后端

Agent 要在多轮对话和跨会话协作中记住用户偏好与任务进展，记忆模块属执行链路一部分而非独立外挂。本文围绕长期记忆的写入与加载流程，涵盖 LLM 判断、语义检索、Token 预算控制、冲突处理等技术

AI Coding 个人用得爽，一到团队就崩。EP-Harness 把 Agent 从聊天工具变成团队协作成员——可管理、可追溯、可闭环。落地后高频异常从 2400+/4h 收敛到个位数。

从"搜到什么用什么"到"搜→筛→挖→验"自主决策闭环——我们造了一个有判断力的 RAG Agent，不是套壳。

订单系统是交易链路的核心命脉，直接承载用户所有下单与支付行为，其稳定性直接决定业务盈亏。为此，我们耗时一年多，完成了订单系统由外而内的三阶段改造。

告警排查需频繁切换日志、APM、链路追踪等多个平台，耗时 10～30 分钟，且高度依赖个人经验。我们做了 Troubleshooter——用 LLM Agent 自动完成数据采集、根因分析和处置建议生

HorizonVault 是中间件团队自研的一款高吞吐分布式存储引擎，主要面向 Kafka 远程存储、冷/温数据下沉和大容量低成本存储场景。随着 Kafka 集群数据规模持续增长，本地高性能磁盘很难无

Harness（约束）思维的本质是：给 AI 一个已有的实现作为参照，让它照着复刻一份，而不是凭空创造。就像给一个新入职的工程师说"你照着这个模块的风格，写一个类似的"，而不是"你自由发挥"——前者往

本项目构建了一个网关路由 AI 安全审计系统，采用"通用 Agent + 业务 Skill"分层设计，增量日检/存量月检。落地 Open 网关路由越权漏洞检测流程，通过 AI 批量筛查 + 人工深度验

针对得物搜推广场景，大禹离线 Dump 平台构建流批一体架构，依托统一 DAG 编排、镜像表与状态宽表实现低代码开发、数据同源同构及系统稳定，已落地社区搜索等业务，未来将持续提效并赋能多业务线。

在粗排、精排多目标建模成为行业标配的今天，研发团队面临 “公式难调、迭代太慢、线上易崩” 的挑战。得物加乘树调参框架从 1.0 解释执行升级到 3.0 编译执行，通过全量 + 增量配置、数学公式 DS

围绕 Spark UI 监控模块，解析 Executors、SQL、Stages 等核心入口与关键指标，结合表扫描慢、Shuffle 并行度不足等典型场景，给出基于内存、并行度及 AQE 参数的调优方

从一次HTTP请求切入，拆解Sentinel限流完整源码，涵盖规则加载、过滤器拦截、插槽链运转及滑动窗口实现，深入理解限流底层逻辑，解决仅会使用而不懂原理的问题。

推荐系统重排作为最终决策环节，可解决传统排序的同质化、位置偏差等问题。本文分享生成式重排模型的实践经验，自回归与非自回归两种模型的落地效果，介绍推理性能优化方案，并展望端到端序列生成的下一代重排架。

针对开源 Flink ClickHouse Sink 生产痛点，提供高可靠生产级写入方案。实现本地表直写、节点动态发现、攒批限流与重试机制，依托 Checkpoint 保障数据语义，搭配生产调优，打造

OLAP引擎在得物的客服、风控、供应链、投放、运营、ab实验等大量业务场景发挥重要作用，在报表、日志、实时数仓等应用场景都有广泛的应用。此次迁移达成了预期的成本和性能的收益目标，也拓展了集群未来的成长

Redis热key问题是指单位时间内，某个特定key的访问量特别高，占用大量的CPU资源，影响其他请求并导致整体性能降低。而且，如果访问热key的命令是时间复杂度较高的命令

在软件开发中，性能测试是不可或缺的一环。但是编写基准测试来正确衡量大型应用程序的一小部分的性能却又非常困难。当基准测试单独执行组件时，JVM或底层硬件可能会对您的组件应用许多优化。当组件作为大型应用程

精准测试是一套有效提高软件测试质量和效率的技术体系，可以有效解决传统测试中的盲测、漏测、冗测等现象提升测试效率和准确性，前置暴露风险保障上线质量。本文主要介绍了得物精准测试平台推荐引擎中部分核心功能的

线上问题的定位与优化是程序员进阶的必经之路，常见的问题定位手段有日志排查、分布式链路追踪和性能分析等，其中日志排查主要用来定位业务逻辑问题，分布式链路主要用来定位请求链路中具体是哪个环节出了问题，而如

目前，得物 Redis 管理平台管理着几千台 Redis-server 宿主机，通过每日智能自动化均衡资源迁移，宿主机内存资源平均使用率和内存分配率均达到一个合理且较高的水位，所有宿主机内存使用率都动