史上最全后台开发成长指南

c0f454493b304546b3189da0de745236.png

64c1ba3b0363888c6c8c40c4f02fd384.gif

👉导读

从2013年毕业加入鹅厂,不知不觉已然过去10年。期间团队一直有同学反馈,对个人的成长有些迷茫,缺少后台开发的全景图谱来建立体系化的知识结构。所以这里结合自己的研发经验,把实战中觉得重要的知识点,整理一个后台开发的成长 RoadMap,希望最后给开发同学的成长一些参考和帮助。

👉目录

1 后台基础篇(初级)

2 工程素养篇(中级)

3 系统架构篇(高级)

4 综合素质篇(专家)

5 总结

我会把后台开发的成长 RoadMap 分成4个阶段:

▶︎ 后台基础(初级):掌握牢固的后台基础(go、os、tcpip...)并能熟练运用,为后面的发展打下地基。

▶︎ 工程素养(中级):写出一手好代码,有扎实的微服务工程能力,用好云原生DevOps持续提升工程效率。

▶︎ 项目架构(高级):有扎实严谨的系统架构设计能力,独立主导大中型项目落地,一切尽在掌握中。

▶︎ 综合素养(专家):技术更多是工具,掌握好管理、产品、商业、高效沟通协作等多维度能力,帮助业务创造价值。

当然,研发是个非常重实践的活,快速过遍 RoadMap 有体系化的认识,重点还是日常工作的不断实践和精进。

01

后台基础篇(初级)

   1.1 编程语言

▶︎ 类型:类型推断 type,断言表达式 x.(T),灵活使用泛型 Any。

▶︎ 变量赋值:掌握深拷贝/浅拷贝区别。

▶︎ 容器:array/slice/set/map/sync.map,各容器的底层结构/操作性能/扩容策略/并发安全。

▶︎ 数据结构和算法:queue/stack/heap、sort、使用 gods 库。

▶︎ 面向对象 OOP:struct/interface,组合的优缺点,值方法和指针方法区别。

▶︎ 并发:goroutine/channels(源码走读),协程生命周期,无锁 FIFO 实现。

▶︎ 协程调度器:GMP 模型,MP 数量和调度关系,抢占式调度策略。

▶︎ 内存管理:内存分配器/垃圾回收器,GC/STW/三色标记法,栈空间/逃逸分析优化。

▶︎ 并发控制:sync.WaitGroup/sync.Once,主协程等待子协程方法。

▶︎ 上下文:context.Context,层级关系,取消信号 context.WithCancel。

▶︎ 同步机制:sync.Mutex/sync.RWMutex/sync.Cond/sync.atomic,各类的使用场景。

▶︎ 网络:net net.Dial、rpc socket、http net.http,高性能 Golang 服务器实现。

▶︎ 缓冲区操作:strings.Builder/bytes.Buffer,io.Reader/io.Writer,性能对比和适用场景。

▶︎ 对象池:sync.Pool,性能优化原理。

▶︎ 文件:os.File,各类文件操作 os.OpenFile/os.Create。

▶︎ 常用第三方库:gin/grpc-go(源码走读),protobuf/go-redis/gorm/kafka,看实际业务场景。

▶︎ 错误处理:errors、panic/defer/recover、链式错误码Wrapping。

▶︎ 测试:go test,单元测试 Test(testing/assert)、性能测试Benchmark。

▶︎ 调试分析:调试器 dlv、net/http/pprof、火焰图 go-torch。

▶︎ 包管理:Go Modules、版本管理、路径管理 GOPATH(src/bin/pkg)、package。

   1.2 数据结构和算法

▶︎ 复杂度分析:空间复杂度、时间复杂度(平均/最好/最坏)。

▶︎ 线性表:数组/链表/队列/堆栈,FIFO/LIFO 模型,面试蛮多链表操作题目(如链表反转)。

▶︎ 字符串匹配:单串 BM/KMP;多串 字典树 Trie/AC 自动机/后缀数组,解决子串/回文等问题。

▶︎ 排序:二分查找,冒泡/插入/归并/堆排序/快速排序,掌握快排思路,使用sort.Sort()实现自定义排序。

▶︎ 散列表Hash:哈希算法,解决冲突(拉链/开放地址),动态扩容方案(参考 Java/Golang)。

▶︎ 跳表:有序链表+多层索引,Redis使用跳表原因,实现有序 Map 对比红黑树优缺点。

▶︎ 二叉树:平衡二叉树/完全二叉树,AVL 数/红黑树,Java 使用红黑树实现TreeMap原因。

▶︎ 多路查找树:B 树/B+树,MySQL 使用 B+ 树实现索引原因。

▶︎ 堆:大小顶堆,建堆/Fix(),解决优先队列/TopK/中位数问题,使用 container/heap 实现。

▶︎ 动态规划 DP:核心是找到最优子结构(分治),解决背包等问题。

▶︎ 搜索:回溯/递归、深度 dfs/广度 bfs/启发式 A*、记忆化搜索,解决数独/八皇后/旅行商等问题。

▶︎ 图:邻接矩阵/邻接表、拓扑排序、最短路径 dijkstra/spfa/floyd,网络流/最大流 EK。

其他:数论&几何、位图 Bitmap、并查集、线性规划等。

   1.3 操作系统

▶︎ 基础命令:目录 cd/ls/pwd、文件 vim/cat/grep/awk、查询 find、安转 yum...

▶︎ 定位调试:进程 ps/strace、资源 top/vmstat/iostat、网络 netstat/tcpdump、文件 lsof/du/df。

▶︎ 经典 x86 架构:Intel 8086,CPU/指令集架构/寄存器/总线/内存RAM/IO设备。

▶︎ 系统调用:进程 fork/exec、信号 kill/sigaciton、内存 mmap、文件 open/read/write、网络 socket。

▶︎ 进程管理:进程/线程/协程区别,进程调度策略 抢占式/协作式,进程分类  IO/CPU 密集型。

▶︎ 进程间通讯 IPC:原子操作/共享内存/信号量/Socket,各个的原理和适用场景。

▶︎ 进程地址空间:进程独立,内存映射 物理->虚拟,函数栈/堆/内存映射/代码.全局变量.BSS。

▶︎ 内存管理:伙伴系统和 slab 分配器原理、内存映射 mmap、交换空间 swap。

▶︎ 虚拟化和容器化:KVM/容器 Docker,隔离技术 Namespace/cgroup。

   1.4 计算机网络

▶︎ TCP/IP 协议栈:物理链路层 MAC/ARP、网络层 IP、传输层 TCP/UDP、应用层 HTTP/FTP/DNS。

▶︎ 连接状态:TCP 三次握手和四次挥手,11种 TCP 状态的状态转换图。

▶︎ 拥塞控制:TCP 拥塞控制算法和滑动窗口机制,粘包/顺序问题和解决方案。

▶︎ 常见问题:单机大量TIME_WAIT/CLOSE_WAIT连接原因,SYN/FIN洪水攻击和解决方案。

▶︎ 定位工具:netstat/tcpdump、连通性ping/dig/traceroute/nslookup、网卡ifconfig、防火墙iptables。

▶︎ Socket编程:常用api/option,缓冲区大小/地址重用/立即关闭LINGER/禁用Nagle算法等。

▶︎ 链接池:短连接和长连接的区别和应用场景,链接池的大小设置。

▶︎ 连接心跳保活:KeepAlive心跳保活机制,应用层和TCP层心跳区别和联系。

▶︎ I/O模型:同步/异步/阻塞/非阻塞,IO多路复用 select/epoll。

▶︎ 网络模式:单进程/多进程/多线程,PPC/TPC优缺点,Reactor/Proactor模型和性能优化。

▶︎ 高性能网络编程:单机并发链接数上限,C10K/C10M问题和解决思路(多路复用/网络模式/零拷贝/选项优化等)。

▶︎ HTTP:HTTP1/2/3区别,GET/POST区别,常见状态码/请求头,KeepAlive机制,Cookie/Session...

▶︎ HTTPS:和HTTP的区别,SSL/TLS连接创建和认证过程。

▶︎ QUIC:和HTTP的区别,基于UDP的优势和应用场景,低延迟和高吞吐的优化原理。

▶︎ WEB安全:常见WEB安全问题,CSRF/XSS/CROS/跨域/域名劫持等问题和解决方案。

▶︎ DNS:从URL输入到页面展现流程,LocalDNS问题和HTTPDNS优化。

02

工程素养篇(中级)

   2.1 编码能力

▶︎ 代码管理:Monorepo/Multirepo,理解大仓优缺点,代码复用/依赖管理/代码规范审查/构建工具链建设。

▶︎ 代码架构:MVC/DDD,理解 DDD 分层架构设计思想,用户接口层/应用层/领域层/基础设施层。

▶︎ 目录结构:规范清晰 layout,参考 Golang-standards。

▶︎ 设计原则:SOLID 原则 单一职责/开闭原则/接口隔离...,KISS/DRY/YAGNI/LOD 原则 防止过度设计/不写重复代码...

▶︎ 设计模式:掌握几种常用模式 单例/工厂/代理/适配器模式....

▶︎ 代码质量:可读性/可扩展/可维护/可测试;分层清晰/模块化好/简洁易懂/规范一致/代码复用...

▶︎ 编码风格:规范命名/注释/函数/错误处理等,参考 Google Style Guide。

▶︎ 编码细节:业务逻辑、规范、边界、异常、性能、日志、并发、安全、兼容...

▶︎ 单元测试:TDD 设计思路,编写可测试性代码,依赖注入 mock,UT 的 ROI 和覆盖率权衡。

▶︎ 代码评审:需求拆小,小批量 CR<200 行,参考 Code Review Developer Guide。

▶︎ 静态代码检查:了解 Coverity/Gometalinter 等工具的规则集,设置规范/安全/团队一致性约束质量红线。

▶︎ 代码度量:关注规范问题数/安全问题数/圈复杂度/重复代码率...

   2.2 微服务架构

▶︎ 架构演进:单体应用/分布式 SOA/微服务/服务网格,了解微服务和SOA的区别.

▶︎ RPC 框架:gRPC/Spring/tRPC(源码走读),高性能网络模型实现,插件化架构 AOP,微服务治理组件。

▶︎ 序列化协议:protobuf/json/xml,性能和压缩空间对比,序列化原理 tlv,反射和动态解析特性。

▶︎ 服务注册和路由发现:etcd/consul/zk/polaris,分 SET 等动态路由功能。

▶︎ 配置中心:etcd/zk/apollo,配置热更新/版本管理/权限控制/灰度发布,数据高可用方案。

▶︎ 服务网关:Kong/Zuul,收拢 API 注册/认证授权/入口协议/限流熔断/优雅下线/日志监控等能力。

▶︎ 负载均衡:常见策略,轮询/随机/权重,一致性 Hash 实现原理和节点扩缩容Key迁移策略。

▶︎ 访问限流:Hystrix/polaris,分布式限流实现方案,限流算法 计数器/滑动窗口/漏桶/令牌桶,常见业务限流维度。

▶︎ 故障熔断:服务健康检测机制,服务熔断的触发和恢复条件,全死全活保护策略。

▶︎ 自适应过载保护:微服务运行指标自适应 CPU/等待队列/超时请求等。

   2.3 中间件

Redis 相关:

▶︎ 应用-基础:常见数据类型,性能优化和慢操作 bigkey/hotkey,批处理 pipeline。

▶︎ 应用-缓存:缓存穿透/击穿/雪崩的解决方案,过期删除策略 惰性/定期,内存淘汰策略8类 LRU/LFU。

▶︎ 应用-并发访问:单命令 INCR/DECR,Redis-Lua,事务 ACID MULTI/EXEC,分布式锁 SETNX 对比 zk/consul。

▶︎ 应用-消息队列:数据类型 List 和 Streams,PUB/SUB,消息组 XADD/XREADGROUP/XACK。

▶︎ 系统-高性能:线程模型 单线程(规避并发控制),数据结构 压缩表/跳表,网络框架 epoll,内存管理 jemalloc。

▶︎ 系统-高可用:冗余部署 主从复制(副本),持久化方案 AOF/RDB,HA集群 哨兵机制 sentinel。

▶︎ 系统-易扩展:可伸缩性 数据分片(分区),负载均衡,集群方案 replication/sentinel/cluster。

MySQL 相关:

▶︎ 应用-SQL优化:执行计划 explain,慢 SQL 分析 MySQLdumpslow,链接管理 show processlist

▶︎ 应用-事务:ACID,隔离级别 RC/RR 脏读/幻读/不可重复读,版本控制 MVCC

▶︎ 应用-锁机制:全局锁/表锁/行锁,行间锁

▶︎ 系统-高性能:存储引擎 InnoDB,索引 B+树

▶︎ 系统-高可用:主从复制 同步/半同步/异步,日志 binlog/redolog,binlog 模式 ROW、落盘策略

▶︎ 系统-可扩展:业务分离、读写分离、分库分表/数据分区、sharding

▶︎ 系统-可运营:认证授权、SQL 误操作、SQL 注入、参数配置、监控指标、排障调优、计费方案

kafka 相关:

▶︎ 应用-基础:主题 Topic/分区 Partition/副本 Replica、生产 Producer/中转 Broker/消费 Consumer、消息 Record/位移 Offset。

▶︎ 应用-消息模型:消费者组 Consumer Group,点对点模型 p2p vs 发布订阅模型 pub/sub。

▶︎ 应用-消息队列特性:消息可靠性(不丢消息)、消息顺序性、消息唯一性。

▶︎ 应用-流计算:分布式流平台 Kafka Streams。

▶︎ 系统-高性能:磁盘顺序读写/零拷贝机制等,重平衡 Rebalance,消息延迟和堆积。

▶︎ 系统-高可用:副本机制 Replica,Leader/Follower,HA 系统 基于 zk 的 controller。

▶︎ 系统-可扩展:分区机制 Partition,负载均衡策略。

▶︎ 系统-可运营:认证授权、运营操作、参数配置、监控指标、排障调优、计费方案。

   2.4 研发效能

▶︎ 研发流程:宣讲、方案、编码、代码 CR、测试、发布、运营。

▶︎ 云原生应用:CNCF Landscape/Trail Map,Docker/K8s/Istio,云原生成熟度。

▶︎ 开发环境:一键环境搭建(机器/配置/代码),开发 IDE VSCODE/JetBrains,本地开发&远程调试。

▶︎ 代码仓库 Git:基本工作原理(暂存区/本地/远程),常用操作,冲突解决方法...

▶︎ 分支管理:常见策略优缺点(Git flow/Github flow/Gitlab flow),主干开发&特性开关。

▶︎ CI/CD:平台工具 Jenkins/TravisCI/GitLab,自动化流水线设计,工作流 XaC/GitOps。

▶︎ 环境管理:多环境 Pro/Rre/Test/Dev,环境路由标记和数据隔离方案。

▶︎ 自动化测试:金字塔模型 UT/API/UI,集成测试方案,测试左移和右移方案。

▶︎ 部署发布:灰度发布/滚动发布/蓝绿部署/红黑部署,多 SET 部署方案(SET 探活/流量切换)。

▶︎ 自动化 HPA 能力:服务无状态化&容器化,模板编排&瘦容器 SideCar,参数调优(利用率/探针...)。

▶︎ 系统可观测:Logging/Metrics/Tracing,全景看板,组件核心监控(DB 同步距离/MQ 未消费数)。

▶︎ 效率工具:持续利用工具提效,快捷键/IDE 插件/脚手架/工具包/机器人/chatGDP...

▶︎ 研效度量:质量指标 MTTR/MTBR/故障数/缺陷数/安全漏洞数,效率指标 需求吞吐量/部署频率/需求研发周期 feature lead time...

03

系统架构篇(高级)

   3.1 海量高并发

▶︎ 容量预估:用户路径梳理,接口裁剪&QPS 预估,关注木桶效应(前端/接入/逻辑/存储/依赖第三方)。

▶︎ 全链路压测:请求标注&环境隔离,流量复制 TcpCopy/GoReplay,用例校准,瓶颈定位,用例回归。

▶︎ 横向扩容 Scale-out:逻辑层做分布式微服务拆分,存储层引入分布式数据库提升伸缩性。

▶︎ 访问限流:业务侧提前预约/设验证码/限制重试,系统侧基于 API 网关做限流熔断/过载保护。

▶︎ 性能分析:链路追踪 Tracing,应用分析 pprof/torch,性能4大金刚(CPU/内存/磁盘/网络)。

▶︎ 服务性能优化实践:关注锁粒度/异步处理/日志缓冲/队列丢包/内核参数 net.core.somaxconn...

▶︎ 数据库优化:分片 sharding、业务分离、读写分离、链接池&链接代理、慢SQL优化、参数调优...

▶︎ 缓存 Cache:本地缓存/分布式缓存区别,读写策略,关注缓存穿透/击穿/雪崩问题,关注BigKey/HotKey...

▶︎ 消息队列 MQ:流量削峰/异步处理/应用耦合、消息可靠性/顺序性/唯一性,关注消息延迟堆积监控。

▶︎ 静态资源:CDN 加速,预加载策略 Preload,图片优化(格式 webp/合并sprite/压缩/懒加载)。

   3.2 系统高可用

▶︎ 影响因素:机房故障、网络抖动、计算/存储资源不够、代码 bug、依赖系统问题、城市级不可抗地震水灾...

▶︎ 衡量指标:可用性百分比(x 个9),服务等级协议 SLA,MTBF&MTTR。

▶︎ 分布式理论:CAP/BASE 理论,一致性协议 Paxos/Raft/ZAB,选举策略和脑裂问题解决方案,etcd(Raft 协议/简洁易维护/基于 go 云原生)/zookeeper(ZAB 类 Paxos 协议/复杂难懂依赖多)。

▶︎ 故障模式与影响分析 FMEA:挖掘系统可用性隐患,业务功能/故障模式/影响范围/风险程度/解决措施/规划代办...

▶︎ 冗余架构:同城双活(基础要求),两地三中心(评估 ROI/功能分级/跨 IDC 数据同步方案)。

▶︎ 业务隔离:业务按重要性分级,基于业务/地域/编号做分 SET 部署和灰度发布,关注 SET 预留容量。

▶︎ 快速故障转移:客户端做失败重试,API网关做故障判定和转移,引入 HA/健康心跳/长短连拨测策略。

▶︎ 核心路径柔性降级:偏产品策略,接口失败放过/补默认数据/用缓存数据/直播降码率...

▶︎ 运营保障:例行全链路压测,混沌工程&容灾演练,特性开关做快速恢复,活动报备,值班巡检和 SOP...

   3.3 可扩展性

▶︎ 设计原则:合适/简单/演进,模块高内聚低耦合,适当重构。

▶︎ 分层架构:用户层/接入层/逻辑层/基础层/存储层,明确各层职责,降低系统耦合度。

▶︎ 微服务模块化:基于 DDD 做服务模块拆分,变化/稳定分离,接口隔离,没跨模块数据层调用。

   3.4 系统安全

▶︎ 理论基础:安全原则 CIA 机密性/完整性/可用性,黄金法则 认证/授权/审计。

▶︎ 密码学:熟悉3种经典加密算法及场景,对称加密 AES/非对称加密 RSA/散列算法 SHA256加盐(不可逆)。

▶︎ Web 安全:熟悉4类常见攻击 XSS/SQL/CSRF/SSRF,攻击原理/危害案例/防御方案。

▶︎ 数据安全:用户隐私类等敏感数据(手机号/身份证),全流程加密传输(https)和加密存储(AES)。

▶︎ 云组件安全:云账号拆细,关注弱密码和最小授权原则,定期云顾问安全扫描...

▶︎ 编码安全:集成安全扫描门禁,关注明文秘钥/越权漏洞/高危组件/参数校验/日志审计...

▶︎ 黑灰产对抗:提升黑产成本,业务侧条件限制/用户限频/链路鉴权/业务风控/机器学习,防误伤弹验证码...

▶︎ 业务安全:清晰业务安全隐患点,关注账号安全/内容安全/支付安全/活动薅羊毛/防盗版/防欺诈/短信炸弹...

   3.5 典型业务系统

▶︎ 接入系统:用户长链管理 WebSockst,心跳保活机制 KeepAlive,了解运营商网络/就近接入/跑马竞速/域名劫持/HTTPDNS 等全网调度策略...

▶︎ 账号系统:账号注册/登陆/验票/注销流程方案设计,OAuth2.0认证流程,账号安全策略,RBAC 访问控制...

▶︎ 支付系统:分布式事务解决方案,基于 XA 协议的2PC/补偿事务 TCC/基于 MQ 的最终一致性(幂等重试/异步对账)/本地消息表(最大努力通知),行业解决方案 Seate(AT/TCC/Saga/XA 模式)...

▶︎ 消息 IM 系统:了解单聊/群聊/在线状态/关系链/离线消息等IM方案设计,保证消息实时性/可靠性/时序性的优化策略。

▶︎ 直播系统:编解码技术(H.264/AVC),流媒体传输协议(WebRTC/RTMP/HLS),直播质量体系(QoE/QoS),直播指标优化(首帧/播放成功率/断开率/卡顿率等)...

▶︎ 资料系统:多级缓存组件性能/持久化对比(DB/Redis/ES...),数据同步机制 DTS,数据一致性校验/修复...

▶︎ 活动运营:搭建低代码业务引擎提效(营销/积分/任务/抽奖/发货...),灰黑产对抗和防薅羊毛。

▶︎ 其他系统:如推荐系统、广告系统、开放平台、数据仓库...

   3.6 项目实战

▶︎ 项目介绍:介绍下这个项目?

▶︎ 承担角色:你在项目中担任什么角色?团队怎么分工协作?

▶︎ 业务数据:关注哪些业务核心数据?具体数据是多少?

▶︎ 竞品分析:当时项目在行业内竞品有哪些?你们有什么业务/技术竞争力?

▶︎ 技术难点:这个项目有什么技术难点?你是怎么解决的?最后达到了怎么样的数据效果?

▶︎ 选型对比:项目每个技术难点的行业方案是怎么样的?有没有进行选型对比?

▶︎ 架构设计:项目的系统架构和技术栈是怎么样的?每个点是否合理?

▶︎ 系统瓶颈:当前系统的瓶颈在哪里?用户量/数据量扩大100倍能否支撑住?

▶︎ 海量高并发:该项目你是怎么支持海量高并发的?

▶︎ 系统高可用:该项目你是怎么做系统高可用的?

▶︎ 可扩展性:该项目你是怎么提高系统可扩展性的?

▶︎ 系统安全:整个项目的业务和系统安全你关注哪些方面?具体做了哪些保障措施?

▶︎ 运营成本:项目运营成本由哪些构成?有哪些成本优化方案?

▶︎ 系统部署:项目当时接入/逻辑/存储是怎么部署的?哪些城市?多少核心?是否合理?

▶︎ 依赖组件:依赖哪些中间件?版本和配置是什么?对应单价是多少?

▶︎ 技术指标:关注哪些系统技术核心指标?值是多少?有什么优化方案?

▶︎ 监控体系:项目的监控体系是怎么搭建的?发现问题到问题恢复一般要多久?

▶︎ 故障机制:发生过最大的故障是什么?怎么解决的?有什么经验总结?

▶︎ 用户反馈:用户反馈流程是怎样的?日常反馈量和主要问题?客诉处理时间是多久?

▶︎ 用户体验:团队关注产品的用户体验吗?日常是怎么做的?

▶︎ 项目总结:项目再回头看,项目有哪些地方做得好的?哪些地方做得不好的?

▶︎ 未来规划:后面项目的主要规划是什么?

04

综合素质篇(专家)

   4.1 团队管理

▶︎ 团队管理:聚焦3个核心 定目标/带人/做事,群策群力打胜仗。

▶︎ 管理误区:团队缺乏方向,上级派活被动执行,全包全揽忙于救火,固守边界,看过程但拿不出结果...

▶︎ 制定目标:制定合理的团队 OKR,明确团队职责/充分上下级沟通/明确负责人和时限/结果可量化...

▶︎ 团队招聘:明确团队招聘标准,基础扎实/项目经验/自驱力/聪明度/主动思考找解决方案。

▶︎ 梯队建设:团队各T人数比例,鼓励骨干own核心项目,关注后备 leader 选拔培养和适当授权。

▶︎ 分工协作:鼓励 owner 意识,扁平化管理和敏捷小分队机制,分工明确尽量稳定...

▶︎ 跨地域协作:关注培养本地 TL,模块任务尽量闭环,更高效和温度的远程会议。

▶︎ 员工成长:工作中树立标杆和实践精进,完善技术分享/导师机制/答辩辅导/团队文档/行业会议...

▶︎ 激励机制:用好激励管理三板斧 绩效/调薪/晋级,公平透明的考核机制,公开及时的认可点赞...

▶︎ 氛围建设:团建活动重在多交流互动,零食/聚餐/生日/周年/运动日...

   4.2 产品思维

▶︎ 用户需求:学会通过行业分析/市场调研/用户画像/用户调研和反馈等方法,明确产品的目标客群/解决痛点,知道帮助什么用户解决什么问题(成本/效率/利润/体验)。

▶︎ 最小化可行产品:善用 MVP 低成本快速试错(精益创业),只解决用户最基本需求,初期速度>体验。

▶︎ 需求文档:完整需求要有需求背景/痛点论证/成功指标/产品功能,事前思考清楚,规避需求变更。

数据分析驱动:数据埋点上报,掌握快速 A/B 测试,运用好数仓/热力图等工具做分析。

▶︎ 数据指标:用户漏斗模型(如获客/留存/转化),各渠道新增用户量,活跃用户量 DAU/MAU,次日/7日/30日留存率,付费金额/付费人数/付费转化率...

▶︎ 增长黑客:对比传统花钱买量,更关注利用数据趋势分析和渠道营销技巧,实现病毒式增长。

▶︎ 用户增长策略:了解 AARRR/RARRA/Growth Loops 模型,获客拉新 Acquisition 网站 SEO/社交分享/大 V 合作/三方广告,留存 Retention 丰富功能/体验优化/活动激励/多渠道触达...

▶︎ 盈利模式:广告业务(CPT/CPM/CPC/CPA/oCPM),增值服务(购买站点付费内容/权益),交易抽佣(电商以及 O2O 等网站),平台分成(生态体系下收税,如苹果税)...

   4.3 商业思维

▶︎ 宏观政策:掌握经济学基础知识,关注宏观经济走势和国家政策方针。

▶︎ 金融市场:了解资本市场(一级/二级市场)运作机制,学习企业估值和投资理财,学会撰写商业计划书,了解企业从天使投资到 IPO 的融资流程。

▶︎ 行业趋势:关注所在行业热点趋势和增长点,了解主流商业模式,学会撰写行业分析报告 。

▶︎ 财务管理:了解财务知识,学会分析企业的 IPO 招股书和财务报表。

▶︎ 产品设计:清楚产品价值主张,知道产品功能设计/定价/研发/体验/销售/售后等各流程关键点。

▶︎ 市场营销:了解流量渠道,知道怎么做产品营销和获客,怎么做用户增长和留存。

▶︎ 团队管理:学会搭建企业内部组织架构,通过招聘培训/薪酬绩效/晋升体系等来提升组织能力。

05

总结

本文只是体系化地梳理了后台开发人员,在实际的工作和成长中所需要用到的技术素养和各项技能,更多的细节实操和技术落地,还有待于开发同学自己深入到具体业务场景中,解构问题本质、设计顶层架构、融会贯通所学知识。纸上得来终觉浅,无论是技术方案还是个人成长,都没有另辟蹊径的银弹可言,有的只是日复一日的重复、思考、踩坑、复盘。

腾讯云开发者公众号未来也将对开发人员成长路径上的重点节点和关键技能做更多内容输出,帮你梳理更多来自鹅厂大牛的学习、成长经验,多听前辈经验,少走弯路。点个关注加星标,以后才不迷路!

-End-

原创作者|王昂

  1312debdee68bfc5f57d9f8e71b4b7f7.jpeg

你有在开发方面的经验可以分享吗?欢迎评论。我们将选取1则最有价值的评论,送出开发者定制马克杯1个(见下图)。11月8日中午12点开奖。

3059888dfa703c2c4a4a748112dfa50b.png

📢📢欢迎加入腾讯云开发者社群,社群专享券、大咖交流圈、第一手活动通知、限量鹅厂周边等你来~

932a8e683b9934fd47be695c9527720c.png

(长按图片立即扫码)


2a247394a49e4e91730c1897b53c40b0.png

60e2960715f26dbbb4b0c36147fdef31.png

6f95944b0d39850b773a80059984c08c.png

a87308c08ebb90d0080ffd1234125c3e.png

相关推荐

大模型的Agent Skill功能,在LLM HTTP底层交互流中是怎么承载的?

网络文章文本的 skill,昨天我实现了之后也就开始好奇起 Skills 的底层原理了——相比起各种花里胡哨的 agrnt 应用,我一直以来都很对大模型在纯粹的 HTTP 交互层面是如何交互的更感兴趣。Skill 的全部"魔法"都发生在 system prompt 的措辞和 SKILL.md 文件的编写质量上——本质上是一种 prompt engineering + 文件系统的组合。但是各种天花乱坠的 skills,是如何在底层的 HTTP 中,与大模型——这个只会嘴遁的工具交互的呢?

QcloudCommunity的博客 407

万字入门AI Infra:深入理解大模型中的数学与Infra优化

关注腾讯云开发者,一手技术干货提前解锁👇AI Infra科普、入门或者进阶 ~~ 不到 5 万字,带你融会贯通理解大模型的数学、算法、硬件到系统工程。任何问题欢迎沟通交流。可怕,我竟然有点认同这句话。当然大概率是因为姚顺宇太懂AI了,而我则是因为无知者无畏。不过仔细想想,大模型推理中的数学逻辑确实不复杂,很多原理只需要高中数学知识就能看懂。但是为什么像 vLLM 这种推理系统这么复杂呢?本文将拆解大模型中几个核心操作(RMSNorm、Softmax、Causal Mask、Sampling)背后的数学与

QcloudCommunity的博客 1168

平平无奇的源码,竟藏着Agent的核心秘密?

System Prompt 是剧本,Skill 是剧本的扩展包,Agent Loop 是演员按剧本行动。欢迎留言,我们将邀请作者针对性回复你的评论,我们将选取1则优质的评论,送出腾讯云定制文件袋套装。,让 Agent 能主动"巡逻",而不只是被动等待用户消息。OpenClaw 的 System Prompt 分层结构。的"行为底线",任何 Skill 或用户命令都无法覆盖它。精华 2:Skill 的"按需加载"避免 token 浪费。精华 1:System Prompt 是"分层乐高积木"

QcloudCommunity的博客 426

QQ音乐Harness Engineering实践

一个看似简单的需求,背后可能牵动服务调用链、配置、灰度、埋点、错误码、接口契约和历史兼容性。当 AI 开始快速生成大量代码,真正的瓶颈就不再是"写不出来",而是"看不完、想不清、管不住"。在对话式编码阶段,一种典型的工作模式逐渐流行:开发者把需求丢给 AI,扫一眼输出"看起来对"就直接采纳,不审 diff、不追问逻辑、不验证边界。以音乐商业化业务为例,一个需求可能从 TAPD 单开始,经过需求评审、技术方案、服务影响面分析、IDL 契约变更、业务代码实现、测试验证、CR、灰度上线,最后才进入稳定运行。

QcloudCommunity的博客 715

从Prompt、Context到Harness,工程的三次进化与终局之战

同时,强制要求散落各处的决策记录(Slack、邮件、文档)全部迁移至代码仓库,确保 Agent 的唯一信息来源是可信的、版本受控的仓库。更坑爹的是,研究表明,当上下文过长时,模型会出现"中间遗忘(Lost in the Middle)"现象:它对开头和结尾的内容记忆较好,对中间大段内容的关注度大幅下降。这篇文章,我想带你完整走一遍这三次进化的逻辑:它们分别解决了什么问题,它们之间是什么关系,它们的边界在哪里,以及:当三者融合,AI 工程师的终极形态究竟是什么?大语言模型的本质,就是这位金鱼助理。

QcloudCommunity的博客 719

让Skill自己训练自己:8阶段Loop、3层评测、5维AND门控,从此实现自进化

所以每一轮改动都是有据可查的,不是「感觉这里可以优化」,而是「Case 41 挂了,因为 agent 把离职问题路由到了邮箱分类,但正确答案在通讯录,所以我改 root_index.md 加个易混淆提示」。但让我最后决定把它记录下来的,不是这的个「吸收」过程,而是它真的在替我探索我不想费脑力触达的边界,这看起来更像是一个机器智能应该有的样子。不准跨层,每轮只改一层的东西。但我经过这 19 轮之后觉得,更准确的描述是互补——你在明处看着,AI 在暗处替你试错,你看不见的那一半就是 AI 能贡献的地方。

QcloudCommunity的博客 1127

只加两行代码,为什么要两天?一文深度理解业务系统的复杂性

关注腾讯云开发者,一手技术干货提前解锁👇业务系统复杂性一直是令开发者头痛的问题。复杂的不是增加一个需求需要耗费多少时间,而是在增加一个需求后带来的蝴蝶效应:其它功能会不会受到影响、要如何去找到这些影响,最终如何实现系统正常运行......功能之间隐秘增加的耦合、不可避免的代码腐化在导致业务复杂性增加。大家都在说的软件开发提效到底在提什么?程序员日常工作中应该如何提升开发效率?敏捷开发、瀑布流式开发孰是孰非?欢迎阅读。业务背景与目标我依然非常清晰地记得某个时候,我所在团队 Leader 曾讲过一段话:“我担

QcloudCommunity的博客 713

从零设计生产级 Multi-Agent Harness:架构、评估、记忆、成本与 MCP 工具接入全拆解

在 AI Agent 领域,Multi-Agent Harness 指的是把多个 Agent 的能力、工具、状态、通信、编排、监控统一收束在一个运行时之内的框架。第三,Agent 路由。一个输入框,一个大模型,几个工具,一段写得很漂亮的 System Prompt,再配上一个炫酷的前端,看起来就像一个能干活的“数字员工”。Multi-Agent 完全不一样——它有计划、有中间步骤、有工具调用、有 Agent 协作、有重试、有反思、有最终合成。增加 Budget、权限、重试、压缩、轨迹评估、审计、回归测试。

QcloudCommunity的博客 710

拆完Hermes源码,我发现Agent的“自我进化“根本不需要训练模型

两个月 5.2 万 Star,Hermes Agent 用一个"LLM 审判官"机制实现了 Agent 的自我进化——不改模型权重,只改"怎么用模型"的策略。OpenClaw(社区昵称"龙虾"🦞)是 2025-2026 年最火的开源 Agent 框架,30 万+ Star,插件市场 ClawHub 里有数千个插件,能接入 Telegram、WhatsApp、Slack、飞书、企业微信——几乎是一个"个人 AI 操作系统"。Skill 是英语写的,Memory 是英语写的,审查 Prompt 也是英语写的。

QcloudCommunity的博客 910

AI Infra 其实没有多少新东西

传统 Infra 追求横向扩展,而 AI Infra 呈现 “AI 大型机”特性,是因为传统后台服务的可以容忍毫秒级延迟,但 AI 集群不行,GPU 的算力是 CPU 的数百倍,微秒级的延时等待也会造成很大的算力损耗,需要硬件的高度集成。在可预见的1-3年的未来,这样的专用硬件+网络的集中式架构很难发生比较大的改变。与之相似,模型推理的批处理就是将多个输入样本打包(batch),将原本串行的 N 次轻量的推理计算,合并为 1 次重量的计算,实现单位时间内处理更多的请求,提高了 GPU 利用率。

QcloudCommunity的博客 826

程序员越早想通这些越好

永远没有正确架构,你永远无法偿还完所有的技术债务,如同你永远不会设计出完美的界面,请避开完美主义的陷阱,永远没有完美的代码,能够满足当前需求,又为未来不管是自己还是他人留有扩展空间,就很好了。我们努力的方向就是将现实世界映射到有限的数据结构中,这就需要用户自定义类型,如果你的代码中包含类似 trader portfolio 这样的概念,你就可以使用他们的名称来建模,而不是使用基本数据类型复杂嵌套表述你的目的。从另一个角度看,代码里的注释都是补丁,是碎片化的,局部的注释很难推导模块整体的顺序及耦合关系。

QcloudCommunity的博客 466

RAG已死?不,是Grep回归了!

这样一来可以直接复用已有的计算缓存,只为新增的增量部分付全价,前面累积的大头按约 1/10 的缓存价计费。所以实际的工具组合方式是灵活的:Grep(默认模式)→ Read 是最常见的路径,但 Grep(content 模式)可以独立使用,LLM 也可以直接调 Read(如果已经知道文件路径),或者一次同时发起多个 Grep 并行搜索。它从零开始构建自己的对话历史,不继承主对话的消息,这意味着它搜索过程中产生的大量 grep 结果、代码片段都留在自己的 context 里,主对话只收到一段总结性的文本结论。

QcloudCommunity的博客 576

深入浅出Harness Engineerring之核心模式与理念

在智能体生命周期的关键节点(如会话开始、工具调用后)自动触发预设动作(如代码格式化),由系统确保关键流程被执行,不依赖可能被模型遗忘的指令。简单讲就是利用向量存储这个技术,来实现模糊检索,原理是:即使字面不同,但语义相近的文本,其向量在数学空间中的位置也很接近。根据命令类型、参数和影响,自动评估其风险等级(安全、有风险、危险),并采取自动执行、请求确认或直接拦截等不同策略。关键特性是可隔离、可重建、可扩展。不是一次判断就定终身,允许你改变、允许情况复杂,通过不断观察、思考、调整,越来越懂真实的你。

QcloudCommunity的博客 624

Harness Engineering实践心得:如何高效驾驭AI?

但如果这些经验被拆成一条条 Rule、一个个 Skill、一项项 Script 检查——"XAML 不能有中文"、"编译要用这个路径的 MSBuild"、"SVN 命令必须带认证参数"——AI 就能在秒级时间里"吸收"十年的踩坑经验。然后可以看到下方的图,我的PM会很顺利的调度其他agent分别负责不同的事项,遇到问题的时候也能准确的找到合适的agent。MCP 本质上是在扩展 AI 的"感知范围"——Rule 管"该怎么做",Skill 管"怎么操作",MCP 管"能看到什么、能碰到什么"。

QcloudCommunity的博客 843

从第一性原理思考 Agentic Engineering

需要注意的是,这一结论是有条件的:如果 AI 缺乏领域知识,过早介入反而可能引入 1.2 节所述的"似是而非"损耗——因此上下文供给(实践 1)是 AI 全链条参与的前提,而非结果。通过一个专门的自迭代 Skill 实现——当 AI 在协作过程中识别到自己被纠正(用户否定了 AI 的输出并给出了正确方向),它自动评估这个错误的根因,搜索现有的 Rules 和 Skills 中是否已有针对该类问题的处理规则。事实上,越是复杂的项目,工程师的认知负担越重(公理 3),AI 分担认知负担的潜在边际价值也越大。

QcloudCommunity的博客 757

万字干货!Harness Engineering如何工程化落地?

关注腾讯云开发者,一手技术干货提前解锁👇Harness Engineering 的概念已经火了有一阵了,全网很多文章基本都是在讲理念,讲为什么今天做 AI 开发,不能只靠一段提示词,也不能把模型当一个“更聪明的代码补全”。但与此同时,一个问题也在持续地发酵:这个问题特别重要。因为 Harness 这个词听上去很大,很像一个抽象的方法论,但它如果不能落到工程、目录、文档、脚本、工作流里,那它最后就只是一句漂亮的话。事实上,不同项目落地出来的 Harness,表面上可能完全不一样。有的项目是 CI 很强,有的

QcloudCommunity的博客 1170

全方位对比:Hermes VS OpenClaw

多账号矩阵运营 如果你的业务涉及同时管理多个社交媒体账号、多个平台的内容分发、多渠道的客户互动——OpenClaw是目前市场上的"无可替代的底座"。一个有专业背景的个人,现在可以快速构建一个垂直领域的AI助手:比如"财务分析Hermes"、"法律咨询Hermes"、"技术架构Hermes",直接通过微信提供服务,积累自己的专业IP。跨平台生态融合 如果你的工作流涉及飞书、Slack、Discord等多个平台的深度集成,需要这些平台之间的数据流转和联动——OpenClaw的生态支持是强大的。

QcloudCommunity的博客 1217

一文讲透:Harness Engineering即控制论!

而研发模式的升级我认为将会是一个飞跃的过程,之所以现在我们仍然需要需要参与编码,一个非常大的原因就是缺乏传感器和基建,仍然需要人来串流程,比如需要人来验证UI是否正确、需要人来告诉AI代码不符合代码规范,因此在有些场景我们仍然感觉 AI 完成的很吃力,但这不是 AI 能力不行,而是我们并没有为 AI 提供友好的环境……控制论中的突变理论介绍了矫枉过正和飞跃现象之间的矛盾,如果质变中经历的中间过渡态是不稳定的,那么他就是一个飞跃的过程,如果中间过渡态是稳定的,那么他就是一个渐变的过程。但是这些阶段要解决的。

QcloudCommunity的博客 1204

神级开源插件!一句话让QClaw变3D小镇,Agent工作可视化,赛博云监工

这个架构是翻了几次车才想通的—原有AI的实现机制是用 setTimeout 猜动画时长导致了幽灵 NPC、工位撞车、越改越崩,后面我停下来换了思路,推翻原有的架构,按照“意图+回传”的架构进行重构,之前的问题一次性全部解决。15 天,我和 AI 吵了 185 次架, 4.5 万行代码,开发了一款 QClaw / OpenClaw 的UGC游戏插件,这可能是人类跟 Agents 交互的新范式,插件已完全开源,有需要的欢迎自取~我天天用,用着用着我就在思考,Agent 产品现在的交互体验,基本都一个样。

QcloudCommunity的博客 1197

一文搞懂Hermes:新顶流Agent如何从经验中自我进化

Voyager 是一个能在 Minecraft 中自主探索、学习技能、无限积累能力的 AI Agent,它提出了 "Skill Library"(技能库)的概念——Agent 将成功的行为序列编码为可复用的技能函数,存储在一个持续增长的代码库中。如果 Skill 的名称和描述不够精准,或者用户的任务描述与 Skill 的触发条件有语义差距,Agent 可能会错过相关的 Skill。如果进程在写入过程中崩溃,目标文件要么是旧内容(还没被替换),要么是新内容(替换已完成),绝不会出现写了一半的损坏文件。

QcloudCommunity的博客 2636

自掏腰包一万元,拥抱AI这一年,我的工具、实践和思考

其实也很好理解,过往的每个领域(比如前端、后端、设计、测试等等)都主要是这个领域的从业者在为它添砖加瓦,但是大模型时代的 AI 应用领域却几乎是所有使用 AI 的人类一起在迭代,无分领域,无分文理,无分老少。因为每个时期的 AI 都有着不同的特点,很多时候当我费尽心思去钻研,自以为有点弄明白 AI 应该怎么玩的时候,基座模型和行业范式常常就会迎来颠覆式的变革,很多过往的经验都会倾覆,然后只能从头再来。过去一年多,被热议的 AI 范式大概是沿着四个阶段递进演化,每一个阶段其实都在解决前一个阶段的核心问题。

QcloudCommunity的博客 627

办公Agent的CI/CD时刻到来了

核心观点是:企业给员工配了一堆 AI 工具,试点跑了几百个,但真正拖慢 AI 转型速度的瓶颈不在模型能力,在"最后一公里":AI 输出和实际工作流之间的那道鸿沟。代码写完,打个 tar 包,开 FTP 传到服务器上,SSH 进去解压,改配置文件,重启服务,刷一下页面祈祷别 500。你复制,切窗口,粘贴到腾讯文档里,发现 Markdown 格式全乱了,手动调标题层级,代码块重新标记语言类型,表格散架了重排一遍。模型是越来越聪明了,但"生成"到"落地"之间那段路,还是你自己在走,一步一步,手动搬运。

QcloudCommunity的博客 608

4亿token买来5个教训:让6个AI Agent连写4天代码发生了什么?

Watchdog 检测到崩溃 → 启动诊断 Agent 分析原因 → 诊断 Agent 跑满 20 轮没搞定 → Watchdog 判定“已修复”,重启系统 → 重启的系统因为诊断 Agent 留下的环境变量被继承,连续 3 次拒绝启动 → 触发连续失败保护退出 → Watchdog 第 3 次巡检,发现进程和记录文件都没了,尝试手动重启,自己也停了。启动前我翻了论文、做了架构设计、写了监控+修复异常的脚本。这个发现让我的情绪从沮丧变成了兴奋——不是那种"终于修好了"的释然,是"我找到根因了"的快感。

QcloudCommunity的博客 584

赛博斗蛐蛐:9大模型决战三国志,天命在谁?

我猜是这样的,当Gemini面临决策的时候,一系列关键词比如 守城,劣势,粮草,三国等等,在语义层面的关联性中LLM发现了竖壁清野这个关键词概率非常高,所以以此为策略,然后再根据这个策略完美执行操作。MiMo 的外交是三方中最精明的。Kimi作为国产模型,也同样颠覆了我对他的看法,最后的比赛他甚至一度是优势者,存在很多夺冠的可能性,要知道他的对手可是claude和gemini,而他经常出兵慢,回过头来想想或许正是他的策略,毕竟中后期他的优势都来自于稳健的发展和较少的战斗频率(和claude比).

QcloudCommunity的博客 874

Claude Code是怎么知道你在骂他的?这 12 条发现值得关注

确实存在——5,500+ 行,集成了消息队列、工具装配、MCP 编排、会话状态、权限、分析、文件持久化和优雅关闭,基本上一个文件干了所有事。对抗虚假声明——"不要在输出显示失败时声称所有测试通过,不要压缩或简化失败的检查来制造绿色结果"。完整的 KAIROS 是一个持续驻留的守护进程,能感知你在不在电脑前、主动寻找有用的工作做,更像是住在终端里的全职同事。源码里藏着一个叫 "Buddy" 的电子宠物系统,完整度令人惊讶——这不是一个 TODO,而是一个从数值系统到 ASCII 动画都实现了的完整功能。

QcloudCommunity的博客 701

逆向深扒Claude Code源码,我发现了什么!?

Anthropic 内部用户获得更严格的质量控制 prompt、更好的验证机制(独立 Verification Agent)、以及针对 model 弱点的专门对策(如 Capybara v8 的 29-30% 错误声明率对策)。这不是代码混乱的标志——它是整个 Agent Loop 的心脏,所有的流式处理、工具调度、上下文压缩、子代理管理都在这个文件中协调。这种"胖核心"设计是刻意的:保持核心循环的原子性,避免分散到多个模块导致的协调复杂度。核心价值:Fork 代理的工具输出不会回到主代理的上下文窗口。

QcloudCommunity的博客 892

一文讲透如何构建Harness——六大组件全解析

本文将从"裸模型的四个硬伤"出发,逐一拆解 Harness 的六大组件——文件系统、Bash + 沙箱、记忆(AGENTS.md)、Web Search + MCP、上下文工程、编排 + Hooks——带你看清 AI Agent 真正的竞争壁垒,不在模型层,而在 Harness 层。如果你用过 Agent 做复杂任务,你一定有过这样的体验:一开始 Agent 的表现很好,但随着对话变长,它开始"变笨"——遗忘之前的约定,重复之前犯过的错误,甚至对同一个问题给出前后矛盾的回答。对于简单的问答场景,这无所谓。

QcloudCommunity的博客 761

Harness Engineering 来了,SDD 还有意义吗?

他们的解法是把「品味」编码进规则,然后用一个定期运行的「doc-gardening」Agent 自动扫描漂移、发起修复 PR——「技术债务就像一笔高息贷款,不断地以小额贷款的方式偿还,总比让债务不断累积要好」。代码仓库本地的、已版本化的工件,才是 Agent 所能看到的全部。在 Vibe Coding 模式下(即不做规划、随意向 AI 提需求的开发方式),大量设计决策、跨服务约定、「为什么不选另一个方案」的讨论,全部停留在一次性的 AI 对话里——下一个人,或者下一次 AI 会话,完全无从获取。

QcloudCommunity的博客 419

零废话!一文讲透从0构建AI Agent

每个工具都要写一套"定义→解析→执行"的胶水代码。上下文管理就是在"记住足够多"和"别超标"之间找平衡,常见策略包括滑动窗口、摘要压缩、RAG 检索增强。上下文窗口是 Agent 的"工作记忆",但它有硬性限制。LLM 负责"动脑"决策,代码负责"动手"执行。这是从"聊天机器人"进化到"Agent"的关键一步。每次调 API 都把完整对话历史发过去,LLM 本身是无状态的,"记忆"完全靠客户端的数组模拟。这样 Agent 一开始就知道自己"在哪里"、"手头有什么",不需要先花一轮工具调用去探索环境。

QcloudCommunity的博客 711

距离AI把小编我裁掉还有72小时

这是一个基于 OpenClaw 开源生态打造的本地化 AI Agent 助手,已于上周开启全量公测,无需复杂配置,三步即可上手,自带安全防护,支持微信直连绑定,内置多款优质国产大模型,现阶段也是完全免费使用,基本上前面提到过的痛点都可以靠它解决。对了,这里特别强调一点,上面的截图让产品同事汗流浃背,再三找我确认 QClaw 思考过程中优美的“草”字说法,不会是默认出现的吧?AI 好,AI 得学,但更重要的是,在你的工作和生活里,哪些东西是能结构化地被 AI 所接入的,不要死守着那些脏活累活不放。

QcloudCommunity的博客 674
上一篇: 欠一屁股技术债仍保住工作其实也并非完全不可能
下一篇: 只改一行语句,锁这么多?
腾讯云开发者
腾讯云开发者 企业官方账号 企业官方账号
博客等级 码龄10年 6291粉丝 1962原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值