美团分享 Transformer 在搜索排序三个场景的实践经验。特征工程方面采用 Transformer Layer 进行高阶特征组合，结合 MLP 保持隐式交叉能力。行为序列建模迭代了三个版本，最终采用 Transformer 加 Attention-pooling 方案，自注意力机制有效建模序列内 item 关系，在长距离特征捕获能力上优于 GRU。重排序采用 Transformer 编码层对精排结果重新排序，位置编码向量刻画上下文信息。文章总结了层数选择、位置编码影响、性能优化等工程经验。
本文系统阐述互联网企业数据安全体系建设方法论。从Facebook数据泄露事件切入，区分隐私保护与数据安全的概念差异，围绕数据全生命周期展开：数据采集（HTTPS、CDN安全）、存储保护、使用控制、传输安全、销毁管理等环节，详细介绍流量保护、业务安全属性、零信任架构等关键措施。
本文探讨企业内部SCA（软件成分分析）能力的建设与落地实践。针对开源组件引入比例越来越高带来的安全风险，文章分析通用漏洞风险、供应链相关风险、过期维护组件等三类主要威胁，介绍如何通过SBOM软件物料清单实现对开源组件风险的全面治理，融入DevSecOps流程。
Anthropic 分享构建多智能体研究系统的八条提示工程与评估原则。采用协调者-工作者模式，由首席智能体负责协调分配任务，子智能体并行执行具体任务。核心要点包括像智能体一样思考以理解提示效果、教协调者如何精确委派任务、根据查询复杂性调整工作量、重视工具设计与选择、让智能体自我改进、先广泛探索再逐步缩小范围、引导思考过程、利用并行工具调用提升性能。强调提示工程是改进多智能体系统行为的主要手段。
浙江大学发布的 Deep Research 系统综述，分析了 2023 年以来出现的 80 多个商业和非商业实现。提出四维分层分类法，涵盖基础模型与推理引擎、工具利用与环境交互、任务规划与执行控制、知识综合与输出生成。详细解析了单体架构、流水线架构、多智能体架构和混合架构四种实现方式。讨论了上下文理解与记忆机制、推理能力增强、多智能体协作框架、报告生成技术等关键技术进展，为理解和构建深度研究系统提供全面参考。
本文详细记录了美团外卖CRM业务规则引擎Maze框架的设计与实现过程。针对规则迭代成本高、维护门槛高等痛点，团队从零构建了覆盖策略计算和结构化数据处理的通用规则引擎。文章通过门店信息校验、门店审核流程、绩效指标计算三个典型案例，对比分析了硬编码、Drools和业务定制引擎的优缺点，最终提出了Maze框架的分层设计理念，实现了规则热部署、高执行效率和非技术人员可配置的目标。
本文总结美团信息安全技术团队升级JDK 17的实践经验。升级后性能与稳定性大幅提升，机器成本降低10%。文章详细介绍JDK 17的语言特性、新API和工具，重点分享ZGC在安全领域的适用场景、效果分析和实现原理，以及升级过程中的安装兼容性、性能压测等实践经验。
本文详细介绍高性能内存消息队列Disruptor的核心设计。文章深入解析Ring Buffer、Sequence、Sequencer、Sequence Barrier、Wait Strategy、Event Processor等核心组件，阐述无锁并发、伪共享问题的解决原理，以及Disruptor如何通过单线程写、内存屏障等技术实现比传统阻塞队列更高的吞吐量。
本文深入分析MCP协议为何能在短时间内引爆科技圈，从技术本质、与Function Call的关系、生态竞争格局三个维度全面剖析。文章追踪MCP从Anthropic发布到OpenAI、Google相继支持的演进历程，探讨其能否成为AI界的HTTP事实标准，以及与LSP、OpenAPI等协议的差异化竞争策略。
文章从架构视角深入解析 AI 智能体系统的完整执行流程。从用户请求接入开始，依次经过问句向量化、向量数据库检索、重排模型排序、大语言模型决策、工具调用执行、结果综合处理等环节。详细说明了每个模块的职责和工作机制，包括 Embedding 模型的语义编码、Top K 检索的知识召回、重排模型的精准筛选，以及 LLM 的工具选择判断。最后强调全流程日志设计的重要性，通过 require_id、step_input、step_out 等字段实现链路追踪，适合需要理解智能体系统架构的开发者学习。