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技术演进的四大核心命题
大模型技术迅猛发展，RAG（检索增强生成）成为优化用户体验的关键。通过提升检索与生成准确率，构建智能客服与辅助系统，解决数据垂直化、模型幻觉等挑战。未来，多模态检索、深度推理与评估体系优化将推动RAG技术迈向新高度，提供更智能、精准的服务体验。
淘宝质量保障之主动预警能力建设
淘宝特价版在业务质量保障中，构建了主动预警体系，涵盖活动配置、权益、开发配置、实验及舆情五大类。通过对接多平台数据源，制定动态预警规则，解决了权益库存、配置过期等难点。预警流程借鉴集团技术风险平台，结合业务实践，提升了预警准确性和处理效率。未来将继续优化预警能力，拓展场景，确保业务稳定与用户体验提升。
经典大模型提示词工程技术路线概述
本文探讨了几种经典提示词工程方法，包括CoT、Self-Consistency + CoT、Least-to-Most Prompting等，分析了其优势与局限。这些方法通过特定任务指令或上下文提示，激活大模型相关知识，实现与下游任务的无缝集成。文中还分享了Boosting of Thoughts、Tree of Thoughts等改进思路，展示了提示词工程在复杂推理任务中的潜力。最后，文章比较了AutoGPT与监督学习模型在在线决策任务中的性能，并提出了额外意见算法以提升决策能力。
大模型应用开发入门分享
大模型虽神秘，但使用门槛极低。核心参数为messages和tools，分别实现对话记忆和工具执行。RAG通过检索知识生成答案，ReAct模拟人类行为选择工具。提示词调优、增加调用次数和模型微调是优化手段。大模型虽强大，但业务效果还需结合实际需求，避免盲目依赖。
基于Flow-matching的扩散模型原理解读
扩散模型通过Flow Matching技术，将简单分布映射到复杂分布，实现高效采样。Flow Matching简化了训练和采样流程，提升了收敛效率，适用于图像生成和电商营销等场景。其核心在于构建向量场，通过神经网络参数化优化，最终实现复杂分布的生成。
AI Infra之模型显存管理分析
某客户部署DeepSeek-R1模型时，发现显存占用持续上升。经排查，显存增长源于PyTorch的缓存机制，而非KV Cache不足或NCCL问题。PyTorch通过Block和BlockPool管理显存，申请大块内存并预留缓存，导致显存占用增加但不会自动释放。建议调整max_split_size_mb减少碎片化，或手动调用torch.cuda.empty_cache()释放显存。
用自定义插件生成一篇图文并茂的文章
本文教你如何利用大模型和自定义插件生成图文并茂的文章。首先，通过大模型生成小红书风格的文章，并提取关键元素作为文生图插件的提示词。接着，结合自定义插件生成图片，并将文本与图片整合输出。最后，通过脚本处理实现图文混排效果，提升文章视觉体验。整个过程通过工作流节点逐步完成，操作简单高效。
文章和 PPT 配图有救了！SVG 绘图专家智能体大揭秘
本文揭秘了如何利用DeepSeek-V3-0324和Claude 3.5/3.7模型高效生成高质量图片，适用于文章和PPT配图。通过SVG代码绘图，结合精准提示词，实现原型图绘制、图片重绘及彩色报纸风等进阶应用。掌握这些技巧，能大幅提升绘图效率，定制个性化风格。
虚拟线程/有栈协程对于Java的意义
Java在JDK21中引入了虚拟线程，这是一种有栈协程的实现，能够以极低成本创建大量线程，提升资源利用率。虚拟线程支持阻塞IO操作而不阻塞内核线程，保留了同步编程的简洁性和调试友好性。尽管存在某些场景下可能“pin”住载体线程的局限性，虚拟线程仍是Java应对高并发场景的重要工具，降低了开发复杂度。
面向六个月后的 AI Code，也许影响的不只是前端
AI编程正迅速进化，初级程序员任务或将在18个月内被AI取代。AI Agent通过自主决策和持续执行，逐步接管复杂但低风险的编码工作。Cursor等工具通过Codebase Indexing和MCP协议，让AI更懂项目和企业知识，提升代码生成质量。未来，AI将深度融入开发流程，推动编程范式革新。
我终于成为了全栈开发，各种AI工具加持的全过程记录
这篇文章记录了一次利用AI工具完成全栈开发的实践。作者因资源受限，借助Bolt.new、Cursor等AI工具快速生成前端页面，并集成Dify的后端API，搭建了包括DeepSeek-R1对话、JSON修复等实用工具。通过具体案例展示了如何用自然语言描述需求、生成代码并调试优化，最终实现前后端联调。整个过程体现了AI工具在个人开发中的提效潜力，同时也强调开发者需保持技术理解力，避免过度依赖工具。
淘宝客户端动态化页面搭建
手机淘宝等高频更新场景中，UI页面动态化与快速交付是重要挑战。通过抽象框架设计，解决高动态化页面的快速构建问题。框架核心模块包括DataEngine、LayoutEngine、StateCenter等，实现页面动态性、组件通信及业务接入。结合案例分析布局多样性问题，总结框架在动态性、拓展性和能力沉淀方面的优势，为类似业务提供实践经验。
如何结合多模态RAG和异步调用实现大模型内容理解？
多模态大模型结合工程优化提升物流理赔效率。通过多模态RAG技术实现图片查重，异步调用优化货损识别。查重功能准确率达94%，时延2s；货损识别准确率提升至82%，时延降至3.2s。方案利用向量库检索相似图片，大模型判断重复与货损，异步调用提高并发处理能力，最终整合结果提升整体效率。
如何与AI结对编程：我与AI的8000行代码实践
AI编程工具如Cursor和repoprompt极大提升了开发效率，尤其适合快速验证小项目。使用AI时，需明确需求并提供详细上下文，避免模糊指令导致返工。repoprompt通过白盒化操作，让开发者更可控地生成代码，减少返工时间。AI编程虽高效，但开发者仍需具备足够知识储备，才能有效指导AI完成任务。未来AI或能协助全链路开发，但程序员的角色仍不可或缺。
架构革新：揭示卓越性能与高可扩展的共赢秘诀
LoongCollector通过架构通用化升级，面对性能劣化挑战，采用内存池、事件池等优化手段，成功提升采集性能100%。针对特定场景如Prometheus抓取，避免内存拷贝和引入流式处理，显著降低内存占用。在保证代码可扩展性的同时，实现了高性能目标。
技术人的大模型应用初学指南
人工智能领域，检索增强生成（RAG）技术通过结合检索与生成，显著提升了信息检索的准确性和效率。RAG利用向量数据库存储知识，结合大模型生成答案，解决了知识局限性和幻觉问题。其关键技术包括文本清洗、向量嵌入、召回优化等。RAG在高质量答案生成、可扩展性、可解释性和成本效益方面表现出色，但依赖检索模块和知识库，推理耗时较长。提示词工程和模型微调（如LoRA）进一步优化了大模型性能。