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。
RAG效果优化：高质量文档解析详解
本文关于如何将非结构化数据（如PDF和Word文档）转换为结构化数据，以便于RAG（Retrieval-Augmented Generation）系统使用。
软件测试之道 -- 做一个有匠心的程序员！
本文从测试角度谈程序员对软件质量的追求。
HarmonyOS ArkUI工程框架解析
通过HarmonyOS官网可以了解ArkUI是一套声明式开放框架，开发者可基于ArkTS语法设计一套极简的DSL及丰富的UI组件完成跨设备的界面开发。本文通过分析开源的HarmonyOS渲染引擎AceEngine代码及配套工程能力进行解读。
通过实验深入了解 TCP 连接的建立和关闭
TCP/IP 这个主题很多文章比较陈旧，且以讹传讹的东西太多，所以本文作者结合了理论和实践去写，旨在通过一系列实验帮助读者深入理解 TCP 连接的建立过程。
如何用Prompt技巧激发无限创意
本文深入探讨当前最前沿的prompt engineering方案，结合OpenAI、Anthropic和Google等大模型公司的资料，以及开源社区中宝贵的prompt技巧分享，全面解析这一领域的实践策略。
大语言模型改写技术在淘宝搜索中的应用
淘天集团算法技术团队提出了一个查询改写的框架——BEQUE，它可以消除长尾查询的语义鸿沟。BEQUE 已在淘宝网上部署。测试表明，我们的方法可以显著提高长尾查询的商品交易总额（GMV）、交易笔数（#Trans）和独立访客数（UV）。
一文详解 RocketMQ 如何利用 Raft 进行高可用保障
在开源的 Apache RocketMQ 中，我们已经引入了 DLedger和 SOFAJRaft来作为 Raft算法的具体实现，以支撑系统高可用。
WASM性能分析-插桩方案
本文结合了代码插桩和性能火焰图的技术，以 WebAssembly 为例介绍了性能分析的方法和相关实现。
大模型训练实战经验总结
在当今AI技术飞速发展的背景下，定制化大模型的自主训练已成为满足特定行业需求、保障数据安全的关键途径。本文将深度剖析这一过程的核心价值与实践智慧，从数据隐私保护、模型透明度增强，到数据预处理的精细操作，为读者勾勒一幅清晰的大模型训练全景图。
Java日常反常识踩坑
本文主要是日常业务开发中自身碰到过跟常识不一致的坑，问题虽然基础，但缺可能造成比较大的线上问题。
一行日志引发的系统异常
本文记录了一行日志引发的系统异常以及作者解决问题的思路。
JDK11下Mock框架进化：从PowerMockito到Mockito Only
本文探讨了从使用PowerMock的测试环境迁移到仅使用Mockito（Mockito Only）策略的必要性和实践方法。
基于AI的D2C前端代码生成技术深入总结
在AI技术日益渗透至各领域的背景下，本文深入探讨了B端（D2C）前端代码生成技术的核心挑战与实战解决方案，诚实地揭示了在实现自动化代码生成过程中遭遇的重重难关。
你的Agent稳定吗？——基于大模型的AI工程实践思考
本文总结了作者在盒马智能客服的落地场景下的一些思考，从工程的角度阐述对Agent应用重要的稳定性因素和一些解法。
Stream流技术在真实案例中的应用
本文不仅提供了理论上的讲解，还通过实际代码示例展示了如何应用Stream API来解决常见的编程问题。
RocketMQ原理学习
本文探讨一款分布式、队列模型的消息中间件。RocketMQ设计用于高度可扩展的分布式系统，旨在解决应用解耦、流量削峰及确保分布式环境下的最终一致性等问题。这不仅有助于开发者理解其工作原理，也为想深入优化或定制消息中间件的用户提供宝贵资料。