写点什么
创作场景
- 记录自己日常工作的实践、心得
- 发表对生活和职场的感悟
- 针对感兴趣的事件发表随笔或者杂谈
- 从 0 到 1 详细介绍你掌握的一门语言、一个技术,或者一个兴趣、爱好
- 或者,就直接把你的个人博客、公众号直接搬到这里
登录/注册
收录了 软件系统技术架构 频道下的 50 篇内容

系统软件作为软件架构的基石,发挥着承上启下的关键作用。快手系统软件团队经过四年的探索与实践,成功积累了一系列创新技术与性能优化方法论,这些成果广泛涵盖 Java 协程、编译器优化、操作系统改进等多个关键领域。
Web3 的技术架构与传统 Web2 应用有显著区别,其核心在于利用区块链实现去中心化和无需信任的交互。一个典型的 Web3 应用的技术架构通常可以划分为以下几个主要层次。
一个现代的 AI 财报分析软件系统必须采用分层架构(Layered Architecture)和微服务(Microservices)的设计理念,以支持高并发的数据处理、复杂的算法运算和灵活的模块化部署。整个系统围绕数据流转和智能分析进行构建。
AI 诊断并不是一个“模型跑起来就完事”的项目,它更像一套复杂的软件系统工程:数据、模型、服务、合规、性能与稳定性,任何一环掉链子,都会让系统失去实际价值。

Agent 并非简单的功能模块,而是一种全新的计算实体

微信红包本质是小额资金在用户帐户流转,有发、抢、拆三大步骤。在这个过程中对事务有高要求,所以订单最终要基于传统的RDBMS,这方面是它的强项,最终订单的存储使用互联网行业最通用的MySQL数据库。

今年WAIC上,大模型依然是绝对主角。但相比去年,今年还有一个变化开始变得越来越明显。越来越多企业,不再讨论“模型有多大”,而开始讨论“算力还能不能继续这样堆下去”。GPU、HBM、Chiplet、3D封装、近存计算……

AI 时代架构如何演进,是快手乃至整个行业正在面对的核心命题。

来自开发、架构、技术管理和产业一线的1200余位从业者齐聚现场,围绕AI技术演进与企业落地展开交流。

AI 时代的软件架构跃迁,从云原生到 Agent Engineering

架构变更案例拓展了架构决策记录(ADR)的设计思路,用于评估各项决策后续可能发生的变更,能够挖掘隐藏的预设条件,协助团队预估变更的撤回成本与可逆程度。

如何在企业团队中落地Agent记忆系统

10 倍代码就是 10 倍负债,为什么 AI 时代的赢家不是产出最高的团队?

如果说过去一年 AI 还停留在“辅助开发”,那么在 QCon 北京 2026,一个更明确的共识已经形成:软件工程,正在从“以代码为中心”,转向“以智能体为核心”。

NVIDIA 通过 DGX Spark 与 DGX Station 将数据中心级 AI 算力下沉至桌面环境,配合 NemoClaw 开源栈提供的安全运行时,为企业构建自主 AI 智能体提供了合规、可控、可扩展的技术底座。

聚焦独立 AI Memory 记忆系统核心技术与落地实践,全方位拆解这套前沿系统的技术逻辑、场景价值与未来趋势

这份 InfoQ 趋势报告概述 AI、机器学习、数据工程领域的新兴技术与趋势,汇集编辑团队和外邀嘉宾的观点,研判当前技术走向以及未来一年值得关注的重点。

在30年的研发实践中,华为基于IPD流程框架,结合业界先进研发模式与方法,将标准化的研发作业活动提炼为“非创造性活动”和“创造性活动”。代码提交、编译构建、单元测试执行、动静态检查、测试验证、软件部署等非创造性活动全面自动化,并通过分层分级的CI/CD流水线,构建起自动化“软件工厂(Software Factory)”,实现最小化人工干预。

“到2031年,80%的新应用将是可抛弃的、易于替换的。”