肖恩技术周刊（第 50 期）：警惕胶水工作
周刊内容: 对一周内阅读的资讯或技术内容精品（个人向）进行总结，分类大致包含“业界资讯”、“技术博客”、“开源项目”和“学习资源”等。
更新时间: 周一
历史收录: 技术周刊合集
订阅方式: 微信公众号“肖恩聊技术”，除周刊外还有更多原创技术博文，欢迎关注👏🏻~
胶水工作指那些通常不那么光鲜亮丽，但对于维持团队或项目顺利运转至关重要的任务。它是幕后工作，能助力他人取得成功，比如整理文档、确保沟通顺畅、新员工入职指引以及处理技术债务等。尽管衔接性工作很有价值，但常常被低估，如果不能与更引人注目的贡献相平衡，还可能阻碍职业发展。毕竟公司不会奖励胶水工作，个人应有策略地去做，针对自己负责的项目，适当的胶水工作可以确保项目成功。
业界资讯
吉利发布雷神 AI 电混 2.0，发动机热效率超越比亚迪，老车主也可 OTA 升级
吉利于 6 月 13 日发布的雷神 AI 电混 2.0 系统，其专用电混发动机热效率达 47.26%，超越比亚迪的 46.06%。该系统最大亮点是「星睿 AI 智能体 2.0」，能通过多维数据实时运算进行能量分配提升节能水平，还能预测机油健康度等建立个性化养护方案，以及实现智能充电推荐、智能过弯辅助等功能。吉利推出雷神 EM-i 和 EM-p 两套动力系统，分别主打节能与强力，老车主可通过 OTA 升级。吉利还预告第四季度将推出搭载第五代醇氢专用发动机的轿车和 SUV 产品，热效率可达 48.15%。
需要写代码？试试在元宝@AI编程
元宝上线了电脑版 AI 编程模式，使用 DeepSeek V3 模型，用户在输入框中 @AI 编程并提需求，左侧提需求，右侧实时展示代码并能在线运行。该模式支持运行多种开发语言，可应用于教学辅助、亲子编程和开发辅助等场景。用户需将元宝电脑版升级到 v2.25 以上版本并切换至 DeepSeek 模型，关闭深度思考，输入 @AI 编程即可开启该模式。
刘强东首次分享做外卖、酒旅的逻辑：京东做所有业务都是为了供应链
京东集团创始人刘强东在访谈中分享了京东做外卖、酒旅等业务的逻辑，强调所有业务围绕供应链展开，核心是降低成本、提高效率和服务品质。京东外卖业务自上线后增长迅猛，3个月内拿下2500万订单，招募超12万名全职骑手，二季度员工总数预计达90万人，创下单季度净增员工纪录。京东外卖通过加大补贴力度，5月日均活跃用户反超美团，刘强东认为，外卖亏损比买流量更划算。他还透露，京东外卖将推出与美团完全不同的商业模式，强调其为长期战略，可能需十年甚至二十年实现。
刘强东还提到京东目前有6个创新项目，包括稳定币。在社会责任方面，京东在疫情期间积极保供，并持续关怀员工，如涨薪和提供五险一金。展望未来，刘强东希望将国内业务交给集团CEO许冉，自己全职投入国际业务，同时强调团队合作的重要性。
技术博客
加一个JVM参数，让系统可用率从95%提高到99.995%
本文针对一个高并发（十万级QPS）、低延迟（毫秒级返回）且频繁进行内存索引切换（约每15分钟一次，索引大小约0.5G）的系统，因索引切换时垃圾回收（GC）压力大导致的系统成功率低至95%的问题，通过JVM参数调优和系统策略优化，逐步将系统成功率提升至99.995%。
在排查过程中，排除了流量激增、外部服务瓶颈和并发锁等因素，最终定位到问题根因是索引切换时产生大量新对象和内存垃圾，导致GC耗时过长，业务线程被暂停，引发超时报错。在优化过程中，通过设置MaxTenuringThreshold=0，将索引复制次数从2次减少为1次，成功率提升至98%。进一步通过分批断流发布和Eden区预热策略，彻底解决了索引切换时的抖动问题，最终实现索引无感切换，系统成功率稳定在99.995%以上。
可信实验白皮书系列06：观察性研究
本文介绍观察性研究方法，包括合成控制法、匹配方法和Causal Impact等。观察性研究适用于无法进行控制实验的场景，如美团到家履约业务。这些方法可帮助消除选择性偏差，科学评估策略效果。合成控制法通过构建合成对照组估计政策因果效应；匹配方法通过平衡协变量分布控制干扰因素；Causal Impact基于贝叶斯结构时间序列模型构建虚拟对照组评估干预效果。文章还介绍了各方法的原理、优缺点及实际案例，并展望了其他拓展方法。
从CPU冒烟到丝滑体验：算法SRE性能优化实战全揭秘
本文分享了算法性能优化方面的实战经验，重点介绍了优化浮点转换、解决垃圾回收（GC）问题和优化响应时间（RT）瓶颈的实践。通过引入Ryu算法和Fast_Float算法，浮点转换性能大幅提升，CPU时间占比从18%降至0.19%，性能提升98%。在GC优化方面，调整JVM参数，避免老年代GC频繁触发，解决了性能抖动问题。在RT优化中，通过分析发现特征读取阶段的IO等待时间过长，中间Proxy层成为瓶颈。未来将采用垂直多副本部署模式去除Proxy，实现去中心化。文章强调性能优化永无止境，分享的实战经验可帮助读者掌握深度性能分析的方法论，避免走弯路。
开源项目
MiniMax-M1：混合注意力推理模型
MiniMax开源了世界上第一个开放权重、大规模的混合注意力推理模型，具有高效推理能力和强大的长文本处理能力，适用于复杂任务和长输入处理。
Kimi-Dev：编程语言模型
Kimi-Dev 是 MoonshotAI 开发的开源编程语言模型，专注于软件工程任务。其 72B 版本在 SWE-bench Verified 基准测试中达到 60.4% 的性能，超越其他开源模型。该模型通过强化学习优化，能够在 Docker 中自动修复代码库问题，并确保测试通过。Kimi-Dev 采用两阶段框架：文件定位和代码编辑，以实现代码修复和测试编写任务。
工具推荐
Epoch AI
Epoch AI专注于研究人工智能的发展轨迹及其对社会的影响。其研究涵盖AI模型、基准测试、训练成本等多个方面。
学习资源
动手学机器学习
包含机器学习基础、参数化模型、非参数化模型、无监督学习。机器学习基础部分涉及两个最简单的机器学习算法——k近邻算法和线性回归，并由此引出机器学习的基本思想。参数化模型和非参数化模型两部分包含了常用的有监督学习模型，包括逻辑斯谛回归、神经网络、决策树等，由浅入深。最后的无监督学习部分关注机器学习的另一大分支，介绍在没有监督信号的场景下如何完成数据建模。
动手学强化学习
动手学习基础篇、动手学习进阶篇和动手学习前沿篇。基础篇关注于 tabular 场景下的 RL，即状态和动作空间都是有限的；进阶篇的内容突破这一限制，考虑连续的状态或动作，会使用到神经网络。最后，在前沿篇介绍强化学习领域一些有趣的方向，以及相对应的前沿算法。
北大数据与智能入门指南
帮助初学者快速熟悉数据管理(Data Management, DM) 和 人工智能(Artificial Intelligence, AI) 等前沿领域，搭建坚实的技术基础。
随便看看
Anthropic：我们如何构建多智能体研究系统
Anthropic团队分享了构建多智能体研究系统的经验。该系统利用多个Claude智能体协同工作，通过主智能体规划研究流程并创建子智能体并行搜索信息，有效处理复杂任务。多智能体系统在动态调整方向、并行处理和扩展性能方面具有显著优势，尤其在处理广度优先查询时表现优异。然而，这种架构消耗token量大，成本较高，且在任务共享上下文或依赖性强的场景下适用性有限。
系统采用“协调者-工作者”模式，主智能体分析用户查询后，生成子智能体探索不同方向，子智能体将信息汇总给主智能体，最终由引文智能体处理文档并返回结果。提示工程是关键，团队通过优化提示，引导智能体合理分工、调整搜索策略，并实现自我改进。评估方面，采用小样本测试、大语言模型评分和人工评估相结合的方式，确保智能体输出的准确性和合理性。
在生产环境中，团队面临智能体有状态、错误累积、调试困难等挑战，通过构建可恢复系统、增加生产环境追踪和采用彩虹部署等方法，确保系统的可靠性和稳定性。尽管存在挑战，多智能体系统在解决复杂问题上展现出巨大潜力，改变了人们处理复杂任务的方式。
OpenAI: 构建 AI 智能体实用指南
AI智能体是一种能够自主执行任务、接管工作流的新兴软件范式，与传统软件有本质区别。它特别适用于复杂决策、难以维护的规则系统和非结构化数据处理等场景。构建智能体需要关注模型、工具和指令三大核心组件，其中模型是推理核心，工具用于与外部世界交互，指令则是行为准则。开发时应从强大模型入手建立性能基准，再优化成本，并遵循模块化设计以提升灵活性和可维护性。
智能体架构设计建议从单一智能体系统开始，逐步演进至多智能体系统，包括主管模式和去中心化模式。安全性是关键，需构建分层防御体系，设置人工监督与干预机制以确保可靠性和可控性。未来，智能体技术将从孤立应用转向相互协作的生态系统，推动业务流程的自动化和智能化变革。
杰弗里・辛顿：我曾试图警告他们，但我们已经失去控制！
“人工智能教父”杰弗里·辛顿对人工智能的担忧和警告。他指出人工智能存在导致人类灭绝的20%风险，分享了自己因直言不讳而被噤声的经历，表达了对参与创造人工智能的后悔，并列举了人工智能目前对人类构成的六大致命威胁。同时，他也提到了人工智能在医疗保健、提高生产力和教育变革方面的潜力。
此外，视频还涉及了欧洲的人工智能法规、网络攻击风险、如何保护自己免受网络攻击、利用人工智能制造病毒、人工智能与腐败选举、人工智能如何创造回音室效应、新技术的监管、是否监管阻碍了与中国竞争、致命自主武器的威胁、人工智能威胁的结合、限制人工智能接管、反思人工智能风险中的工作成果、学生因安全问题离开OpenAI、对人工智能未来的希望、人工智能导致的失业问题、如果肌肉和智力被取代剩下什么、当前人工智能与超级智能的差异、接受人工智能的能力、人工智能可能扩大贫富差距、人工智能为何优于人类、人工智能可能比人类知道更多、人工智能能否复制人类的独特性、机器是否会拥有感情、在谷歌工作、离开谷歌的原因、人们应该对人工智能做些什么、令人印象深刻的家族背景、回顾过去会给出的建议、关于人工智能安全的最后信息、人类幸福的最大威胁等内容。