知鸦日报2024-12-21

A month ago at QConSF, we showcased how Netflix utilizes Metaflow to power a diverse set of ML and AI use cases, managing thousands of unique Metaflow flows. This followed a previous blog on the same topic. Many of these projects are under constant development by dedicated teams with their own business goals and development best practices, such as the system that supports our content decision makers, or the system that ranks which language subtitles are most valuable for a specific piece of content.

As a central ML and AI platform team, our role is to empower our partner teams with tools that maximize their productivity and effectiveness, while adapting to their specific needs (not the other way around). This has been a guiding design principle with Metaflow since its inception.

随着人工智能生成内容技术快速发展与广泛应用，生鲜电商行业迎来新的机遇。本文简述总结2024年AIGC在生鲜领域的实际应用。特别聚焦于生鲜领域业务，通过文本图片以及动图等多种形式，探索生鲜商品更优质契合场景需求的范式，并介绍相应技术实现方案。

Micro Agent: an open-source AI coding assistant that generates reliable code by using generated tests as guardrails.

今天就介绍关于一个业务：状态变多、条件分支增多、状态转换规则、依赖关系变复杂，导致代码难以维护，代码可重用性和可扩展性变差这个问题，一套可复用解决方案。

从自然语言问题（文本到SQL）生成准确的SQL是一个长期以来的挑战，因为用户问题理解、数据库模式理解和SQL生成中的复杂性。传统的文本到SQL系统，包括人工工程和深度神经网络，已经取得了实质性进展。随后，预训练的语言模型（PLMs）已被开发并用于文本到SQL任务，取得了有希望的性能。随着现代数据库变得越来越复杂，相应的用户问题也变得更加具有挑战性，导致参数受限的PLMs（预训练模型）产生错误的SQL。这就需要更复杂的定制优化方法，这反过来又限制了基于PLM的系统应用。

最近，大型语言模型（LLMs）在自然语言理解方面展示了显著的能力，因为模型规模的增长。因此，集成基于LLM的实现可以为文本到SQL研究带来独特的机会、改进和解决方案。在这项调查中，本文全面回顾了基于LLM的文本到SQL。具体来说，作者提出对文本到SQL的技术挑战和进化过程的一个简要概述。然后，作者们提供了详细介绍旨在评估文本到SQL系统的数据集和评价指标。之后，本文系统地分析了基于LLM的文本到SQL的最新进展。最后，讨论了该领域剩余的挑战，并提出了未来研究方向的期望。

Learn all you need to implement streaming in production using SSE and how to handle streaming errors.

A post for developers with advice and workflows for building effective AI agents.

本系列文章旨在更全面地介绍Fuzzing技术的应用。

关于微服务分布式及集群的概念即定义，在业界中这些往往会同时在同一个项目中，而集群在微服务中主要为服务的运行保障高可用。

比如：在当前的项目情况下，我们可能针对用户服务部署两台服务以保障用户服务的高可用。实践在用户服务的Login方法中我们增加对请求信息的打印输出，即输出监听的配置信息以验证是访问的那个服务。