多Agent框架能解决不同算法不同模型之间融合交互的问题，基于用户反馈进行模型优化提升播报效果

高效稳定的代码覆盖率采集方案，不少同学对其背后原理非常感兴趣，本文作出详细解析。

最近对可视化图层组件做了重大优化，解决了不少问题，涉及到多个场景的合并渲染，后期效果的叠加渲染等等，在这里总结一些经验跟大家分享。

在可视图层的开发过程中必须解决的一个问题就是多个场景（图层）的渲染，比如在地图上显示交通路线、区域范围、兴趣点3个场景，在视觉上是处于同个空间系统，又能够实现分层控制。最容易想到的办法就是为每个场景创建一个Canvas，并将Canvas标签叠加起来。

这样做首先会遇到的问题是图层的数量会受限。浏览器对单个页面虽然不限制Canvas标签的数量，但对运行的WebGL上下文数量是有限制的，例如PC上的chrome支持的上限可能是8个（没有明确说法），手机平板等移动终端会更受限， 超越上限时就会出现类似下面的错误，最先创建的上下文会直接被启用不显示。本文的核心问题就是解决WebGL共享的问题。

为提高地图制作效率，降低制作成本提供了坚实保证。

BEV(Bird’s-Eye-View)是一种鸟瞰视图的传感器数据表示方法，它的相关技术在自动驾驶领域已经成了“标配”，纷纷在新能源汽车、芯片设计等行业相继量产落地。BEV同样在高德多个业务场景使用，例如：高精地图地面要素识别、车道线拓扑构建、车端融合定位中都扮演了重要角色。

高德在构建Go生态演化过程中，已经实现了QPS从0到峰值千万的飞跃，本篇文章主要介绍在此过程中积累的一些技术决策及性能优化和重构经验。

介绍了高德如何通过仿真手段来解决车道级导航场景构建与还原的问题。

如何做技术选型，如何落地，痛点、收益及未来规划。

‍‍‍本文主要记录了高德信息业务DDD实战中如何用领域重构胶水代码。

最近我接到了一个场景需求，需要在高德地图上实现仿照自动驾驶导航界面的自动巡航效果，相对于场景BIM建模，这是一个较低成本的解决方案。

需求很简单，只要在3DTiles图层上展示主体车辆（后文简称为NPC）沿着既定的路径平滑移动就可以了，这里不用考虑NPC与场景碰撞问题，因此可以直接把NPC和场景拆分为两个独立图层。关于在高德地图实现3DTiles的思路之前的文章已经分享过了，这里着重介绍一下NPC移动要如何实现。

核心概念、业务应用、预测流程、效果评估一文讲透。

一文读懂ARHUD驾车导航关键技术和挑战。

关于学习方法及思考方式的思考和观点。

本文把高德过去go服务开发中的性能调优经验进行总结和沉淀，希望能为正在使用go语言的同学在性能优化方面带来一些参考价值。

首先放结论：高德有相关的专利公开关于这个问题，之前看到相关报道：高德正式上线红绿灯倒计时功能，支持…

low-code大旗之下，各式各样的低代码平台熙熙攘攘：

• 应用场景：PC中后台、移动H5、小程序，也有React Native等跨端；
• 核心功能：UI编排、（逻辑）流程编排，甚至服务编排；
• 交互方式：表单配置、拖拽，甚至还有富文本扩展。

作为低代码领域的探索者，或许都有过共同的困惑：

• 现有的商业化成熟产品能否满足我们的实际业务需要？
• 站在巨人的肩膀上，我们面临的真正问题是什么？
• 我们当下处于哪个阶段？下一阶段在哪里？如何通往下一阶段？

为了解开这些疑惑，我们尝试建立一个能力度量模型，让低代码平台的变化有迹可循。