在DDD中建立领域模型
我们应该基于领域概念设计领域模型，然后再采用合适的模式降低领域模型的复杂度，进一步增加领域模型的表达能力。
相关分享
1
喜欢
di
www.diguage.com
/
2024-11-02 16:11
再谈 DDD 是银弹吗？
领域驱动设计（DDD）并非解决复杂软件的“银弹”。尽管DDD提供了良好的理论框架，但在快速迭代中难以保持模型稳定，容易引入技术债务。作者建议在宏观上遵循DDD的方法论，但在微观实现中灵活应对，逐步优化代码，解决冗余与维护难题。通过精简代码和重构，在不牺牲开发速度的前提下提高系统的可维护性。
无图
1
喜欢
te
tech.meituan.com
/
2024-09-09 23:41
领域驱动设计DDD在B端营销系统的实践
领域驱动设计（DDD）在复杂业务系统中的应用非常有效，特别是在 B 端营销系统中。本文分享了美团如何通过 DDD 实践，优化营销系统的架构与设计，提升业务应对能力。想了解如何应对复杂业务需求的变化？千万别错过！
无图
1
喜欢
hu
hubojing.github.io
/
2024-08-06 08:12
【大模型系列】指令微调
本文总结了大模型中的指令微调（Instruction Tuning）技术，重点介绍了如何通过指令化数据对大语言模型进行参数微调以提升任务性能。文章探讨了数据构建方法如Self-Instruct和Evol-Instruct，以及微调策略包括优化设置和高效微调方法。通过这些技术，模型可以在多任务场景中表现出色。此内容对希望提升大语言模型能力的研究者和开发者具有参考价值。
无图
1
喜欢
hu
hubojing.github.io
/
2024-08-06 08:11
【大模型系列】提示学习
本文介绍了提示学习（Prompt Learning）的基础概念和应用场景。作者详细讨论了提示学习在大语言模型中的作用，以及如何通过优化提示来提高模型的任务表现。文章还分享了在实际应用中调整和设计提示的技巧，并探讨了该技术在自然语言处理中的未来发展趋势。这篇文章为希望利用大模型进行高效自然语言处理的开发者提供了有价值的见解。
无图
1
喜欢
te
tech.meituan.com
/
2024-08-06 07:50
DDD在大众点评交易系统演进中的应用
本文整理自美团技术沙龙第73期《基于领域驱动设计（DDD）的架构演进和实践》，主要介绍了DDD的核心概念、常见的设计思路，并结合DDD介绍大众点评交易系统的演进过程，最后做了一些总结和思考。希望这些内容能够对大家有所帮助或启发。
无图
1
喜欢
bl
blog.codingnow.com
/
2024-05-05 23:26
大批量动画模型的优化
最近和公司一个开发团队探讨了一下他们正在开发的游戏中遇到的性能问题，看看应该如何优化。这个游戏的战斗场景想模仿亿万僵尸(They are billions）的场景。在亿万僵尸中，场景中描绘了上万的僵尸潮，但我们这个游戏，超过 500 个僵尸就遇到了性能问题。固然，手机的硬件性能比不上 PC ，但 500 这个数量级还是略低于预期。
对于游戏中大量类似的动画物体，肯定有方法可以优化。
无图
1
喜欢
co
www.codedump.info
/
2024-03-21 23:25
从存储模型聊一聊时序数据库的应用场景
本文介绍时序数据库的存储模型，只有理解了时序数据的存储模型，才能更好的了解时序数据库的优缺点以及其适用场景。
无图
1
喜欢
co
www.codedump.info
/
2024-03-21 23:23
图解一致性模型
本文使用大量的图例，同时没有难懂的公式，意图解释清楚一致性模型要解决什么问题，以及三种一致性模型：顺序一致性、线性一致性、因果一致性。
无图
1
喜欢
so
soulteary.com
/
2024-03-21 22:55
使用零一万物 200K 模型和 Dify 快速搭建模型应用
本篇文章，我们聊聊如何使用 LLM IDE (Dify) 快速搭建一个模型应用，以及使用超长上下文的 200K 模型，完成懒人式的电子书翻译。
无图
1
喜欢
wi
wiki.eryajf.net
/
2024-03-12 22:53
带你认识本地大模型框架Ollama(可直接上手)
自 OpenAI 公司于2022 年 11 月 30 日发布 ChatGPT 以来，经过 23 年一整年的发展之后，大模型的概念已逐渐普及，各种基于大模型的周边产品，以及集成层出不穷，可以说已经玩出花来了。在这个过程中，也有不少本地化的模型应用方案冒了出来，针对一些企业知识库问答的场景中，模型本地化是第一优先考虑的问题，因此如何在本地把模型调教的更加智能，就是一个非常重要的技能了。在 23 年的时候，我也接触过一些本地模型的开源项目(比如 LocalAI)，当时在本地部署跑起来之后，发现交互的体验，回答的速度，以及智能程度，都远低于预期。最近又一次了解本地模型的玩法，从微信群里了解到了 ollama，经过几天业余时间的研究及了解，发现现在模型本地化的玩法，以及能力都早已不可同日而语，本文，将记录我这几天来对于 ollama 的粗浅认识以及快速入门玩起来。
无图