话题公司 › 阿里巴巴

公司:阿里巴巴

关联话题: Alibaba、阿里、闲鱼

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。

Agent工程能力思考记录

本文探讨了在大模型(LLM)时代下,如何重新定义业务核心资产以及Agent的演进与协作机制。文章从技术分层、Agent定义、协作模式、任务分配、冲突解决到工具调用标准(如MCP协议)等多个维度展开分析,并结合工程实践视角,提出了对Agent平台能力建设的思考,旨在为构建高效、灵活、可扩展的Agent系统提供参考。

RAG技巧与底层代码剖析

用Python基础库从零构建RAG系统,深入解析文本分块、向量化、语义搜索与生成优化。通过智能分块、动态上下文压缩等9大技巧,提升回答质量。从PDF提取文本到生成响应,逐行代码剖析RAG内核,助你彻底掌握底层逻辑,突破调参瓶颈,实现高效检索增强生成。

Deep Search 如何理解业务仓库代码?

Deep Search和Deep Research致力于深度挖掘信息,超越传统RAG的局限,提供更精准的洞察。Deep Search侧重全面检索,Deep Research侧重深入分析与创造。主流商业产品如OpenAI、Google和xAI集成检索能力,效果显著。开源方案通过优化查询和检索分析提升效率。代码领域中,Deep Search通过深度解析用户意图,精准匹配代码片段,生成结构化报告,提升代码检索与理解能力。未来将研发专用代码搜索Agent,增强领域知识和推理能力。

MCP Java 开发指南

Java开发者如何玩转MCP协议?这篇干货带你打通Python与Java的AI协作壁垒!从协议解析到实战落地,详解SSE与STDIO两种通信模式,手把手教你用原生SDK实现跨语言调用。遇到Spring AI的坑?别慌!这里还有绕过限制的终极方案,让你不改Python服务端就能轻松集成。AI时代,Java开发者也能成为模型调用的桥梁!

Cursor入门:MCP开发调用和项目实战

Cursor结合MCP、Docs、Rules等功能,展现了AI Coding的强大潜力。通过实战案例,如开发MCP Server和黄金价格预测项目,体验了从代码生成到项目构建的全流程。Cursor不仅提升了开发效率,还简化了前后端联调和API调试。虽然复杂项目仍需开发基础,但Cursor无疑为全栈开发提供了捷径。

当我们在谈多端一码时,我们在谈论什么

直播业务通过Kotlin Multiplatform(KMP)实现"多端一码",解决了多端逻辑差异问题。KMP支持代码复用、渐进式迁移,性能媲美原生,学习曲线平缓。团队从技术预研到复杂业务落地,验证了KMP在直播核心场景的可行性,如PM消息服务迁移和生命周期统一,显著提升了开发效率和稳定性,为未来UI与逻辑全面统一打下基础。

200行python代码实现从Bigram模型到LLM

从零开始,用200行Python代码实现了一个基于Transformer架构的GPT模型。通过逐步添加self-attention、position嵌入等机制,最终构建了一个完整的语言模型。模型在训练后能够生成更通顺的文本,展示了Transformer的强大能力。代码简洁明了,适合初学者理解和实践,为进一步优化和扩展奠定了基础。

从零开始200行python代码实现LLM

这篇文章手把手教你用Python从零实现一个极简版大语言模型!无需机器学习基础,只需会写Python代码,就能亲手搭建一个能生成古诗词的Bigram模型。通过具体代码示例,清晰展示了词汇表构建、概率统计、文本生成等关键步骤,还对比了传统方法与PyTorch实现的区别。跟着教程走,你不仅能理解tokenizer、embedding等核心概念,还能直观感受模型训练过程。最后实现的迷你模型虽然参数量仅39万,但已经能生成像模像样的诗词啦!

一文讲透程序编排的核心方式:从表达式语言到并行化实践

高德POI数据处理中,通过流程化配置和表达式语言提升开发效率。文章探讨了单语句表达式、类结构映射、流程化配置及并行化调度等编排方式,结合真实系统演进,分享高灵活性任务处理引擎的设计经验。这些编排方式适用于多种场景,助力复杂逻辑处理,提升系统设计能力。

大模型微调知识与实践分享

大模型微调全攻略来啦!从模型结构、参数量到显存计算,一文带你具象认识LLM。重点解析Prompt工程、数据构造和LoRA微调等关键技术,手把手教你用开源框架进行实践。还附赠推理加速技巧和效果评估方法,助你快速打造专属领域模型。无论是技术原理还是实操细节,这篇干货都能满足你的需求~

什么!我把SQL编辑器装进了大模型?

大型语言模型在生成SQL时易产生语法错误,难以满足企业级场景的精准需求。通过约束解码技术,结合上下文无关文法和Jinja模板引擎,实时过滤不合规的候选token,确保SQL语法正确且符合业务逻辑。该方案赋予LLM生成结构化数据的能力,提升输出准确性和可控性,助力智能数据管理平台构建。

MCP Server的五种主流架构与Nacos的选择

MCP协议连接AI大模型与应用,但企业级部署面临多重挑战。本文详解MCP Server的五种架构模式,包括直连Remote Server、通过Proxy连接Remote Server、直连Local Server、通过Local Proxy连接Local Server及混合模式,各有优劣,适用于不同业务场景。Nacos服务治理框架赋能MCP架构,提供智能路由与统一管理,简化企业级MCP部署。

淘宝直播组件调度、复用和治理

淘宝直播组件通过组件调度、组件复用和组件治理三大优化方向,显著提升了直播间性能和用户体验。组件调度实现延迟加载,支持暂停、恢复和取消;组件复用利用RecyclerView缓存机制,减少重复创建;组件治理则通过精简非必要操作,降低加载耗时。这些优化在CPU使用率、卡顿率等技术指标,以及人均观看时长、转化率等业务数据上均取得显著提升。未来将继续优化布局层级和组件内部逻辑,进一步提升性能。

Multi-Agent 的灵活编排之路

Copilot 3.0通过多智能体架构和规划模块,显著提升了商家经营助手的智能化水平。采用GRPO强化学习训练,优化了复杂问题的处理效率和简单问题的响应速度。通过多阶段训练和奖励函数设计,模型在准确性和推理成本上取得平衡,实现了更高效的智能体调度和问题解决能力。

淘宝Java工程师的LLM开发实践

AI大模型技术迅猛发展,Java工程师如何高效应用成为关键。本文从Java视角探讨LLM应用开发,涵盖对话聊天、联网搜索、个人知识库等功能。介绍了LLM基本概念、开发框架如Spring AI,以及Function Calling和RAG技术。通过实践,读者可掌握LLM开发核心技能,构建类似ChatGPT的智能应用。

如何管理和调度Dify工作流?

Dify是一款开源大模型应用开发平台,支持通过可视化画布快速构建AI Agent和工作流。然而,Dify缺乏定时调度和监控报警功能,且执行记录过多影响性能。为解决这些问题,推荐使用任务调度系统如Dify Schedule或XXL-JOB进行调度,前者基于GitHub Actions,适合公网Dify,后者支持秒级调度和丰富监控,适合企业级应用。两种方案各有优劣,可根据需求选择。

inicio - Wiki
Copyright © 2011-2025 iteam. Current version is 2.144.0. UTC+08:00, 2025-06-07 04:36
浙ICP备14020137号-1 $mapa de visitantes$