知鸦日报2025-05-16

AIDA模型是营销中的经典思维框架，分为注意、兴趣、渴望和行动四个阶段，帮助引导用户完成购买行为。适用于营销性质产品、运营活动和功能产品设计。通过吸引注意、点燃兴趣、激发渴望和触发行动，最大化用户转化。设计策略包括强化触点、展示利益点、个性化推荐、营造紧急感等，提升用户体验和交易成功率。

Uber构建了集中化、自动化的秘密管理平台，解决了秘密分散、泄露和轮换难题。通过实时和定期扫描，防止秘密泄露到代码库；整合多个秘密库，统一管理权限和轮换策略；开发自动轮换系统，每月处理2万次秘密轮换；设计安全秘密交换系统，确保第三方秘密安全传输。平台提升了秘密管理的安全性和效率，为复杂技术栈提供了可靠保障。

问答数据因其结构化特点，在构建RAG系统时具有独特优势。关键策略包括：数据入库时权衡完整性与颗粒度，索引构建以问题为中心，检索和生成策略需灵活设计。实际应用中，注重数据质量、元数据增强和用户反馈闭环。处理复杂问题时，采用层级结构；面对数据质量参差不齐，实施分层策略。技术选型上，推荐使用向量数据库、嵌入模型、大语言模型和检索框架。持续优化是打造实用智能问答系统的关键。

可观测2.0通过融合MCP协议，提升系统监控与分析能力。MCP作为AI应用的标准化接口，连接数据源与工具，简化了复杂系统的交互。设计MCP Server时，需注重接口的简洁性、原子化及默认参数设置，避免过长输出和链式传递。MCP适用于短平快的业务场景，未来可结合AI进一步优化可观测性。

亿级数据表新增字段面临锁表、页分裂等风险。扩展字段方案虽简单，但存在不可索引、并发覆盖等问题；扩展表方案虽缓解了部分问题，却增加了行数和维护难度。最终方案将系统拆分为数据管理、存储和检索三部分，通过ES集群和自研管理系统，实现字段动态扩展，支持业务快速迭代，同时规避技术风险。

美团外卖推荐算法团队基于HSTU架构，提出MTGR框架，探索推荐系统中的Scaling Law。MTGR通过Transformer统一建模多条序列，保留传统DLRM特征体系，优化训练与推理性能。实验显示，MTGR单样本推理FLOPs提升65倍，推理成本降低12%，训练成本持平。MTGR于2025年4月在外卖推荐场景全量，离线CTCVR GAUC提升2.88pp，首页订单量增长1.22%。