技术

agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

《技术领导力300讲》笔记——有感觉的话

2019年05月01日

简介

TOC瓶颈理论认为,任何系统至少存在着一个约束,否则它就可能有无限的产出。因此要提高一个系统 (任何企业或组织均可视为一个系统)的产出,必须要打破系统的约束。任何系统可以想像成由一连串的环所构成,环与环相扣,这个系统的强度就取决于其最弱的一环。

质变的改变才有质变的绩效,量变的改变只有量变的绩效,并且大多数时候,量变根本无法解决问题。

《技术领导力300讲》一个学习体会是:大佬们都有自己的方法论,这个是肯定的。有意思的是都有一套工具集,比如将员工分为四五种类型,任何事情都可以当成一个问题来分析,分情况处理, 运用表格、脑图之类的工具,形成一个有说服力的体系。我自己在思考问题时,就是动脑在想,忽略了对表格 等工具的运用,本质不是对工具的运用,而是量化、可视化、层次化自己的思考过程,避免脑中一下子涌入各个层次的细节。

张一鸣:我觉得动不动就说“凉凉”是很势利的。什么是势利,势利就是只对表面现状的附和,不能超越现在,去想象还未发生的事情

焦烈焱:很典型的一点就是,我要花更多的时间去“务虚”,去做思考、做沟通、做规划等相关事情,同时,你走得越高,你“务虚”的时间就要越多

兰军:末位淘汰制度还有一个原因,不达标员工会直接拉低团队战斗力,比没有他战斗力还低。

成敏:最终决定优先级的,是这件事情跟组织的目标到底有多大的关系。可以应用下排除法:

  1. 却没有明确可度量的目标、交付时间、预期、应用场景的事情,先不要做
  2. 丝丝入扣、设计完美的大系统,先不要做
  3. 要克制精益求精的冲动。任何东西,只要有时间、有资源,就总有优化的空间。就算你新造了个轮子,解决的也不过是现在或未来一段时间内的问题而已,随着业务的发展、系统的演进,一样会变得糟糕。不仅是做正确的事儿,还要做最有效率的事儿

成敏:做组织、人员、技术扩展性的决策的关键,依旧是看这件事情与组织目标之间的关联性,与优先级决策一样。因此,技术负责人一定要对业务、对业务未来的发展有足够的理解和认知。其实,这不仅是对技术负责人的要求,任何一个有想法的工程师,都应该这样要求自己。PS;既然都跟目标有关系,那么就看你如何理解目标

王平:通过事儿来以战养兵

邱良军

  1. 做事的本质是“高效自驱”,秘诀是勤学勤练,提升专业技能,做事靠谱、高效,有责任心。
  2. 管事的本质是“抓执行,勤反馈”,形成闭环,并不断通过总结和反思做提升。秘诀是思考问题的本质,找出根本的解决办法,最后形成流程和方法论。
  3. 管人的本质是“知人性,有人性”,每个人的个性都不同,然而人性却是相通的,学会换位思考,己所不欲勿施于人。秘诀是自我修养,知行合一,修炼自己的人品、口碑、心态最为重要。PS:深层的变化不是来自知识的获取,而是来自言行的改变。

多思考问题,多角度想问题,把问题想透彻,方法论比解决单个问题更有价值。领导者是孤独的,不被理解将会是常态,你不得不向自己内心寻求答案。

徐林:1994 年,心理学家 Freeston 等人提出了“无法容忍不确定的程度(The Intolerance of Uncertainty)”这一概念,简称 IU。当我们对不确定的焦虑越高时,我们就会越不相信自己能够影响事情的结果,对自己的贡献就会越不信任。

大前研一《思考的技术》指出,我们能看到的事物大多只是现象,而非原因,原因一定是思考后产生的。而思考是一门技术,是可以刻意练习和提升的。专业选手和业余选手最大的区别就在于正确的方法论加刻意的实践。

热爱源于视野,而恐惧源于能力的不足。我们到底热爱什么呢?一定会有,只是我们没有体验到而已。但归根到底,不论大人还是孩子,眼界越宽,体验的事物越多,就越容易知道自己的兴趣所在。最终,动力等于热爱减去恐惧,不是光看你爱什么,还要看你怕什么

刘天胜:我一直觉得优秀的程序员都是艺术家。那种气质,是一种描述起自己喜欢做的事儿两眼放光或者解决起问题来会入定的状态

王坚:保持年轻的心态。而保持年轻心态的关键就是要享受现在所做的事情,只要你真正热爱一件事,做起来就会觉得是种享受。如果将享受理解成远离你现在的工作,这是件很悲剧的事情。有些人希望一辈子都生活在海边,这本身没有错,但如果觉得只有去海边度假才是享受生活,这就是个问题了。对我而言,我每天都坐在海边,享受自己所做的事,做对做错都不重要,做好做坏也不重要,不要以结果的好坏作为判断你是否享受的标准。任何优秀的管理方法,管理者都要对流程非常清楚,但这里面也有一诀窍,就是你要精准地知道,哪些是你要做的事情,哪些事情一定不做。很多时候,我们最艰难的环节都卡在“纠结”这件事情上,于是花时间做了一些本来可做可不做的事情,浪费了一些原本可以花在必做事情上的时间。一个人有长处其实是很危险的一件事,因为他的短处是需要别人帮忙填补的,但很多人看不到这一点。

王坚:年轻人就是要做一些大家看起来不可能的事情。从这个角度讲,任何一个时代的年轻人都一样,唯一不同的是时代本身。我认为大家还是要多多发现问题,而不是简单地去解决别人提出的问题,虽然发现问题和解决问题都很重要。发现问题后谁来解决呢?只要我觉得足够重要,那就应该自己解决。而不是说我发现了问题,交给别人去解决。发现新问题是思考中最重要的一环。

世界不欠我们一个成功客观来讲,资源永远是匮乏的,只有在限制的条件下能够做成事的人,才配得上某种意义的「成功」。世界没有给我们成功的钥匙,不过给了各种限制条件,如何利用这样的条件,做出属于你的钥匙,应该就是我们的宿命。

俞圆圆:两匹狼来到一个草原。 第一匹狼感到很沮丧,因为他没有看到肉。这是视力。 第二匹狼感到很兴奋,因为他知道有草就一定会有羊。这是视野。素质当然会影响你的战略决策能力,就像视力会影响你的视野一样。一名合格的 leader 不能局限于必须看见了羊,才能判断出一定有肉吃。

对民企而言,很多人以为是缺失流程,其实缺失的是执行流程的必要能力和资源。所以,我要说一个道理:作为一名技术管理者,我们要面对现实,先不要谈建立完美的流程,先找到可以利用的资源,把事情做起来,让管理层和团队看到成绩和效果

刘俊强:一个人的身体和精力是有上限的,不要让自己和团队在工作中用光能量进而产生倦怠。面对压力时不要屈服于压力,这会让我们产生职业倦怠,变得疲惫与情绪化。一直处于高压情况下工作,很容易让人感觉自己对工作没有什么控制权,或者工作输出没有被认可。充足的睡眠对于消除压力至关重要,有个非常古典但行之有效的方法可以帮助入睡,那就是看书,可以阅读跟自己工作内容相关书籍,比如管理类书籍,很快就能够让自己入睡,当然小说之类的书籍坚决不要在睡前阅读。

顾旻曼:你如何在自己的小世界里做得更好,如何让自己获得更大的视野,以此在更大更残酷的市场里成长,是非常关键的,也是自己需要时时反思的。

余沛:尽快将自己的目标从较为单一的技术类目标,或者项目进度完成指标,转变为公司的业务目标,力争把技术与业务这两条线聚合到一起。这非常重要,因为,只有将两条线聚合到一起,你才会更多地以公司、业务的视角,从资源分配和收益等角度去思考问题、判断现状。否则,若长期只关注技术,就会忽略背后需要的投入与产出,成本与收益等问题,无法顾全公司大局。

阿禅:能够将不同部门、内外声音等所有碎片梳理成树状关联的关系。产品经理需要开很多会,所以信息的整理能力非常重要。同时,逻辑能力还包括对优先级的判断,以及高优先级条目与其它条目的关联性。有逻辑的观点会具有更强的说服力。我们做产品的时候,并不是设计完成某个功能就好的,而是需要知道我们做的每一个产品、每一次版本的迭代,对整个公司的好处,对未来盈利的好处。产品经理应该把自己的思维拔到一个相对比较高的角度,思考产品对于公司的价值

程军:李嘉诚曾经说过一句话,你想过普通的生活,就会遇到普通的挫折。你想过最好的生活就会遇到最强的伤害。这个世界很公平,你想要最好,就一定会给你最痛。而你的初心就是支撑你往前走的动力,如果你不能痛定思痛,不能深刻意识到自己最终想要的,那么一切困难挑战对你来说都是外界强加的,会非常痛苦。

梁宁:只有在压力下,人才会按照理性做事。如果你没有足够的能力给他足够大的压力,其实他是会按照自己的人性做事的。当我的伙伴、我的用户在我面前展现我认为不合理的事情时,他们其实是把人性和天性展现在我面前,从另一个角度来想,其实是给了我一个真正认识和理解这个人的机会。人最核心的情绪是什么呢?很重要的词是满足,还有一个很关键的词是存在感。对人类来说,除了生物性的生存,其实还有一个社会性的存在感。PS:生物性和社会性的求生