议题聚焦Android权限管控机制的一些常见问题和设计缺陷，通过历史多个安全漏洞，提出了系统权限管控设计的4条基本原则，以此来提醒和帮助厂家提高系统权限认证模型的安全性。

通过代码自适应的方式实现文本的垂直居中，避免了针对不同字体、字号及手机的适配工作。

找 bug 的方式都不是很高效，导致最终 bug 找不到或者走了很多弯路。

流量平台已经覆盖了 2000 多个应用，管理埋点（事件）数 20 万，每天产生的埋点数据量超过万亿。

近年来 AI+Test 相关的智能化测试技术，已经逐步成为国内·国际大型互联网公司和各大测试服务提供商的基础能力。其智能化包含测试代码的自动生成、大规模测试结果分析、自动化探索性测试、缺陷定位及修复等。相关公司、产品或服务比较有代表性的有：Test.AI、Applitool、Totoro、Eggplant、Appdiff 等。

过去的一段时间，团队希望打造有温度、有人情味的产品设计，力求在追求高效的同时也能传递出沉浸、有趣味的设计体验。

各位小伙伴可能遇到过「大文件上传」的场景，在这种场景下，我们需要采用「大文件分片上传」的技术方案。但是我发现已有的一些分片上传库的使用体验都不太好，因此在这里从零开始手写一个大文件分片上传库，一是加深理解，二是方便大家后续直接使用。

编译器作为一个复杂的软件也会有 bug，也会有各种兼容性和正确性的问题，这里我们分享一则开启 clang 的 -Oz 优化选项时发现的编译器缺陷。

在 Hybrid 开发的过程中，由于前端和客户端同学存在认知差异，导致在解决一些 bridge 问题时存在一定的沟通成本和信息不对称。本文从前端视角切入，讲述 bridge 方法如何和客户端进行交互，以及在此过程中进行的各种中间处理。

对于 RPC 的一种重新思考，还会设计细节、拆解、落地遇到问题。

本文将谈谈端智能以及端智能在西瓜视频的发展。

目前互联网/软件行业内，广泛使用数据驱动产品迭代，通过精细的数据分析、模型训练为用户提供更好的服务。在此过程中，数据埋点的工作是后续数据分析、模型训练等工作的基础。

数据埋点通常是产品经理、数据分析师，以及推荐系统工程师，基于业务需求（例如：广告的下载安装转化），产品需求（例如：关注按钮的曝光次数以及点击的人数）对用户行为的每一个事件确定埋点需求。客户端工程师进行对应的埋点功能开发，通过 SDK 上报埋点的数据结果，后端记录数据进行一系列处理，并汇总后提供给产品经理、数据分析师，以及推荐系统工程师进行数据分析或模型训练，帮助优化产品运营策略。

隐私保护越来越受到重视，个性化广告该何去何从？

微前端已经不是一个新概念了，大家或多或少都听说过接触过，这里不再去做一堆定义，只是对目前业界做法的调研总结 / 概览，这篇文章面向的是还没有在业务中使用过微前端的同学或团队，通过这篇概览，可以简单的建立对 「微前端」的整体认知；

总的来说「微前端」这个概念从造出来到发展如今，还处于一个百花齐放(各做各的)的发展中，没有形成统一的(市场占有高的)共识 / 标准；各个大厂 / 社区对这个概念以及背后的技术都有不同定义，各自为战，造的轮子也一堆。

大前端时代下前端的职责和挑战？字节跳动常见的业务形态，传统研发模式和挑战？我们是如何基于 Serverless 对前端的研发模式进行升级？为了保证稳定性在监控运维方面做了哪些工作？

如何将视频首帧优化到小于 100 毫秒？