知鸦日报2023-08-03

而策划可以借助通用模板统一格式，降低阅读成本，更能形成一种工业化的思考流程，将系统的全貌思考清楚，以此保证系统品质的高下限。

本文详细叙述了最适合安居客当前阶段的研发效能度量体系。

随着旅游市场的回暖、出行需求的激增，去哪儿网酒店的单日预订量也刷新了历年的前高还在不断突破产生新高。

与此同时，酒店数仓每天处理的数据也在不断上涨，为了保障日常 SA 级的报表正常产出，需要我们持续优化数据处理的链路，消除存在的瓶颈与卡点。

酒店流量链路产出的核心宽表为：搜索( search S页 )、列表( list L页 )、详情( Detail D 页)、预订( booking B 页)和提交订单( order O 页）流量表，对应了酒店主流程各个页面的用户流量数据。

我们以一个具体的案例 “ L 页流量表” 优化作为切入点，来展开对流量链路的优化实践，承诺 SLA、体量够大、关联够多、逻辑够复杂、使用够广一直是 L 页流量表的内在标签。

dora是一个哈啰的开源的taro小程序微前端集成框架，具有把多页业务拆分并集成编译与通讯的能力。

Earlier in this series, we covered the importance of graph networks, graph concepts, graph visualisation, and graph-based fraud detection methods. In this article, we will discuss how to automatically detect new types of fraudulent behaviour and swiftly take action on them.

One of the challenges in fraud detection is that fraudsters are incentivised to always adversarially innovate their way of conducting frauds, i.e., their modus operandi (MO in short). Machine learning models trained using historical data may not be able to pick up new MOs, as they are new patterns that are not available in existing training data. To enhance Grab’s existing security defences and protect our users from these new MOs, we needed a machine learning model that is able to detect them quickly without the need for any label supervision, i.e., an unsupervised learning model rather than the regular supervised learning model.

To address this, we developed an in-house machine learning model for detecting anomalous patterns in graphs, which has led to the discovery of new fraud MOs. Our focus was initially on GrabFood and GrabMart verticals, where we monitored the interactions between consumers and merchants. We modelled these interactions as a bipartite graph (a type of graph for modelling interactions between two groups) and then performed anomaly detection on the graph. Our in-house anomaly detection model was also presented at the International Joint Conference on Neural Networks (IJCNN) 2023, a premier academic conference in the area of neural networks, machine learning, and artificial intelligence.

In this blog, we discuss the model and its application within Grab. For avid audiences that want to read the details of our model, you can access it here. Note that even though we implemented our model for anomaly detection in GrabFood and GrabMart, the model is designed for general purposes and is applicable to interaction graphs between any two groups.

Redis 是一个高性能的 key-value 数据库，由于其易用、性能高、扩展性好等特点，已经成为后端内存数据库的业界标准。本文会解析 String 数据是如何保存的，并分析其占用内存的原因，以及说明如何减少内存的使用。

转转品牌升级后更新了全新的Logo，今天我们用纯CSS来实现转转的新Logo，为了有一定的挑战性，这里我们只使用一个标签实现，将最大化的使用CSS能力完成Logo的绘制与动画效果。

‍在一个大型团队中，bug协同管理是一件复杂的事情，我们基于go-git开发实现了通用化的git-poison，通过分布式源码管理bug追溯、查询，可复制性高，适用于所有git仓库，与分支模式和代码仓库无关。​

在需要定期汇报的情况下都可以快捷简单迅速地生成一份完整的汇报ppt，从“苦ppt久矣”的工作中解放出来。

不做出完美的架构设计就不能开工吗？

本文基于实际应用案例，来给大家仔细阐述相关方法模型的思考过程，实现原理，应用结果。

随着网络规模的快速发展，网络状况的良好与否已经直接关系到了企业的日常收益，故障中的每一秒都会导致大量的用户流失与经济亏损。因此，如何快速发现网络问题与定位异常流量已经成为大型企业内必须优先解决的问题，诸多网络流量分析技术也同时应运而生。

我被问得最多的问题之一是如何在微前端中处理 CSS。毕竟，样式始终是任何UI片段所需要的东西...

本文主要探讨了Prompt的重要性和作用，然后介绍了一些实用的写Prompt的框架，怎么更有效地构建高质量的Prompt。

市面上有很多可以被用于AI绘画的应用，例如DALL-E、Midjourney、NovelAI等，他们的大部分都依托云端服务器运行，一部分还需要支付会员费用来购买更多出图的额度。在2022年8月，一款叫做Stable Diffusion的应用，通过算法迭代将AI绘画的精细度提上了一个新的台阶，并能在以秒计数的时间内完成产出，还可以在一台有“民用级”显卡的电脑上运行。

随着业务的发展，组织规模的扩大，越来越多的企业开始意识到协作效率对于企业团队的重要性，甚至是决定其在某个行业竞争中突围的关键，是企业长久生存的根本。

手把手教你实现一个前端的依赖注入工具。本文会从基础知识开始讲解，然后实现基本的依赖注入能力，循序渐进实现抽象依赖，惰性依赖，最后实现高级的循环依赖。

本文讲解Flowable的工作流引擎基础知识，以及常用的API。