专为技术写作人员提供的 7 条 Git 技巧
Git 帮助我跟踪内容的版本，并与开源社区进行协作。它是我存储工作成果、共享和讨论改进的重要工具。我主要使用的工具包括浏览器、用 OpenSSH 连接 Foreman 实例、用 Vim 编辑源文件，以及使用 Git 进行版本控制。
本文重点介绍在开始使用 Git 和为 Foreman 文档做贡献时经常遇到的挑战。适用于中级 Git 用户。
相关分享
git submodule 与 subtree 的异同
很多团队在拆分大型 Git 仓库时，都会遇到 submodule 和 subtree 的选择问题。本文围绕两种方案的实际维护体验展开分析，而不是只停留在命令层面对比。
作者认为，submodule 更符合“仓库独立治理”的设计目标，适合需要清晰边界、独立版本管理和长期维护的大型项目；而 subtree 虽然使用门槛更低、clone 更方便，但容易造成代码冗余和仓库持续膨胀。
文章比较有价值的地方在于，它没有单纯强调“哪种更简单”，而是从架构治理、团队协作和长期维护成本角度讨论问题，适合已经进入中大型工程阶段的团队参考。
如果你正在做 monorepo 拆分、多仓库治理，或者维护复杂依赖关系，这篇文章值得一读。
无图
如何选择可以搞钱的技术栈
文章探讨了如何选择有助于提升收入的技术栈。作者建议关注数据库、云原生技术（如 Kubernetes）、消息队列（如 Pulsar）等在企业中需求广泛且付费意愿强的领域。深入掌握这些技术有助于在求职和职业发展中获得更高回报。适合后端开发者、架构师以及希望提升自身市场价值的技术从业者阅读。
无图
探索 AI 驱动的网络安全框架：深度学习技术、GPU 支持和未来增强
这篇文章详细分析了现代网络攻击中的 DGA（域名生成算法）技术，涵盖了其工作原理、分类及在恶意软件中的应用实例。通过技术解析和实际案例，展示了如何检测和防御 DGA 带来的安全威胁。内容适合网络安全研究人员、安全工程师以及对恶意软件分析感兴趣的技术爱好者，提供了系统化的学习参考。
无图
容器技术驱动下的代码沙箱实践与思考
本文探讨了基于容器技术的代码沙箱应用，旨在隔离代码执行环境，提升安全性和稳定性。通过 Docker 容器创建语言镜像，支持多语言代码执行。文章介绍了使用 Jupyter 实现代码可视化，并借助 nbformat 和 nbconvert 管理和执行 Jupyter 笔记本，增强代码展示效果。此方案不仅提高了开发灵活性，还便于在 AI 编程中实时展示和分析结果。
无图
OpenTelemetry在企业内部应用所需要的技术栈
本文详细解析了 OpenTelemetry 在企业中的技术栈应用，涵盖日志、指标和链路追踪的整合方案，帮助实现系统全方位的可观测性。介绍了 OpenTelemetry 的架构和关键组件如 Collector、eBPF，以及 SigNoz 和 OpenObserve 等开源工具，以实现统一的数据存储和可视化，适合需要高效、灵活监控的企业部署。
无图
搜索广告召回技术在美团的实践
美团通过生成式关键词召回和多模态向量检索技术，大幅提升了搜索广告的召回效率。本文详细介绍了生成式大模型在广告召回中的实践，特别是结合扩散模型的多模态优化，适合关注广告技术和 AI 应用的读者。
无图
信息流广告预估技术在美团外卖的实践
信息流广告的精准预估技术是提升外卖业务广告效果的关键。美团外卖通过深度模型优化，实现了从用户行为建模到长短期兴趣匹配的全面升级，提升广告点击率。本文详细解析了信息流广告背后的技术架构和实践经验，适合所有关注广告优化的技术爱好者。想了解美团如何高效提升广告预估准确率吗？
无图
OpenTelemetry 深度定制：跨服务追踪的实战技巧
本文总结了如何在OpenTelemetry中实现自定义仪表化。作者介绍了如何使用OpenTelemetry SDK为应用程序创建自定义的追踪和指标，涵盖了如何定义新的Span和指标类型，以便捕获特定的业务逻辑数据。文章提供了代码示例，展示如何通过配置实现这些自定义功能。此外，还讨论了将数据导出到后端系统进行分析的步骤。
无图
对“技术质问产品的几个常见问题”的回答
给某大厂的技术新人做了一个关于产品思维的分享，提前收集了一些困惑，贴几条提及最多的，稍微聊一下。
哦对了，先帮产品说句话——技术同学，千万别简单地用“那个产品是傻X”来回答以下问题。这是因为，作为技术，如果你总觉得和你配合的产品都是傻X，那大概率，别人会觉得你也是——要不然，为什么选择与傻X共事？所谓 “若，我看周围皆傻X，料，世人看我亦如是”。
无图
现代Python CRUD技术栈
作为一名资深Python CRUD boy，在今天用flask和django干这些体力活已经稍显过时，flask这些年来功能并没太大进步，想用什么还是得自己折腾，在工程化方面比较考验开发者的个人素养。而django的虽然功能完善，但它的笨重在需要深度定制时，又显得束手束脚。
无图