性、API限制等挑战，需采用自动化工具和智能策略。未来，数据迁移将向生态适配、自动化、智能化及闭环应用改造方向演进，助力企业实现数据资产的高效流动。
淘宝搜索算法：面向下一代的向量检索实践
大模型在语义表征应用中面临四大挑战，通过模型架构升级、训练范式革新、数据合成飞轮和全维度评测体系建设，突破传统向量召回模型能力边界。重点关注模型规模、向量维度、Test-time Scaling up及单双向注意力差异化建模，推动超高维向量检索上线，引入CoT机制提升表征能力，设计Retrieval-GRPO强化学习范式，优化多目标Reward融合，提升模型在长尾Query上的表现。
一个销售数据分析机器人的诞生：看 Dify 如何在 DMS 助力下实现自动化闭环
Dify低代码平台在企业应用中存在代码执行和调度机制的瓶颈。通过引入DMS Notebook和DMS Airflow，Dify的能力得到显著扩展，支持复杂业务逻辑和自动化调度。这套方案不仅保留了Dify的低代码优势，还实现了敏捷开发与工程可靠的平衡，为企业级Agent开发提供了高效、可扩展的解决方案。
交易订单表如何做索引优化
本文深入剖析了淘天电商交易订单表的慢SQL问题，详细介绍了索引优化理论，包括B+Tree与B-Tree结构差异、索引下推与排序流程等。通过实际案例，展示了如何利用EXPLAIN与Query Profile工具诊断慢SQL，并提出了大规模线上集群的索引变更SOP。文章还总结了常见慢SQL成因及解决策略，帮助提升数据库查询性能。
文章“找茬”神器——媒体行业AI智能校对方案
大模型正重塑媒体行业内容生产流程，文章校对成为关键切入点。通过智能体三层架构（业务、智能体、模型层）精准处理基础规范、合规风险等四类规则，结合Prompt工程、RAG知识库与实时MCP服务提升效率。某英文媒体客户案例中，针对英式英语、时态等痛点优化方案，最终F1值超80分，成功验证AI辅助价值并推动更多场景落地。
为什么 LLM 搞不定复杂任务？ReAct 与 Reflexion 技术综述
ReAct框架通过结合推理与行动，使大语言模型能动态处理复杂任务，减少信息幻觉。Reflexion在此基础上引入评估与反思机制，形成学习闭环，持续优化模型表现。两者结合，既增强实时响应能力，又提升长期学习效果，适用于智能助手、自动编程等领域。未来，记忆优化、多模态集成等方向将进一步拓展其应用潜力。
AliSQL 向量技术解析（一）：存储格式与算法实现
AliSQL 8.0 扩展了 MySQL 的向量处理能力，支持最高 16,383 维向量存储与计算，集成了 HNSW 算法的向量索引，助力高效近似最近邻搜索。通过设计辅助表存储 HNSW 图结构，结合数据字典适配，保障了元数据一致性与 DDL 原子性，为 AI 应用提供低成本、高兼容性的向量化解决方案。
Agentic 应用时代，Dify 全链路可观测最佳实践
Dify平台在Agentic应用开发中面临可观测性挑战。开发者关注Workflow执行，运维方则聚焦集群及上下游监控。现有监控方案存在分析能力不足、数据采集粒度受限等问题。云监控推出全景可观测方案，通过无侵入探针和官方集成服务，实现对Dify各组件及Workflow应用的全面监控，助力开发者优化应用，运维方快速定位问题。
页面搭建方案(TurboUIBuilder)在穿搭星球的实践
手淘穿搭星球业务从Weex转向Native技术栈，推出TurboUIBuilder可视化页面搭建平台。通过Template-Container-Component三层结构，结合DX动态组件和keypath数据绑定，提升开发效率30%-50%，实现双端一致性与远程动态更新。内置核心服务如布局、数据、埋点等，优化用户体验，支持模板管理与AB测试，形成高稳定性、易扩展的Native页面构建引擎。
打通出行最后一公里｜高德面向地铁场景的多模态智能图文引导系统
高德地图推出地铁站内多模态智能图文引导系统，填补“最后一公里”导航空白。该系统通过VR、图文和文字提示等多种方式，为用户提供无缝的端到端出行体验。技术方案包括数据采集、自动化审核、图文生产等环节，结合语音、视觉和多模态大模型，确保引导信息的精准性和清晰度。项目已全面覆盖地铁站内进站、出站、换乘场景，用户反馈积极。
淘宝搜索算法：推理型相关性LLM探索实践
电商搜索中，Query与商品相关性判别技术至关重要，直接影响用户体验和商家效率。传统BERT模型虽能处理大部分搜索需求，但在长尾复杂query上表现不足。本文提出基于大模型的优化框架，通过CoT微调、Pass@N-based DPO和动态采样GRPO，显著提升模型推理能力，解决了在线部署和错误累积问题，最终在难query评测集上取得显著效果。
从 yield 到 await：Python 协程的进化史
Python协程的演进史：从生成器到async/await的华丽转身！20年间，yield的诞生开启了协程雏形，社区用@wrappertask填补过渡期痛点，最终yield from实现标准代理，而async/await带来原生支持。这段技术进化告诉我们：优雅的语法背后，是无数实践打磨的智慧结晶~
从代码生成到自主决策：打造一个Coding驱动的“自我编程”Agent
这篇文章揭秘了一个能"自我编程"的智能Agent开发历程。通过Python+Java混合架构，让LLM生成的代码直接控制Agent行为，实现分支、循环等复杂逻辑。核心创新在于代码驱动机制：用Py4j桥接实现工具泛化调用，FIM格式精准续写代码，结合分层记忆系统实现持续学习。工程上采用模块化设计，将Agent划分为感知、认知、运动等智能分区，配合动态Prompt组装和上下文管理，最终打造出具备初级程序员水平的AI助手。
为什么说多模态是推荐系统破局的关键？来自饿了么一线的实战复盘
多模态推荐系统正从传统ID特征向丰富内容信息转变，结合大语言模型实现智能化推荐。饿了么首页店铺推荐场景通过多模态表征技术，解决了冷启动和跨场景迁移问题。生成式推荐利用量化编码与LLM结合，提升推荐精准度和可解释性。技术演进推动了推荐系统从匹配范式向生成范式的转变，展现了巨大潜力。