探讨并发编程中BUG的源头。

前一阵，Adobe宣布Photoshop（Beta）迎来了一次重大更新，新增了"创意填充（Generative Fill）"的功能。

我们第一时间对这个新功能进行了体验，它的实际效果远超出了我们的预期。

尽管目前只是测试阶段，但无论是操作的流畅性，还是生成效果上，Generative Fill都展示出了强大的潜力和影响力。

它仿佛在告诉我们，这不仅仅是一项新功能，而是一场真正意义上设计领域的革命。

秒懂消息队列，看这篇就够了。

大规模语言模型 (LLM) 拥有大量的数据来源，能针对用户提出的问题提供不同形式的回答，但其回答形式仅限于“文本”。尽管文本内容清晰，但在包含复杂逻辑或需要向外展示的场景下，文本表达存在局限性。可以想象，将“文本” 转换为“可视化” 分析模型甚至UI界面将具有更出色的效果。本文将汇总关于这种场景的探索和实现思路。

近年来，AI生成内容（AIGC）领域的飞速发展催生了诸多创新技术与应用，尤其是AI绘画。为降低构建Prompt的复杂性，我们基于ChatGPT实现了一个Stable Diffusion提示词生成器，支持多语言提示词和智能优化与扩展提示词，助力初学者轻松探索AI绘画世界。

长、短线的迭代优化。

交互、视觉、产品设计师和产品经理，应该都绘制过 用户旅程地图、用户画像、设计蓝图、商业画布、SOWT分析等常用的分析模型。但在前期分析时或多或少都遇到过这些痛点：整理&分析结论耗时长、绘制「便于理解」的分析结论重复繁琐 等等痛点。

ChatGPT 是一种强大的自然语言处理模型。在工作中，我们可以借助其卓越的自然语言生成能力，快速检索代码信息，使程序员们能更加专注于业务逻辑的实现和优化。然而，由于它的知识库仅覆盖至 2021 年 9 月前的信息，一些新的技术文档无法被查询到，例如我们公司前端经常使用的开源框架 TDesign。本文讲解了本人为了解决这一痛点的实验过程，即通过应用 embedding 技术并结合 AST 解释器，实现了对 TDesign 代码知识库的自然语言查询。在 30 个常见用例的测试下，查询精度达到了 90%。常用组件的检索时间从平均 10 分钟缩短至 2 分钟，从而提升了前端研发效率 20%。

鹅厂人真实的使用tips：让你的GPT不再答非所问。

传统搜索系统基于关键字匹配，在面向：游戏攻略、技术图谱、知识库等业务场景时，缺少对用户问题理解和答案二次处理能力。本文探索使用大语言模型（Large Language Model, LLM），通过其对自然语言理解和生成的能力，揣摩用户意图，并对原始知识点进行汇总、整合，生成更贴切的答案。关于基本思路，验证效果和扩展方向，可以参考正文的介绍。

现今，许多B端设计师在日常设计中难免会遇到各种运营3D banner设计需求。在设计过程中，他们不仅需要费尽心思构思各种造型，还要不断进行重复渲染，而有时渲染结果也难以令人满意。本文旨在介绍一种基于Stable Diffusion混合AI的B端 3D Banner设计方法和流程，可供任何对该领域感兴趣的人进行实验，创作出各类B端模型。

祖传代码BUG频出怎么解决？

Context 是什么？为什么要有 context？context 是怎么做的？没有context 是怎么做。

PC Web 端、手机 H5 端、小程序端、App 安卓端、App iOS 端......在多端时代，一个应用往往需要支持多端。若每个端都独立开发一套系统来支持，将消耗巨大的人力和经费！腾讯视频团队想到一个“偷懒”的方法——能不能只开发一套基础系统，通过兼容不同平台的特性，来快速编译出不同平台的应用呢？本篇特邀腾讯视频团队为你分享快速编译出支持多端的应用、一套代码行走天下的“偷懒”历程。

在AI技术的浪潮下，作为一名美术师，如何应对AI对美术创作的影响？AI能力真的如此强大吗？如何利用AI提高工作效率？本文将从AI辅助作图这个小领域入手，探讨AI对美术师的影响。

随着大数据的不断发展，数据带来价值越来越大的同时，数据泄漏的风险也在增大。基于此，为实现数据不流通但数据价值流通，我们围绕联邦学习做了三方面的尝试，分别是框架效率优化、联邦算法开发及应用，联邦学习能力的平台化。