公司：腾讯
腾讯控股有限公司（英语：Tencent Holdings Limited），简称腾讯，是中国一家跨国企业控股公司，为中国大陆规模最大的互联网公司，1998年11月由马化腾、张志东、陈一丹、许晨晔、曾李青5位创始人共同创立，总部位于深圳南山区腾讯滨海大厦。腾讯业务拓展至社交、金融、投资、资讯、工具和平台等不同领域，其子公司专门从事各种全球互联网相关服务和产品、娱乐、人工智能和技术。目前，腾讯拥有中国大陆使用人数最多的社交软件腾讯QQ和微信，以及最大的网络游戏社区腾讯游戏。在电子书领域 ，旗下有阅文集团，运营有QQ阅读和微信读书。
腾讯于2004年6月16日在香港交易所挂牌上市，于2016年9月5日首次成为亚洲市值最高的上市公司，并于2017年11月21日成为亚洲首家市值突破5000亿美元的公司。2017年，腾讯首次跻身《财富》杂志世界500强排行榜，以228.7亿美元的营收位居478位。2021年腾讯因财付通业务，也受到了国家金融机构的监管风暴影响，一度被重罚股价大跌，直到2023年整顿完成后才重回世界十大。
香港财经界把阿里巴巴、腾讯、美团点评、小米四只中国大陆科技股的英文名称首个字母，合称“ATMX”股份。
极致优化Android平台APK的大小
本文深入探讨了如何优化Android平台下UE游戏包的大小与内存占用。通过压缩NativeLibs、优化代码体积、禁用不必要模块、控制编译优化、启用LTO及剔除导出符号等策略，显著减小了APK文件与运行时内存。同时，针对资源裁剪提出了具体优化方案，如剔除第三方组件冗余文件、优化PAK资源与DirectoriesToAlwaysStageAsNonUFS配置，最终实现APK大幅瘦身，提升了分发效率与用户体验。
腾讯技术面：一条Redis命令是如何执行的？
Redis是一个高性能的内存数据库，支持多种部署模式，包括单机、主从复制、哨兵和集群模式。其核心组件包括事件驱动引擎、命令处理层、内存管理和持久化模块。Redis通过事件驱动模型处理客户端请求，命令执行流程包括连接建立、命令解析、执行和响应发送。Redis 6.0引入多线程IO，进一步提升性能。
从LSP到MCP：基础架构、核心组件和协议未来
MCP协议是大模型的"USB接口"，统一了AI与外部系统的交互标准。它通过工具、资源和提示词三大核心组件，让大模型能调用实时数据、执行操作，解决"光说不做"的痛点。协议采用JSON-RPC 2.0消息格式，支持STDIO/SSE/Streamable HTTP三种传输方式，既简化开发又提升扩展性。这波操作直接终结了AI生态的"充电协议混战"，为行业协作铺平道路。
如何设计一个支付系统
支付系统是电商平台的核心，涵盖支付处理、资金结算、订单管理等功能。其架构包括支付网关、交易系统、清结算系统等模块，需确保高效安全。交易系统优化需关注业务校验、并发处理等环节。对账系统则负责数据比对，支持明细与汇总对账，确保财务准确性。设计支付系统时，需注重监控与稳定性，以应对复杂业务场景。
腾讯一念LLM新版本发布：硬刚核心调度，满血版DeepSeek推理吞吐提升48%
一念LLM 0.6.0版本发布，支持DeepSeek模型和分布式推理，采用流水线并行（PP）技术，跨机通讯量降低98.3%，吞吐达9084 tokens/s，比开源框架高48%。通过显存精细化管理，kv-cache可用显存增加137%，支持多batch并发执行，优化了GPU资源利用。未来将继续探索DP/EP和PD分离技术，进一步提升性能。
万字长文深入浅出教你优雅开发复杂AI Agent
AI Agent正经历从聊天机器人到多智能体协作的范式转变。MCP和A2A协议解决了工具调用与Agent协同的标准化问题，而ReAct、Plan-and-Execute等框架赋予Agent复杂任务处理能力。Golang生态的Eino框架通过组件化编排和切面机制，实现高效开发与全链路观测。多Agent系统结合Human-in-the-loop设计，在任务聚焦和协同优化上展现显著优势，为AI应用落地提供新范式。
分享一个讲透任意知识点的万能框架，程序员提升个人技术影响力必备！
技术分享中，讲述方式比内容深度更重要。Why-What-How、层层递进、F-R-S-C-O等框架能帮助听众轻松理解复杂技术。通过故事化表达、悬念设置、时间轴梳理等方式，既能吸引新人，也能让老手有所收获。避免顺序错乱、文字墙、概念轰炸等常见问题，确保信息清晰传递。善用AI工具，快速生成高质量内容，提升演讲效果。
这才是中间件client API设计！
中间件 client API 设计复杂，需处理网络、异步、缓存等逻辑。本文分享了两例外网问题：Tcaplus API 回调导致 coredump 和 Pulsar Go API 死锁，并探讨了解决方案。设计要点包括清晰易用的接口、异步回调机制、网络并发、重试机制等，强调易用性、稳定性和易维护性。通过实际案例，揭示了中间件 API 设计的挑战与优化方向。
鹅厂实习生血泪贴：Agent/RAG黑科技，真相竟是这样！
RAG（检索增强生成）通过检索外部知识库增强AI回答的准确性，避免"幻觉"。其流程包括检索、增强、生成三步骤，核心指标为召回率和忠实度。优化方法涵盖知识库结构化、混合检索策略、生成内容引用等。LLM Agent则通过规划、记忆、工具使用等模块，实现自主决策与任务执行。两者结合，AI从聊天助手进化为全能智能体，处理复杂任务的能力显著提升。
设计有效的定价方案
定价页面设计需简化信息，提升用户体验。用户常采用“割草机”模式扫描表格，依赖表头进行对比。设计时应固定表头、折叠分组，突出方案差异，增强透明度。单变量定价和有限方案可降低决策难度。通过角色匹配、客户背书等方式建立信任，应用锚定效应和“好-更好-最佳”策略，引导用户选择中高端方案，实现商业与用户体验的双赢。
如何画好架构图：架构思维的三大底层逻辑
设计技术方案时，需根据系统类型选择不同的架构图表达方式。宏观层面包括上下文图、系统架构图和物理部署图，帮助理解系统背景和结构。中观层面涉及领域模型、时序图、状态图和并发运行视图，用于描述系统内部逻辑和状态流转。微观层面则关注接口文档、表设计和后台任务等细节。标准化技术体系能提升文档编写和团队沟通效率。
微信读书后台架构演进之路
微信读书后台架构历经十年迭代，从接入层到存储层构建了完整体系。RPC框架WRMesh解决了异构系统服务治理问题，书籍数据中台支持自签版权与内容管理，账号系统迁移至Paxosmemkv提升可用性，内容召回系统结合AI技术优化搜索体验。架构演进始终围绕提升服务稳定性与扩展性，适应业务发展需求。
0day漏洞量产？AI Agent“生产线”曝光
AI Agent通过多智能体协作系统，实现了0day漏洞的高效自动化挖掘。与传统工具相比，AI Agent在复杂代码和大型项目中的表现更优，准确率和效率显著提升。实战验证中，AI Agent在GitHub Top 1000项目中发现了247处有效漏洞，并在Langchain等大型项目中识别出潜在安全漏洞，展现了强大的分析推理能力。
微信自研高性能推理计算引擎 XNet-DNN：跨平台 GPU 部署大语言模型及优化实践
XNet-DNN是微信团队研发的全平台神经网络推理引擎，支持Apple、NVIDIA、AMD等主流GPU，覆盖Windows、Linux、MacOS等操作系统。通过RCI跨平台框架，XNet-DNN在推理效率、内存占用和包体大小上显著优于现有方案。其核心优化包括系统级架构调整和算子深度调优，尤其在GEMM/GEMV和FlashAttention-2算法上表现突出，实测性能在多平台上均领先业界。
架构师必备的服务架构性能优化大全！
提升服务性能的9大妙招：缓存为王，合理选用Redis或内存缓存；并行化处理I/O操作，缩短响应时间；批量化请求减少网络开销；数据压缩降低存储成本；无锁化设计减少竞争；顺序写优化磁盘I/O；分片化扩展存储与吞吐；精简请求避免冗余；池化复用资源。这些技巧在主流中间件中广泛应用，灵活运用可大幅提升系统效率。
快速理解热门LLM大语言模型
本文通俗解析了LLM、Transformer、Prompt等AI核心概念，重点介绍了自注意力机制、API使用、Function Calling、Agent、MCP和A2A等技术。通过示例展示了AI如何通过文字接龙生成回答，并探讨了AI在编程和日常工作中的潜在应用，预测未来AI将重塑行业，解放人类双手，处理重复性工作。