UI 物料可以分为模块/区块、组件和元件，从 Sketch/PSD 中直接提取的信息只有文本、图片和位置信息，直接生成的代码都是由 div、img、span 组成，实际开发中组件化、代码语义化必不可少，如何从设计稿中提取组件和语义信息，这是 NLP、深度学习等智能化技术非常适合解决的问题。
目前 imgcook 已具备了循环识别与多态识别的能力，识别设计稿中的循环体生成循环代码，识别同一个节点有多种 UI 状态时生成多状态的 UI 代码，并定义了布局可维护度衡量方式来衡量还原阶段的准确度。
目前还需要人工改动代码的主要原因有：循环未被识别、条件展示逻辑代码未自动生成、字段绑定猜测错误（字段标准化情况不佳）、业务特性必须的图片合并问题等，这些问题也都是接下来需要逐步完善的。
首先来说说DNS解析，我们知道任何一个网站的访问都是需要通过DNS服务器的解析，用户才能经过搜索访问到的。但如果运营人员的网站域名使用了一些非知名的DNS服务商，对方技术不过关就可能会造成访问延迟或访问断断续续的现象，继而触发百度搜索风控机制并出现风险提示。当然，即便运营人员使用的是主流的DNS服务商，也有可能在对方服务器遭遇攻击的时候产生类似情况。
还有一种非常常见的情况就是服务器中病毒，特别是一些勒索病毒或是挖矿的病毒。如果网站服务器中被恶意植入病毒，可能会耗费大量的服务器资源。而当对方在运行的过程中，就会造成每隔一定时间周期访问异常的现象，百度搜索发现这个问题的时候同样会给出相关提示。
因为具体的标注工作，都是外包公司的数百个标注人员做的，他们才是标注页面的真正用户。
不是真正的用户、没有处在那个场景，就很难了解真实的情况。于是，大家就只能根据自己的经验和专业能力，进行判断和推演。
换句话，也是手段和目的的问题——“浅层需求”往往只是手段，而“深层需求”才是目的。
举个例子，对于我们负责的金融视觉平台，有用户反馈“我需要模型报告”，即模型训练出来后，将一些“准确率、召回率、AUC之类”的指标，用图表的方式展示出来。
所谓四步法，就是“分类-排序-找规律-应用”这四个步骤。无论在学习新的领域知识、接手新的工作，还是来到新的环境时，都可以尝试这个万能四步法，相信再复杂的问题都能迎刃而解。
用户分层、五级火箭，就是“分类-排序”的一个应用。
在做好每一个平台的设计之外，还需要考虑不同平台的体验一致性，即平台的统一。
做好这件事情，既能让用户降低学习成本、在不同平台之间平滑切换，也能减少UED、产品经理、技术同学们的重复劳动。
我们的同学基于沉淀的图像、NLP和图谱等AI技术能力，迅速开发出了智能垃圾分类的技术和产品，项目命名为“分类宝”。用户可以通过“拍照片、语音搜索”等便捷的交互方式，在支fb小程序以及智能垃圾回收箱IoT设备上，来体验AI垃圾分类了。
