gydtep

第一类常见的问题是沟通的可靠性。从可靠性的角度来讲，沟通分为TCP模式和UDP模式。TCP模式的形象表述是：我知道你知道。UDP模式的形象表述是：希望你知道。TCP模式当然比较可靠，不过成本比较高，UDP模式成本低，但是不可靠。在沟通可靠性方面，常见错误有如下两种：

gydtep

简化沟通意味着快速决策，该妥协的时候妥协，权责分明。
坚持真理意味着顶住压力，在原则性问题上绝不退步。

gydtep

Pod和PVC是命名空间访问控制范围内的资源对象，PV则是集群访问控制范围内的资源对象。

PVC/PV模式解耦了存储资源与节点资源，即由PVC/PV定义的存储资源独立于节点资源，通过动态绑定方式随工作负载在节点资源间迁移。具体细节依赖于云厂商提供的存储插件的实现方式。

gydtep

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。

gydtep

今年前端智能化助力前端研发模式升级，数个 BU 共建前端设计稿识别算法模型和数据集，并于双 11 会场大规模应用落地。

gydtep

他的观点是，见到用户不能只是“就事论事”，只问产品使用相关的浅层次的问题。（即使问这样的问题，也不能问“你有什么需求”之类很难获得真实需求的直白的问题）。

gydtep

这里，并不是说让你写一份冗长的产品文档。文档应该写，但它不是重点，因为大部分人并不会仔细把产品文档读完才动手操作——他只有遇到问题，才有可能去查查手册。

gydtep

云原生不友好：这些方案其中很多都是针对传统系统的，对于云原生的支持相对较弱，而且方案本身部署和使用代价都很高，不符合“云原生”这种一键部署、开箱即用的使用方式。

gydtep

对比中我们可以看出智能分析技术的好处，但从这些年智能分析技术的应用来看，其并未实现大面积商用，究其原因主要是过去技术不够成熟、应用效果不够理想，传统的智能分析技术由于算法是人为根据不同的场景和应用需求进行设计，在适应性上需要人为不断的改善和提升，在特定的环境下有良好的性能，但是一旦环境等因素发生变化，传统的智能分析算法在应用上的性能就会降低。

gydtep

这是一个巨大的挑战，因为用户可能会从高性能的移动网络驶向盲区，而无论如何都希望获得良好的性能。在推理期间，没有足够的网络带宽将所有数据从边缘移动到云，但是用例要求将本地推理输出进行全局汇总。边缘AI可以运行神经网络，以帮助过滤必须发送到云以进行进一步AI处理的数据。