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。
一行代码不用改！搞定 HSF 转 MCP Server
MCP生态发展迅速，阿里通过Higress网关实现HSF服务无代码改造接入MCP，解决了SDK不稳定、协议迭代快等问题。Higress承担协议转换，提供身份认证、流量调度等能力，降低业务接入成本。MCP虽非银弹，但为AI业务工程化提供起点，未来仍需关注A2A等协议发展。
LangChain脚本如何调度及提效？
LangChain和Dify是流行的开源大模型开发框架。通过任务调度系统SchedulerX，可以高效管理LangChain脚本，支持定时调度、版本控制、Prompt动态管理等功能。系统还提供限流控制、失败重试、依赖编排及企业级可观测能力，提升资源利用率和任务成功率。未来将支持更多AI任务管理需求，如模型Failover和Tokens限流等。
浅入浅出——生成式 AI
生成式AI通过深度学习模拟人类智能，创造新内容。机器学习从数据中寻找函数，深度学习通过多层神经网络提取特征。生成式AI如ChatGPT，利用大语言模型进行文字接龙，解决复杂问题。Transformer模型通过自注意力机制处理序列数据，提升模型效率。AI训练分为预训练、指令微调和强化学习，逐步提升模型能力。AI Agent可独立完成任务，具备记忆和计划能力，推动AI应用发展。
淘天自营前端开发的AI增效实践总结
AI技术在前端领域的应用正逐步深化，"AI四象限"模型为开发场景提供了科学的评估方法。鸿雁AI Coder和Nextdy Aone Copilot两款工具链通过全链路智能开发和智能改码，显著提升了前端研发效率。AI不仅优化了UI生成、代码适配等环节，还实现了生产级代码的自动化生成，展示了AI在前端落地场景的广阔前景。
10行代码，实现你的OpenAPI MCP Server
MCP Server的局限性在于工具固化且Token消耗大。通过阿里云OpenAPI，仅需10行Python代码即可创建专属MCP Server，无需深入了解API细节。核心原理是利用MCP协议连接LLM与外部数据，提供资源、工具和提示功能。未来将探索通用工具，实现自动调用API，提升灵活性和效率。
RAG 2.0 深入解读
RAG 2.0时代，多模态融合、混合检索优化等技术推动了大模型落地。面对多模态支持不足、检索质量与噪声、生成幻觉与冗余等挑战，RAG通过混合搜索、DPR、重排序、多模态RAG、强化学习、GNN等技术升级，提升了复杂推理任务的处理能力。Agentic RAG引入智能代理，增强了系统的自主决策与规划能力，进一步优化了检索与生成效率。
MCP入门指南：大模型时代的USB接口
模型上下文协议（MCP）由Anthropic推出，旨在标准化大型语言模型与外部世界的交互。MCP通过通用语言连接数据源和工具，扩展AI能力，简化开发者集成工作。其核心组件包括服务器、客户端、主机和传输层。MCP不仅增强AI的知识和操作能力，还促进AI生态系统的协作与创新，有望成为AI交互的核心桥梁。
MCP实战之Agent自主决策-让 AI玩转贪吃蛇
MCP协议推动AI发展，赋予AI更多能力，如操控贪吃蛇游戏。通过MCP Server，AI能调用工具、资源与提示模板，实现多轮交互。官方提供调试工具inspector，便于开发者测试MCP Server功能。AI与MCP结合，不仅提升了任务执行效率，还促进了生态系统的繁荣，如Cursor和Cline等平台对MCP Server的支持。
亿级流量下的前端高可用架构实践：淘宝春节许愿主互动
本文分享了淘宝春节许愿主互动的前端实践，聚焦复杂项目中的架构设计、数据管理、动画渲染及性能优化。通过统一数据管理、差异化动画渲染、动画序列控制、灯笼状态机等技术，实现了高并发、高体验的互动效果。采用CSR渲染、Lottie动画、Eva.js引擎等方案，确保多端一致性和动态容灾能力。
我在1688修炼小程序
1688小程序通过双线程架构优化性能，支持复杂业务迭代。采用MVC方案提升渲染效率，优化搜索推荐、商品详情等核心链路体验。引入微信支付、旺旺消息升级，强化商家私域运营。未来布局跨端组件库，探索微信生态，实现多平台快速适配，推动业务增长。
2025淘宝春晚互动小游戏技术方案揭秘
2025年春晚互动小游戏通过前端技术应对高并发与跨端协同挑战，采用Eva.js 2.0、WebGL 2等技术提升渲染性能，优化用户体验。通过伪3D场景、压缩纹理、物理碰撞等方案，确保流畅互动。未来将探索真3D实现与统一渲染引擎，持续优化内存管理与WebGLContext，为用户带来更高质量的互动体验。
深度解析Agent实现，定制自己的Manus
本文深入探讨了AI Agent的设计与实现，涵盖了核心要素如感知、记忆、规划和行动，并结合OpenManus进行二次开发实践。通过实验验证了Agent在不同任务中的表现，提出了自主化演进和多Agent协作的改进方向。文章还介绍了MCP协议在AI生态中的应用前景，强调了LLM与外部工具的协同作用，为AI Agent的未来发展提供了技术参考。
除了MCP我们还有什么？
agents.json是基于OpenAPI的开放规范，专为AI agent与互联网服务提供商的交互设计。它通过结构化描述API，确保AI agent能稳定准确地调用服务。agents.json引入flows和links概念，定义复杂操作的执行顺序，优化自然语言驱动和任务流标准化，增强API的可发现性，解决多步骤调用的可靠性问题，支持现有身份认证体系，部署成本低，生态开放。
当AI学会了自我升级，天网还会远吗？
AI通过模拟侦探游戏展示自我升级能力，利用动态执行代码解决复杂问题。在游戏中，AI通过写代码读取线索，推理出小偷身份，展现了自主解决问题的能力。这一过程不仅体现了AI的自我修复和升级潜力，也引发了对其未来发展的深度思考。AI或能自主运维系统，甚至改写代码，展现出了超越人类想象的潜力。
为什么一定要做Agent智能体？
Agent智能体通过大模型调用API模拟人类行为，简化复杂任务执行。尽管面临响应慢、幻觉和交互不友好等挑战，但其优势显著：降低开发门槛、简化流程、支持多样交互及多Agent协同。技术创新正不断优化Agent性能，提升效率与稳定性，使其在解放生产力、推动智能化进程方面展现巨大潜力。
MNN LLM：让你手机本地也能跑 DeepSeek R1 还能支持多模态
MNN LLM是一款开源工具，支持本地部署、移动端运行及多模态处理。通过模型量化与硬件优化，显著提升了推理速度与稳定性，解决了下载困难。支持Android、iOS和桌面端，用户可轻松体验大模型功能，实现“自己动手，丰衣足食”。优化了推理速度、多模态处理和下载体验，提供丰富的模型支持列表。