搜索[日活数]结果-低调大师优秀个人博客

精选列表

搜索[日活数]，共10000篇文章

大数据日知录要点整理

大数据日知录要点整理第0 章当谈论大数据时我们在谈什么 1 NOSQL选型：kv-cassandra、dynamo，列式存储-HBase，图存储-Neo4j 社交网络数据存储适合用图数据库，

2017-11-15

最近,在Catalyst 咨询会议上，Gartner分析师Paul DeBeasi在与CIO讨论物联网(IoT)时公布了这样一则声明，“最终物联网将走入每个人心里。最终，所有人都将运行它。”这也是我们这期杂志的重点。 DeBeasi这一观点几乎完全正确。IoT基于使能技术tapestry，并由协议驱动;IoT可认为是有线或无线传感器，由有线与无线宽带连接;低延迟，短程带宽;它是高速，可自我组装的网关网络;可用于软件开发、高级分析等等。总之，IoT对CIO和IT组织将大有益处。然而，如果一味地等待IoT项目的到来，CIO将会伤害到自己或他们的IT团队。因为IoT融合了数据和物理两个区域，是多个技术的总和。正如Laskowski在她的优秀读物“IoT商业冒险(IoT business ventures)”中列举说，为了利用IoT，企业需要构建一个驻留在云中的平台，这一平台可集成跨区域数据，以及公司防火墙以外的数据;可支持关键业务模型。收集、传输、分析并回应由物理对象产生的数据的能力，改写了多个行业企业竞争的规则;这一能力让人为之一叹。通过销售产品而获得大量利润的企业发现，来自于附加于这些产品之上的传感器的信息开辟了新利益源，也暴露了新竞争者。在IoT刺激的业务转型中，CIO想要发挥主导的作用并不是一件容易的事，无论他们有多么精通IoT技术，对业务机遇多么地独具慧眼。似乎，业务人员对物联网的潜力感到非常兴奋，他们可以更加秘密地进行他们计划，甚至是与他们的同事一起。CIO需要集合他们所有商业和政治智慧，以及技术智慧来他们帮助引领IoT。很幸运，这方面的内容我们在我们的本期杂志中也有涉及。作者：何妍来源：51CTO

2017-07-31

5G到来时网速起飞日

近日，国际电联 ITU 公布了最新的有关 IMT-2020 无线接口性能的最低标准。尽管没有提到 5G，但该组织有独特的命名，例如 IMT-2000 为此前的 3G，后来 4G 又增加了 IMT-Advanced 规范，此次 5G 官方正式命名则是 IMT-2020。目前 ITU 已经提出 IMT-2020 的报告草案，最终标准敲定还要等到 2017 年的 11 月份，而标准完善之后，各个国家的频谱瓜分争夺战才正式开始，运营商也才能真正启用 5G 网络。那些还太远了，我们看看这份草案中规定的规范有哪些值得关注的亮点。根据草案，IMT-2020 在网络速度上迎来飞跃式的提升，要求每一个 5G 基站至少能够提供 20Gbps 的下行和 10Gbps 上行的带宽传输性能。这些速度听起来很夸张，但要记住基站服务的区域范围很广，并且覆盖整个区域的人群。草案中规范还要求，5G 基站必须确保时速达 500 km/h 的交通工具上的用户数据连接不中断，也就是说乘坐高铁也完全不必担心没有 5G 网络信号了。 5G新规范：个人网络速度不低于下行100兆上行50兆若是将这些规范缩减到个人用户的范围，规范要求最低下行速度至少达到 100Mbps，同时上行速度也至少达到 50Mbps.有的人可能会说，4G LTE-A 网络的峰值速度已经达到这个数字了，但其实实际并不是那么回事，还要考虑基础设施配置、信号覆盖范围和人群，而 5G 是硬性标准，这代表着相当显著的提升，真实情况会比“最低标准”快很多。 5G 网络还将解决 4G 网络的一大问题：延迟。在草案中规定，连接到 5G 网络的用户最大延迟不能够超过 4ms，甚至是保持 1ms 的 URLLC 超低延迟通信。相比之下，目前已经设有 4G 网络的大城市，延迟水平依然达到了 50ms-85ms 的范围。因此，5G 网络下不仅数据传输速度更快，而且通信所需的时间将大大缩短，哪怕在移动网络下看视频和玩游戏都能感受到真正的畅快感。另外，草案中还提到了很多有关频谱效率、密度和能耗的规范等，要求单个 5G 网络在每平方公里的区域范围内，至少能够承载 1 百万台设备。这一数字并不夸张，未来 5G 设备将不只有智能手机，汽车、交通红绿灯、广告牌、物联网产品等一系列设备都有可能是 5G 设备。总之，5G 规范草案已经出炉，那么接下来相关实际考量和修正的工作也将陆续展开，但5G 最快商用可能还要等到 2018 年年底之后或更长时间。本文转自d1net（转载）

2017-07-02

阿里云生态日沙龙权益申请规则

阿里云生态日沙龙申请及落地规则一、目标：为合作伙伴创造更多商机及销售转化，提升合作伙伴在云市场的GMV。

2017-06-04

12月15日踩过的坑

Swift3.0设置iconfont self.homeImage?.text = "\u{e60b}" CocoaPods 将gem升级为最新版本 sudo gem update --system 运行如下命令安装CocoaPods sudo gem install -n /usr/local/bin cocoapods pod setup 安装后执行如下命令查看版本 pod --version 以后要更新升级CocoaPods，执行如下命令 sudo gem update cocoapods 基本配置示范 platform :ios, '9.0' use_frameworks! target 'hangge_1358’ do pod 'Alamofire', '~> 4.0' pod 'SwiftyJSON', '~> 3.0' end pod install IconFont一般使用第一步：将您从IconFont平台下载的字体文件(.ttf)添加到工程中；打开Info.plist文件，增加一个新的Array类型的键，键名设置为UIAppFonts（Fonts provided by application），增加字体的文件名：“iconfont.ttf“ 第二步：使用IconFont字体: UILabel * label = [[UILabel alloc] initWithFrame:self.view.bounds]; UIFont *iconfont = [UIFont fontWithName:@"uxIconFont" size: 34]; label.font = iconfont; label.text = @"\U00003439 \U000035ad \U000035ae \U000035af \U000035eb \U000035ec"; [self.view addSubview: label]; Swift 用CocoaPods装OC库的坑建立好桥接文件后 #import "AFNetWorking.h"之后要设置一个User Header Search Paths，否则在需要用三方库的地方是调不出来的。在target——>Build Setting里找到search Paths,双击User Header Search Paths后面的空白处，设置目录路径为${SRCROOT} ，后边选择recursive。注意不要#import <AFNetWorking/AFNetWorking.h>这样导入 Swift image使用IconFont IconFont: https://github.com/JohnWong/IconFont 引用头文件在需要使用的地方引用头文件，或者在预编译pch文件中做全局引用： #import "TBCityIconFont.h" 设置字体名称系统会默认加载字体名称LLIconfont，如果字体名不是这个，则需要在使用字体之前设置字体的名称。例如在AppDelegate的-application:didFinishLaunchingWithOptions:方法中添加： [TBCityIconFont setFontName:@"LLIconfont"]; 创建UIImage 使用UIImage的category方法从字体创建UIImage： [UIImage iconWithInfo:TBCityIconInfoMake(@"\U0000e601", 24, [UIColor blackColor])] Mac修改hosts sudo nano/private/etc/hosts 改状态栏颜色 1，在 Info.plist 中添加如下配置 <key>UIViewControllerBasedStatusBarAppearance</key> <false/> 2，在 General -> Deployment Info 中，将 Status Bar Style 设置成 Light。重新运行程序即可看到效果。

2016-12-14

#WorkBuddy# 一个普通打工人，把每天重复的 office 活交给了 AI

我是那种在公司里啥都干的岗位，说好听叫助理，说难听就是高级打杂。早些年做过线下门店督导，后来转行政，现在歇着考个证。活儿不难，但纪要、月报、表格月月追着跑，烦得要死。

2026-09-27

我用 WorkBuddy 干了三天活，终于明白它和普通 AI 聊天的区别了

先交代一下背景：我，一个普通打工人，在连续加班半个月后，终于被 WorkBuddy 的广告打动了。抱着“再信一次 AI 办公”的心态装上了它。三天后，我决定写点什么。

2026-09-20

Sourcegraph 让编排层先写脚本：能确定的活不给模型，agent 才敢按结果收费

做储能电站 EMS 的那段时间，我给自己划过一条线：该由规则判断的事，不交给模型。

2026-09-16

WebSocket 可靠消息投递：心跳保活、断线重连与消息幂等去重

WebSocket 让服务端能主动推送，但它并不是"连上就万事大吉"的可靠通道：网络中间设备会回收空闲连接，移动网络会在切基站、进电梯时静默断开，消息可能在链路中丢失或重复。很多人第一次用 WebSocket 做通知、IM、实时数据，都会踩"明明 send 成功了对方却没收到""重连后消息重复弹出"这类坑。可靠投递不是 WebSocket 自带的，需要在应用层补齐心跳、重连、确认、去重和离线补偿这几块。本文逐一拆解。

2026-09-11

会开完了，活还是没人干？我用 AiiOnly + Workbuddy 做了个「会议行动项助手」

如果你也开过项目会，大概率熟悉这种场面：会上聊得热火朝天，纪要发到群里后，事情却悄悄消失了。"尽快跟进""回头看一下""谁有空谁做"——这些话没法直接变成任务，等你想起来追问， deadlines 已经贴到脸上了。

2026-09-08

#WorkBuddy# 这 8 个 GitHub 神器，把我每天 2 小时的活压到 10 分钟

很多人以为 GitHub 只是程序员放代码的地方。错。它其实是全世界最大的「免费工具超市」——无数人把提高效率的脚本、命令、插件开源在上面，你只要会「拿来用」，就能省下大量重复劳动。下面这 8 个，是我天天在用的，按「从傻瓜到进阶」排序。

2026-09-08

用了两周WorkBuddy，我总算搞懂了它到底能替我干多少活

之前也用过ChatGPT，最大的感受是：聊了半天，它给了一堆方案，最后所有活还是我自己干。AI负责出主意，我负责当苦力。

2026-09-08

真正难的不是“切流”，而是“切错了怎么活”

但如果把场景换成边缘设备——工厂里的工业网关、摄像头、AGV、边缘服务器、门店终端、IoT 网关……

2026-08-26

WorkBuddy资料库全面升级：从"存文件"到"活资产"，AI原生办公新范式

摘要：WorkBuddy v5.3.11将资料库升级为AI原生知识管理空间，支持HTML人机协同编辑、CSV动态数据存储、Markdown智能审阅等重磅功能，让每一份AI产物都能沉淀为可复用、可协作的

2026-08-14

30 秒出服装设计稿，森马用函数计算+AIGC 整“新活”!

创新项目如何去赋能我们的业务，这件事情在森马很重要。阿里云函数计算帮我们屏蔽掉了想把AI落地到实际业务场景中 GPU 算力资源储备、采购成本、技术门槛等很多难题，从而迅速做出决策，快人一步站在正确的起点，体验新技术对整个服装爆款设计、营销链路带来的改变。 ——林建霞森马数字中心创新业务研发负责人 2023 年被很多人称为 AIGC 元年，众多 AI 大模型向人们展示了他们惊人的创造力，千行百业对于 AI 技术落地生产的想象力无限生长。作为 AIGC 时代不可或缺的算力参与者，阿里云为企业落地保驾护航，帮助他们借助云计算以更低的成本、更高的效率切实获得AI浪潮带来的“红利”。 2023 年初，森马希望迅速将 AI 技术深度融入到企业的核心业务流程中，实现服装行业中，从产品设计、生产制造、营销推广到售后服务的全链条智能化升级。在一个阳光明媚的下午我们走进森马，一起聊聊这个陪伴一代代中国年轻人成长的企业，如何基于阿里云函数计算，快速实现传统服装行业与 AI “碰撞”，在多场景下以 AIGC 实现生产提效。与时代共振的森马森马成立于 1996 年，一直致力于为中国新时代的年轻人提供适合各种生活场景的搭配产品，传递亲切、时尚、舒适的品牌理念。27 年的发展，森马与时代同频共振，成长为中国时尚产业的代表品牌之一。除了在成人装领域发力，森马旗下还拥有众多童装品牌如巴拉巴拉，已经成为中国童装领域的领导者。到 2022年，森马电商 GMV（商品交易总额）已经超过了 120亿元，线下渠道网点则增加到了超过 8000家，覆盖了全国 400多个城市，并在全国拥有 2000多家加盟商。在业务不断迭代和规模扩大的过程中，森马也在数据化领域实现了从信息化到数字化转型跃迁。 AIGC 浪潮下，企业面临的三大挑战 AIGC 技术的飞速发展使得文生图模型不断实现更加良好的生成效果，与此同时，以 Stable Diffusion （以下简称 SD）为代表的开源项目空前活跃，文生图成为大模型最火热的应用领域之一。森马希望迅速将 AI 技术深度融入到企业的核心业务流程中，实现服装行业中，从产品设计、生产制造、营销推广到售后服务的全链条智能化升级。与很多企业面对的问题一样，森马在项目初期也遇到了很多难题。企业级AI项目初期决策周期长文生图这类高度依赖复杂计算模型的任务，对硬件设施有着极高的要求，尤其是对 GPU 算力的诉求。除此之外，配合模型推理服务，还需要搭建相应的 AI 应用，需要 CPU 计算、存储、高速网络等，每一项都决定项目能否高效运转。对于项目负责人而言，对一个尚处于探索阶段的创新项目，更期望用最小的代价来验证价值产出，而面对市面上昂贵的 GPU 算力和 IDC 数据中心超长的采购周期，要精准预估并决策巨额的硬件投入，无疑是一项艰巨任务。不仅资金压力巨大，而且硬件设备的采购、部署、维护及未来升级的不确定性、以及对专业运维人员的招聘，都可能造成不必要的成本浪费和时间延误，成为项目推进的绊脚石。自建GPU集群成本高、运维难面对 AI 扑面而来的热度，很多企业最先想到的是自建 GPU 集群把大模型部署在本地。然而除了需要采购高端 GPU 服务器之外，还需要考虑存储、网络和其他基础设施的费用，初始资源投入非常大，且后期的运维难题更是令众多企业望而却步，电力消耗、散热系统、维护人员等持续运营成本让企业自建 GPU 集群成为了艰难的决策，对于服装行业的森马来说亦是如此。开源模型部署难，用户难隔离 Stable Diffusion 是开源的 AI 图像生成模型，对于对稳定性和效率要求更为严格的企业用户来说，直接使用这一开源模型面临着用户难隔离，资源难分配的挑战。最明显的例子，在多人、高并发使用同一 Stable Diffusion WebUI 时，会出现长时间的排队、“卡住”、更换模型相互干扰的情况，导致设计师使用体验差、生产效率下降、创意中断等问题。落地森马，阿里云函数计算的 AIGC 解决方案函数计算打造最简的AI推理应用开发、部署平台函数计算是事件驱动的全托管计算服务。使用函数计算，无需采购与管理服务器等基础设施，只需编写并上传代码或镜像。函数计算会准备好计算资源，弹性地、可靠地运行业务请求或者任务，并提供日志查询、性能监控和告警等功能。函数计算是典型的 Serverless 计算服务，可以让企业和开发者专注业务，省掉资源维护等工作，函数计算提供按量弹性伸缩、按实际使用资源付费的功能。 ServerlessGPU+ 经典AIGC场景早在 2 年前，函数计算就在布局 GPU 算力，对使用者提供弹性、按量的高度虚拟化的 GPU 算力集群，目前已经支持 T4、A10等主流推理卡型，并做了虚拟化切分，支持单实例最小 1GB 显存配置，后面还会持续推出新的卡型规格。而在去年 AIGC 爆火之后，企业、开发者对 AIGC 驱动创新的需求也爆发式增长，但在落地探索过程中，普遍面临 GPU 算力成本高昂、AI 应用构建复杂等痛点。因此，函数计算团队及时把握业界动向，致力于打造最简的 AI 推理应用开发、部署平台。不仅在 Serverless 应用中心托管了很多经典的开源模型，如 SD、ComfyUI 等。以 SD 模型为例，支持一键部署，大约几分钟后就能上生产使用。并针对开源 SD 模型做了优化，支持 SD 模型管理界面，SD WEB UI 前后端分离、以及高度封装的弹性 API 接口，让用户可以以多种形式来使用 SD 模型服务。同时，函数计算还和魔搭社区做了深度集成，魔搭社区上很多模型也都可以一键部署到函数计算，进行快速体验和使用，感兴趣的可以参考这篇文章《魔搭大模型一键部署到阿里云函数计算，GPU闲置计费功能可大幅降低开销》。除了模型托管之外，函数计算还规划了 AI Runtime，可以让用户把自己的模型快速转成 API 服务（模型 To API），函数计算可以在线帮用户制作镜像并完成模型的部署。最后，必须要提的是，无论哪种使用方式，都离不开函数计算提供的弹性、免运维、按量使用和按需付费的 GPU 算力，可以更灵活、更低成本来承载 AI 推理应用。Serverless 应用中心和函数计算的结合，可以让开发者真正实现0技术门槛部署使用 AIGC 应用，让人人拥有专属的 AIGC 环境，感兴趣的可以参考这篇文章《AI 绘画平台难开发，难变现？试试 Stable Diffusion API Serverless 版解决方案》。函数计算助力森马冲浪AIGC 阿里云函数计算 FC 恰好解决了森马所面临的使用问题。基于函数计算提供的一键部署 Stable Diffusion 能力，森马快速拉起了多套 SD 的使用环境。为了能让更多的员工便捷的体验到 SD 使用效果，森马在内部的钉钉工作台集成了线上环境，为大部分员工提供特定效果 SD 使用页面，在该页面中固定模型和插件，尽可能简化使用原生 SD 使用的复杂度。同时，对专业的设计师，也会提供原生的 SD 使用环境，可以让设计师自由 DIY 模型和插件组合。森马 AI 工作台经过半年多的探索，森马从最初两个事业部采用函数计算的 SD 作图，扩展到现在已有 6 个 BU 单元 13 个小组相继接入，利用 AIGC 能力，提升服务设计效率，简化工作流程。在这个过程中，森马也从一线设计师收到了许多真实的体验反馈，比如原生的 SD 页面还是过于复杂，期望引入 AI 工作流来提升出图效率等等。为此，森马和函数计算团队展开了更深入的合作，探讨升级使用方案：引入 ComfyUI 提供 AI 工作流画图能力。引入前端工程师开发专属于森马的 UI 界面，集成函数计算提供的 SD Serverless API，进一步提升广泛设计师的使用体验，屏蔽原生 SD 界面的复杂度。和森马的合作过程，也成就了双方技术团队，共同提升在 AIGC 应用领域的技术积累。提效！从 3 天到 30 秒服装设计场景，灵感距离成稿只需30秒在设计灵感阶段，服装设计师原本需要花费 2 到 3 天来完成一张服装设计成稿，从前期灵感搜集、线稿构思、上色，再到最终将图案呈现出来并提交评审。但现在，借助于 AI 技术的辅助，同样的过程可能仅需要 30秒。设计师可以迅速地与 AI 进行交互，结合自己的描述，快速地将思维转化为视觉作品，借助 AI 技术开辟了全新的爆款设计路径。推广营销场景，1个人完成复杂海报设计在视觉拍片环节，一张海报的背后通常隐藏着一个专业团队的辛勤工作。想象一下，任何一张精美的宣传海报，都需要摄影师的专业拍摄，模特的合适造型，化妆师的巧手点缀，以及搭配师为模特挑选服装和配饰。场景的选择也至关重要，整个过程需要多人协作才能完成。得益于 AI 技术的辅助，视觉拍摄工作也经历了变革。从依赖一整个团队的拍摄制作，到现在可以仅需一个人+ AI 完成，通过模型训练，精准转化素人模特或人台真实上身效果，产品海报背景也能随心所欲的生成。不仅极大地简化了设计和营销的工作流程，还加快了从创意到最终产品的转化过程。在云上探索 AI 技术与服务行业的深度融合新路径森马数字中心创新项目负责人林建霞女士也跟我们分享了 AI 技术在森马业务中的潜在应用前景：通过 AI 算法分析海量用户数据和时尚趋势信息，精准预测并快速响应新时代青年的穿搭喜好变化，助力设计师打造更符合市场需求的服装款式；借助 AI 优化供应链管理，提高生产效率，降低库存风险，确保产品能以更快的速度、更优的价格触达消费者；再次，运用 AI 进行个性化推荐与智能客服，提升购物体验，增强用户粘性；通过 AI 辅助数据分析，实时洞察市场反馈，为品牌战略决策提供科学依据。未来，森马数字中心创新项目团队将以开放的心态积极探索 AI 技术与服饰行业的深度融合路径，力求在最短时间内实现 AI 技术在业务中的有效突破，引领行业数字化、智能化转型的新风尚。今年，森马服饰计划在终端门店部署这项 AI 画图的前沿技术，让到店的顾客都可以现场 DIY T 恤制作。做为该项计划的技术支持者，函数计算团队把 Serverless 技术运用到 GPU 上，提出了“人人皆可拥有专属 AIGC 环境”的新愿景，大幅降低用户在 AI 领域的试错成本与使用门槛，使用户能更专注于自身业务发展，无需过度担忧底层资源的运维工作。

2024-04-30

四年增长 100 倍的 Figma，数据库团队是怎么活下来的

数据显示，我们的一些表格包含数 TB级，数十亿行数据，已经变得太大以至于无法放入单个数据库中。

2024-03-18

弹性数据库连接池探活策略调研(三)——DBCP | 京东云技术团队

前言在之前的文章中，我们介绍了弹性数据库连接失效的背景，并探讨了HikariCP、Druid连接池探活策略的相关内容。

2023-09-08

弹性数据库连接池探活策略调研(二)——Druid | 京东云技术团队

但与探活相关的逻辑实现只存在源码里的两个函数里，我们先列举一下跟Druid探活相关的参数，在具体看一下源码的实现对这些参数的使用。

2023-09-07

弹性数据库连接池探活策略调研(一)——HikariCP | 京东云技术团队

为了最大化发挥连接池的价值，我们就一块来了解一下关于HikariCP探活相关的内容，看看如何利用相关的探活参数更高效地使用连接池。

2023-09-06

看完这篇异地多活的改造，我决定和架构师 battle 一下

简述异地多活的概念以及为什么要做异地多活这里就不进行概述了。概念性的很多，像什么同城双活、两地三中心、三地五中心等等概念。

2023-07-12

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

精选列表

大数据日知录要点整理

物联网（IoT）落地已日既定事实

5G到来时网速起飞日

阿里云生态日沙龙权益申请规则

12月15日踩过的坑

#WorkBuddy# 一个普通打工人，把每天重复的 office 活交给了 AI

我用 WorkBuddy 干了三天活，终于明白它和普通 AI 聊天的区别了

Sourcegraph 让编排层先写脚本：能确定的活不给模型，agent 才敢按结果收费

WebSocket 可靠消息投递：心跳保活、断线重连与消息幂等去重

会开完了，活还是没人干？我用 AiiOnly + Workbuddy 做了个「会议行动项助手」

#WorkBuddy# 这 8 个 GitHub 神器，把我每天 2 小时的活压到 10 分钟

用了两周WorkBuddy，我总算搞懂了它到底能替我干多少活

真正难的不是“切流”，而是“切错了怎么活”

WorkBuddy资料库全面升级：从"存文件"到"活资产"，AI原生办公新范式

30 秒出服装设计稿，森马用函数计算+AIGC 整“新活”!

四年增长 100 倍的 Figma，数据库团队是怎么活下来的

弹性数据库连接池探活策略调研(三)——DBCP | 京东云技术团队

弹性数据库连接池探活策略调研(二)——Druid | 京东云技术团队

弹性数据库连接池探活策略调研(一)——HikariCP | 京东云技术团队

看完这篇异地多活的改造，我决定和架构师 battle 一下

资源下载

Mario

腾讯云软件源

Nacos

Rocky Linux

欢迎您来访！

精选列表

大数据日知录要点整理

物联网（IoT）落地已日既定事实

5G到来时 网速起飞日

阿里云生态日沙龙权益申请规则

12月15日踩过的坑

#WorkBuddy# 一个普通打工人，把每天重复的 office 活交给了 AI

我用 WorkBuddy 干了三天活，终于明白它和普通 AI 聊天的区别了

Sourcegraph 让编排层先写脚本：能确定的活不给模型，agent 才敢按结果收费

WebSocket 可靠消息投递：心跳保活、断线重连与消息幂等去重

会开完了，活还是没人干？我用 AiiOnly + Workbuddy 做了个「会议行动项助手」

#WorkBuddy# 这 8 个 GitHub 神器，把我每天 2 小时的活压到 10 分钟

用了两周WorkBuddy，我总算搞懂了它到底能替我干多少活

真正难的不是“切流”，而是“切错了怎么活”

WorkBuddy资料库全面升级：从"存文件"到"活资产"，AI原生办公新范式

30 秒出服装设计稿，森马用函数计算+AIGC 整“新活”!

四年增长 100 倍的 Figma，数据库团队是怎么活下来的

弹性数据库连接池探活策略调研(三)——DBCP | 京东云技术团队

弹性数据库连接池探活策略调研(二)——Druid | 京东云技术团队

弹性数据库连接池探活策略调研(一)——HikariCP | 京东云技术团队

看完这篇异地多活的改造，我决定和架构师 battle 一下

资源下载

Mario

腾讯云软件源

Nacos

Rocky Linux

欢迎您来访！

5G到来时网速起飞日