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。
AI操作网页:browser-use和AI大模型互动解析
browser-use是一款AI浏览器自动化框架,通过精巧的prompt设计和多种Message类型组合,高效完成在线任务。它利用LangChain工具,系统提示(SystemMessage)约束AI行为,人类消息(HumanMessage)传递任务信息,AI消息(AIMessage)响应指令,工具消息(ToolMessage)拓展功能。其结构化输出和上下文感知对话,为AI大模型交互提供了优秀实践。
超清分辨率文生图模型微调实践
探索了FLUX.1-dev模型在原生2k分辨率图片生成上的微调经验。通过超清图片微调和多分辨率混合训练,解决了位置编码外推和细节缺失问题,提升了模型生成超清图片的质量。微调后的模型在发丝、眼睛等细节上表现优异,兼容社区LoRA,未来将拓展更多艺术风格和高质量打标,进一步提升美学性和人物质量。
200行极简demo - 学习如何手搓一个ReAct Agent
这篇教程教你用Java打造一个极简ReAct Agent,通过200行代码拆解"思考-行动-观察"的循环机制。以补货审批场景为例,演示Agent如何解析用户需求、调用工具链并动态响应,两次对话触发4次大模型调用的过程尤为精彩。核心在于用代码实现ReAct的决策闭环,适合开发者动手实践AI决策逻辑的底层原理。
Qwen3-Embedding 全揭秘:从技术到服务,打造高效AI产品的关键路径
Qwen3-Embedding是阿里通义实验室推出的新一代文本嵌入模型,支持多语言和灵活维度定制,在语义搜索、推荐系统等场景表现优异。通过PAI或百炼平台可快速部署,支持微调定制,相比大模型延迟更低、成本更优。实验显示其响应速度达毫秒级,成本仅为LLM的1/4,适合高并发场景。提供缓存、降级等工程优化方案,助力开发者高效构建智能应用。
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
本文通过房价预测的实例,详细讲解了从需求分析到模型部署的完整机器学习开发流程。包括数据收集、特征工程、模型选择与调优等关键步骤,帮助开发者理解如何使用Python及相关库构建和优化回归模型。最后,介绍了模型部署与监控的方法,为实际应用提供了指导。
AI 基础知识从-1到0.1:带你走进机器学习的世界
AI学习从基础概念开始:人工智能(AI)模拟人类决策,机器学习(ML)从数据中提取规律,深度学习(DL)利用神经网络处理复杂任务。大模型参数庞大,依赖海量数据训练。监督学习通过标签预测,无监督学习挖掘数据潜在结构。特征工程优化数据质量,向量化和Embedding将文本转为数值向量,便于模型处理。强化学习通过试错优化策略。后续将深入模型训练和Transformer架构。
Cursor 0.50 版本升级后如何省钱又高效?一份给开发者的避坑指南
Cursor编程助手凭借强大的交互能力和精准的代码理解,成为开发者新宠。其0.50版本更新后,统一了计费机制,引入MAX模式,要求用户更高效利用。建议通过多对话框、任务拆解、对话引用等技巧提升使用效率,并合理配置Cursor Rules以优化开发流程。注意避免Cursor的常见问题,如无法读取jar包、偷懒等,确保代码质量。
1688 AI 原生应用的创新探索与实践
1688通过AI技术重构电商体验,打造找挑一体化智能导购系统。该系统突破传统搜索限制,利用大模型精准理解用户需求,结合多模态商品解析与智能推荐算法,实现从搜索到决策的无缝衔接。通过ReACT模式优化检索流程,AI导购助手可3轮对话内完成需求匹配,准确率超90%。未来将向Agent自动化和端到端模型方向演进,持续提升购物效率与体验。
大模型如何赋能 Web 渗透测试?
小编分享了一种基于大语言模型(LLM)的Web应用漏洞自动化检测方案。通过集成MCP Server与BurpSuite,LLM能够智能分析流量、插入payload并判断漏洞。相比传统扫描器,LLM在覆盖率和准确性上更具优势,但面临token限制、报文格式等问题。尽管速度较慢,该方案在SQL注入等漏洞检测中展现了潜力,为现代Web安全提供了新的解决思路。
低并发编程|如何用720个请求让后端服务器瘫痪
本次故障因应用启动时未有效校验核心依赖模块初始化异常,导致请求处理中抛出无法捕获的错误,中断流处理并阻塞线程,耗尽HSF线程池,使服务不可用。排查发现,网络超时导致富二方包启动失败,核心类初始化错误未被捕获,订阅方无限等待卡死线程。修复措施包括启动时强校验核心模块、捕获Throwable异常及设置合理超时时间。
解析3种AI应用模式:核心技术拆解与工程实践
AI技术应用进入“人人都是AI工程师”时代,三种模式——Embedding、Copilot、Agents——分别对应不同业务场景。Embedding模式通过提示词工程实现简单任务;Copilot模式借助WorkFlow和Function Calling处理复杂流程;Agents模式则具备自主规划能力,结合ReAct和Plan范式解决动态任务。未来,AI工程师将主导开发模式,推动技术创新与业务增长。
ROLL:面向大规模语言模型的高效强化学习框架
ROLL框架专为大规模语言模型优化设计,通过灵活的奖励与环境系统、智能样本-奖励路由等核心特性,显著提升模型性能。其模块化设计与高效资源管理,支持从单卡到大规模GPU集群的训练,适用于人类偏好对齐、复杂推理等多场景,为用户提供了高效且易用的强化学习开发体验。
程序员的自我修养 - 架构要素与认知
架构设计的本质在于平衡形式、功能与概念的关系,核心是构建敏捷可复用的业务平台。银行业架构网络BIAN展示了标准化与解耦的价值,而最小企业架构则强调聚焦关键问题,避免过度设计。程序员需掌握底层思维,从逻辑推理到结构化思考,以领域模型驱动设计。技术领导力要求既懂战略又抓细节,用极简方案解决复杂问题,持续演进才能应对不确定性。
如何让AI帮你做前端自动化测试?我们这样落地了
本文介绍了基于AI的UI自动化测试框架在专有云质量保障中的应用。通过自然语言驱动的测试用例、动态元素定位、执行回放与自适应更新等机制,解决前端测试自动化率低、维护成本高的问题。框架结合Playwright、pytest等技术,提升测试效率与稳定性,助力快速迭代环境下的质量保障。
基于OpenAPI和AI coding的上云智能体构建实践
基于OpenAPI和AI coding技术,我们实践了上云智能体的构建方案。通过加工阿里云openAPI数据,利用LLM生成代码并自主决策执行,减少幻觉,提升任务正确率。该方案在多轮迭代中逐步满足用户需求,有效解决API选择和参数推理问题,为上云场景提供智能化解决方案。
用 AI + 高德地图 MCP,3 小时做出杭州美食地图
AI+地图的创意实践:用Cursor和高德MCP快速打造杭州美食地图。从模糊查询到精准定位,AI自动抓取餐厅信息并生成交互式地图,支持分类筛选和智能推荐。开发仅耗时3-4小时,主要精力花在素材搜集和样式微调。项目突显AI提效优势,让灵感冒险快速落地成真。源码已开源,轻松改造即可复用。