近两年 AI 技术发展迅猛，日新月异。大语言模型 (LLM)、AIGC、多模态、RAG、Agent、MCP 等各种相关概念层出不穷，若不深入了解，极易混淆。本文旨在简要介绍这些 AI 技术的核心概念、基本原理及其相互关系，主要帮助非 AI 行业的开发者建立基础认知。文中涉及的每项技术在其垂直领域都值得深入探索，本文仅作概念性和原理性的概述。如有疏漏或错误，欢迎指正。
系统性地“啃书”学习，在AI时代还有必要吗？ 有鹅厂同事认为：“AI时代下，程序员无需死磕过时的工具书，但放弃系统性学习等同于放弃技术纵深。这种学习不再是盲目的“啃”，而是有策略的“用”——用书籍搭建知识骨架，用AI填充细节，用项目实践注入灵魂。” 结合AI时代对程序员能力的新要求，我们为你精选了2025上半年值得深入阅读的大牛书单。这份书单不仅涵盖了AI与大模型的前沿知识，也兼顾了计算机科学的经典基石，一定要看到最后一本。
在上一篇文章如何设计一个支付系统丨架构师系列文集中，我们主要讲解了支付系统的设计全貌，为了帮助大家进一步深入理解支付系统的设计细节，腾讯云开发者社区联合原作者产出系列深度文章。本文将主要介绍支付系统在电商系统中的重要性，包括其作为连接消费者、商家和金融机构的桥梁作用，以及在支付处理、安全性保障、支付方式管理、订单管理与结算、交易记录和报告、退款与售后支持等方面的关键作用。同时指出支付系统的发展阶段，从封闭的独立应用系统到开放的服务系统，强调了其对电商企业运营和用户体验的重要性。
本文系统性地介绍了GPU的工作原理及其在AI基础设施中的核心作用。文章从GPU的历史演进切入，阐述其从图形处理器到通用计算（GPGPU）的转型过程，重点解析CUDA编程模型、CPU/GPU异构架构协作机制，并通过10亿级数组加法的性能对比实验直观展示GPU的并行优势。算是个人的一个学习总结，由于非算法背景，可能会有很多地方说的不正确，有任何问题都欢迎指正。
AI 流行的当下，你有没有想过： 大模型推理服务到底怎么跑起来的？大模型推理服务的运行过程中，CPU和GPU分别负责哪些工作？用GPU一定比CPU跑的快么？哪些场景需要用GPU?
在分布式架构系统中，确保跨服务应用的数据一致性始终是系统设计的核心挑战之一。TDMQ RocketMQ 版作为一款基于 Apache RocketMQ 构建的企业级消息中间件，凭借其高可用性和高可靠性特点，通过提供完善的事务消息机制，为这一难题提供了专业的解决方案。本文将结合核心源码，深入解析 RocketMQ 事务消息的实现原理，希望能帮助开发者去构建更健壮的分布式事务系统。
社区里缺的不是架构图，而是可供参考的架构实践。程序员缺的不是技术原理知识，而是抽象来的可供复用的方案思路。为了切实帮助技术人成长，在信息爆炸时代获取最精华的架构知识，腾讯云开发者携手腾讯云架构师技术同盟推出架构师系列文集，每期会以《如何设计一个 XX 系统》为主题，分享同盟架构师们多年经验抽象来的经典方案设计思想。 本文是系列第二篇，作者分享了一个运行十四年，底层系统架构一直没有大改的低代码系统是如何设计的，作者确信：如果有对业务的深入理解，有着架构性思维体系，有面对复杂的体系进行抽象的能力，是完全可以用低代码做出一套可用、好用的核心业务系统的。
在技术迭代与业务变革的快车道上，程序员如何跳出 “需求执行者” 的惯性？真正的成长藏在需求背后 —— 当代码开始理解业务逻辑，当技术方案能为商业目标造血，当需求对接成为驱动业务进化的支点，每一次踩坑都是突破认知边界的契机。这里凝结着腾讯资深工程师从 “完成任务” 到 “创造价值” 的转型心法。
内存优化属于性能优化的一部分，内存优化没有功耗、卡顿和帧率等优化可以被玩家们直观的体验到，但是一旦发生Out Of Memory（OOM）问题，玩家将会直接从游戏中闪退。所以内存优化是一个重要的工作。 随着手游3A化、精品化的发展，越来越精美细致的画面表现，越来越丰富的游戏玩法都对内存带来了更大的压力。所以内存优化是一个常态化的工作。 业内的内存分享大多介绍平台侧、引擎侧、工具侧的内存实践。本文将从内存优化的整体思路到具体的实践细节，总结整理Unity手游客户端在内存优化方面所做的实践。
