【得物技术】得物社区

背景

2021年是我司着重关注生产稳定性的一年,得物社区服务早期是由PHP语言构建的单体应用支撑着日活百万用户,随着高速的发展在性能跟业务上已逐渐不能满足未来的需求与规划,在第一阶段上社区与架构团队同学提供了php + yaf、Java + spring cloud、Go + grpc + K8S的技术选型方案,考虑到服务性能与迁移成本,最终选择了 Go + grpc + K8S 作为此项工程的首选为社区微服务构建建立起了里程碑。

随着业务的发展,对稳定性要求越来越高,为增强业务服务的自治能力,提高集群的稳定性与可控性,且考虑最低成本的接入方式,同时考虑社区与交易系统(Dubbo技术栈)有着千丝万缕的关系,最终希望能完成两个集群系统的轻松融合,故选用应用层框架Dubbo-go来实Golang服务的注册与发现。

Golang微服务架构,大家可能比较熟悉的是Go Micro和Go Kit(还有Gizmo),确实,Go Micro的社区活跃度,Go Kit的GitHub Star数也18k以上,但这里并没选择,主要是Go Micro提供了许多的功能,开箱即用,但灵活性受限;go Kit虽被追捧,但是我们并非是重新起Golang服务,应用层框架限制过于严格,代码迁移成本将会非常高。考虑以上困难,最终选了一个还在成长期的Dubbo-go。

Dubbo-go介绍

Dubbo-go是目前Dubbo多语言生态最火热的项目之一,已随着Dubbo生态加入Apache基金会,截止目前已有不少一二线互联网公司使用(钉钉、携程、涂鸦、开课吧等),社区活跃度较高,响应开发者需求较快,有较快且贴合开发着需求的版本迭代速度。

图一*

Dubbo-go主项目,主要是基于Dubbo的分层代码设计,上图是Dubbo-go的代码分层,基本上与 Java版本Dubbo现有的分层一致,所以Dubbo-go也继承了Dubbo的一些优良特性,比如整洁的代码架构、易于扩展、完善的服务治理功能。

目前Dubbo-go已经实现了Dubbo的常用功能(如负责均衡、集群策略、服务多版本多实现、服务多注册中心多协议发布、泛化调用、服务降级熔断等),其中服务注册发现已经支持zookeeper/etcd/consul/nacos 主流注册中心。这里不展开详细介绍。

方案实现

根据现有项目以gRPC为服务调用的背景前提下,考虑到对业务代码侵入程度,且做到兼容原有方案正常使用,两套gRPC实现下可切换自由,做到生产环境切换Rpc治理框架的实时性与可控性,降低生产环境风险,故结合Dubbo-go自身支持gRPC协议入手满足以上需求。注册中心选型为Nacos,与目前现有中间件保持统一,同时满足配置部分配置项需求。

图二*

这里我们要先思考两个问题,一个是Dubbo-go的集成如何兼容原有gRPC方案,保持两套方案可同时在线支持生产,第二个问题是两套gRPC之间如何实现实时切换。

兼容性

在实现此项需求前,我们先来谈谈gRPC自身特性,gRPC是谷歌开源的一个 RPC 框架,面向移动和HTTP/2设计,内容交换格式采用ProtoBuf(Google Protocol Buffers),开源已久,提供了一种灵活、高效、自动序列化结构数据的机制,作用与XML,Json类似,但使用二进制,(反)序列化速度快,压缩效率高,传输协议采用http2,性能比http1.1提升很多。

在根据介绍的 gRPC 的相关特性可以看出来,gRPC已经解决了 codec 和 transport 两层的问题,结合图一看,从cluster层往上,是没有gRPC相关涉及的地方,从图1里面可以看出要做gRPC相关适配,在 protocol 这一层是最合适的,我们可以如同 DubboProtocol 一样,扩展出来一个gRPCProtocol ,这个 gRPC protocol 大体上相当于一个Adapter,将底层的gRPC的实现和我们自身的Dubbo-go结合在一起。

图三*

基于上述,Dubbo-go帮助我们解决了gRPC的相关整合,相当于在gRPC基础之上包装了Dubbo-go治理层,而我们从gRPC的ProtoBuf修改作为切入点开始,Dubbo-go官方基于Google protobuf 扩展插件定义了Dubbo-go gRPC所使用的 protobuf 自定义逻辑代码,完成兼容性问题即可。

// HelloWorldServiceClientImpl is the client API for HelloWorldService service.
type HelloWorldServiceClientImpl struct {
	SayHello func(ctx context.Context, in *SayHelloReq, out *SayHelloResp) error
	//...
}

// service Reference
func (c *HelloWorldServiceClientImpl) Reference() string {
	return "helloWorldServiceImpl"
}

// GetDubboStub
func (c *HelloWorldServiceClientImpl) GetDubboStub(cc *grpc.ClientConn) HelloWorldServiceClient {
	return NewHelloWorldServiceClient(cc)
}

// Server interface
type HelloWorldServiceProviderBase struct {
	proxyImpl protocol.Invoker
}

// set invoker proxy
func (s *HelloWorldServiceProviderBase) SetProxyImpl(impl protocol.Invoker) {
	s.proxyImpl = impl
}

// get invoker proxy
func (s *HelloWorldServiceProviderBase) GetProxyImpl() protocol.Invoker {
	return s.proxyImpl
}

实时切换开关

实时切换,起初是为了在压测环境方便两套不同实现的gRPC方案可实时切换做压测数据收集,后期是抱着敬畏生产的态度,在生产环境刚接入Dubbo-go时将Rpc框架切换支持服务、方法自由切换,从稳定性出发,选择性的切换观测服务稳定性状态。

此项需求的接入,同样是从gRPC的ProtoBuf修改作为切入点开始,同时基于Nacos配置中心实现,我们将原有gRPC的客户端调用和Dubbo-go的客户端调用封装成一个统一实例化入口(这里简称ClinetDubbo),客户端所有方法新增一份继承 ClinetDubbo 具体实现(由protobuf扩展插件统一脚本生成),实现内容大致为获取ClinetDubbo中的两套gRPC客户端,此时通过Nacos配置获取配置中心所打开的客户端是哪一套,根据判断实现走具体的gRPC链路。

图四*

左侧gRPC常规链路,右侧Dubbo-go治理模型链路。

// ClientDubbo
type HelloWorldServiceClientDubbo struct {
	GrpcClient  HelloWorldServiceClient
	DubboClient *HelloWorldServiceClientImpl
	Open        bool
	Caller      string
}

// 具体的方法实现
func (c *HelloWorldServiceClientDubbo) SayHello(ctx context.Context, req *SayHelloReq, opts ...grpc.CallOption) (*SayHelloResp, error) {
	serverName := c.DubboClient.Reference()
    //获取 nacos配置源数据
	serverCfg := nacosCfg.GetServerCfg()
	if !c.Open {
		c.Open = serverCfg.AllOpen
	}
	cfg := serverCfg.ServiceCfg

    // 判断调用链路
	if !c.Open &&
		!cfg[serverName].Open &&
		(cfg[serverName].Consumers == nil || !cfg[serverName].Consumers[c.Caller]) &&
		!cfg[serverName].Method["SayHello"].Open &&
		(cfg[serverName].Method["SayHello"].Consumer == nil || !cfg[serverName].Method["SayHello"].Consumer[c.Caller]) {
		
        // 原gRPC链路
        return c.GrpcClient.SayHello(ctx, req, opts...)
	}

	// Dubbo-go治理链路
	out := new(SayHelloResp)
	err := c.DubboClient.SayHello(ctx, req, out)
	return out, err
}

项目集成

以下是基于现有项目结构集成Dubbo-go框架示例:

provider

type HelloWorldService struct {
	*pb.UnimplementedHelloWorldServiceServer
	*pb.HelloWorldServiceClientImpl
	*pb.HelloWorldServiceProviderBase
}

func NewHelloWorldService() *HelloWorldService {
	return &HelloWorldService{
		HelloWorldServiceProviderBase: &pb.HelloWorldServiceProviderBase{},
	}
}

基于原有服务提供的基础之上加入Dubbo-go扩展部分,提供服务注册。

consumer

//原有Grpc
var HelloWorldCli HelloWorldServiceClient  
//Dubbo-go
var HelloWorldProvider = &HelloWorldServiceClientImpl{} 

func GetHelloWorldCli() HelloWorldServiceClient {
	if HelloWorldCli == nil {
		HelloWorldCli = NewHelloWorldClient(grpc_client.GetGrpcClient(...))
	}
	return &HelloWorldServiceClientDubbo{
		GrpcClient:  HelloWorldCli,
		DubboClient: HelloWorldProvider,
		Caller:      dubboCfg.Caller,
		Open:        false,
	}
}

GetHelloWorldCli()简单封装了客户端调用,此方法最终返回 HelloWorldServiceClientDubbo 结构体的方法,客户端发起调用进入以 HelloWorldServiceClientDubbo 实现的具体方法中,根据配置项判断执行具体gRPC调用链路。

Main

func main() {
	//provider
	config.SetProviderService(rpc.NewHelloWorldService(), ...)
    
    // 设置服务消费者
	config.SetConsumerService(api..., ....)
    
    // 加载dubbo
	config.Load()
}

以上就是社区服务集成Dubbo-go的整体思路与方案,我们会发现在现有项目中需要改动的代码量很少,且对业务方方代码无任何侵入。

小结

Dubbo-go集成,增强了业务服务gRPC调用过程中治理能力,基于cluster增加了服务集群的容错能力,实现了应用服务之间容错能力的可配置性;完善且统一了社区服务原始新老架构服务的全链路监控和服务指标监控告警;增强了业务伙伴对集群内服务的透明化、可控性,在遇到问题后整体的链路梳理上有了更多的可参考信息。基于Dubbo整体生态,可轻松支持Golang与Java的Rpc互通,做到跨语言Rpc调用。

图五*

最后

Dubbo-go作为一个微服务框架,自身包含治理能力,这部分能力如何与K8S融洽结合。

K8S 提供了pod/endpoint/service 三层维度的资源,可以通过监听pod/endpoint/service三层维度资源的事件,作出合理的处理以达到服务治理的目的,不需要引入额外组件,通过监听 k8s 中最细粒度资源 pod 的事件,通过k8s apiserver获取pod列表,只是通过apiserver使用etcd的服务注册和服务通知能力,其他继续使用Dubbo-go的服务治理能力,模型简单,不需要实现额外的模块,几乎不需要对Dubbo作出改动。

文|小柯

关注得物技术,携手走向技术的云端

相关推荐

从中心调度到自驱协作多 Agent 架构的三次反转|得物技术

本文探讨多Agent系统中的控制权分配问题,提出三大协作架构:Master Agent(中心调度)、任务看板(共享状态)与Advisor(轻量咨询)。通过划清上下文边界与模型边界,强调应以信息相关性而非职业标签划分Agent。三种模式分别将决策权集中于中心、下放至共享状态、再下沉至执行者,形成控制权逐步下沉的演进路径。案例显示,合理设计可提升复杂任务的并行性、弹性与可维护性。

SmartCodeTech的博客 405

Jev 实战:为AI工作流引入轻量决策层 x10倍提速|得物技术

完成这三个场景后,我对适用边界有了更明确的认识:它们都可以先定义答案范围,再根据判断结果驱动下一步操作。接入时,我会优先明确输入、选项、采纳条件和兜底路径,再评估Jev是否适合承担这一环节。结合这些实践,我更容易理解Jev(TypeSafe System One)作为专用结构化决策模型不生成自然语言,而是返回带概率的判断结果。后续接入时,我会继续从脚本中边界明确的判断任务开始,分别验证准确性、耗时和费用,再决定是否扩大使用范围。下面整理了相关能力、限制和接入要点,便于查阅。

SmartCodeTech的博客 343

国产算力·昇腾 910C 大模型推理优化(下):源码修改与算子优化,提速30%|得物技术

本文延续上篇,深入vllm-ascend源码优化:通过多流重叠实现MoE共享专家并行计算,消除冗余事件开销,并解除与FUSED_MC2的互斥限制,实现c=1下TPOT从8.2ms降至8.0ms;优化decode阶段host侧开销,引入状态跟踪跳过冗余拷贝;设计Block Table CPU快路径,规避小batch下NPU kernel启动延迟;针对GDN层融合L2Norm至recurrent kernel,减少算子调用与内存往返。综合优化后推理性能显著提升,形成可复用的昇腾910C大模型推理优化方法论。

SmartCodeTech的博客 238

国产算力·昇腾 910C 大模型推理优化(上):镜像更新与参数调优,提速 40%|得物技术

文中详细给出每一项优化的动机、实现(含具体源码改动路径与关键代码片段)、验证数据与踩坑记录(包括十余项实测无效或负向的尝试),希望为同样在国产算力上做推理优化的团队提供一份可直接复用的工程参考。

SmartCodeTech的博客 217

动态规则的 Agent 实践:用确定性工程驾驭 LLM 的资产智能验收

面对财务验收中规则多变、材料非结构化、核对复杂等痛点,传统规则引擎难以应对。系统采用“规则即配置”思路,由大语言模型(LLM)负责理解合同、扫描件等非结构化材料并执行语义比对,工程系统则保障流程编排与可追溯性。通过异步处理、幂等设计、三类流量隔离及双通道(文本/图像)处理,实现高效稳定运行。结合用户反馈构建自动标准答案,辅以试跑、回测与发布门禁机制,形成闭环质量体系。底层采用确定性工作流架构,确保行为可预期、可测试,真正实现灵活规则的快速迭代与安全上线。

SmartCodeTech的博客 343

发一张图,它居然“跃“出屏幕了?一文读懂得物 3D 空间图片技术实践

3D 空间图片功能的落地,涉及模型生成、内容分发、客户端渲染之间的一系列取舍。本文重点分享如何生产出高质量、小体积的模型,以及如何在手机上流畅运行。

SmartCodeTech的博客 555

别再只卷向量检索了,得物交易搜索如何用“生成式”实现召回范式跃迁?

你搜"af1",它得给你"空军一号"。这一年,得物交易搜索把召回从"做选择题"改成了"写答案"——不再从商品池里"找"最像的,而是让模型自己"生成"你真正想要的。从 LLM 语义索引到 HLLM、语义 ID,搜索是怎么从"检索"走向"生成"的?

SmartCodeTech的博客 593

指标平台:从语义底座到智能消费的实践路径|得物技术

这篇文章想做的,不是在本体化的宏大叙事上再叠加一层理论,而是把我们在真实落地中验证过的路径讲清楚:语义底座怎么从零建立起来、怎么保证质量不失控、怎么支撑 Text2SQL 和 AI Coding 两条消费主线,以及沿着这条路径往前走,下一步该往哪个方向发力。

SmartCodeTech的博客 316

企业级 MultiAgent 落地:Plan 模式与主子 Agent 协作|得物技术

基于 AgentScope Java 的企业级 MultiAgent 平台,为研发、数据分析和知识问答等场景提供统一的模型调用、工具接入、任务编排、流式输出与运行追踪能力。

SmartCodeTech的博客 300

得物小摊 AI Native 演进实录:用 Harness 构建可控 AI 交付

AI Coding 一个人用很顺手,进了团队就漏:指令没人审、经验难沉淀、过程看不见、链路不闭环。作者团队基于 Multica 做了 EP-Harness,把 Agent 当成员管,给它套一层可执行、可观察、可治理的 Harness,并让反馈闭环。成果:可追溯决策、多 Agent 协作,高频异常从每 4 小时 2400 多条降到个位数,对得物技术补上团队级 AI 协作关键一环。

SmartCodeTech的博客 540

企业级 MultiAgent 的记忆系统:短期上下文与四层记忆架构实现|得物技术

在 MultiAgent 平台中,Agent 的"记忆"能力是实现智能对话和个性化服务的核心资产。本文深入剖析 Agent 记忆系统的设计理念与实现细节,重点解析长期记忆架构的写入与加载流程,涵盖 LLM 智能判断、语义检索、Token 预算控制、冲突处理等关键技术,为开发者提供完整的技术实现参考。

SmartCodeTech的博客 502

EP-Harness:从个人 AI Coding 到团队级 Agent 工作流|得物技术

AI Coding 个人用得爽,一到团队就崩。EP-Harness 把 Agent 从聊天工具变成团队协作成员——可管理、可追溯、可闭环。落地后高频异常从 2400+/4h 收敛到个位数。

SmartCodeTech的博客 688

得物知识问答:复合检索 Agent 的系统设计实践

从"搜到什么用什么"到"搜→筛→挖→验"自主决策闭环——我们造了一个有判断力的 RAG Agent,不是套壳。

SmartCodeTech的博客 733

实战从零开始构建一个Coding Agent:Violin |得物技术

理解了 coding agent 的构建原理,也就掌握了理解其他 agent 的一把钥匙。笔者对每天都在使用的 agent 原理很感兴趣,于是决定自己写一个:violin。

SmartCodeTech的博客 926

AI Native 交易核心系统的研发范式|得物技术

如何改造旧研发流程适配 AI 编码?本文提出五道标准化关口治理思路,依托 Claude Code Spec-Driven 插件打通需求澄清、方案设计、TDD 落地、门禁管控与埋点监控,构建带人工确认门控的完整工作流,以五层自底向上架构实现 AI 编码规范化落地。

SmartCodeTech的博客 972

推荐系统体验的数字化突破:得物自动化评测平台的技术实践|AICon 文章整理

「得物推荐 AI Harness 工程化实践系列」的末篇内容,本系列共三篇连载。本篇(末篇)详解得物推荐评测平台的完整技术体系:从主观体验量化到大模型自动化评测流水线,涵盖多维度指标设计、人机协作提示词校验闭环、分布式任务调度与成本精控等核心工程实现,以及单周百万级审计需求下实现 91% 资源成本优化的工业级落地实战细节。

SmartCodeTech的博客 1493

RAG 核心概念与原理:Chunking、Embedding、相似度、HNSW 与多路召回|得物技术

决定 RAG 效果的关键不在大模型,而是文本切块、查询改写、多路召回与精排。合理切块存好知识库内容,向量匹配抓语义、BM25 匹配关键词互补。先优化用户提问,快速召回一批相关文档,再用精排模型精细筛选,整套检索流程配合到位,问答准确度才会明显提升。

SmartCodeTech的博客 1079

从“机械应答“到“服务伙伴“:得物高可控智能客服的 Agent 工程实践|AICon 演讲整理

本次分享围绕以下核心技术展开:客服 Agent 挑战与架构设计(Single-Agent→Multi-Agent→Harness);高可控性数据飞轮(PE 自动化 + DPO 训练);RL 策略训练和人工经验对齐;多轮半双工消息流控制。

SmartCodeTech的博客 745

得物推荐系统诊断 Agent:从 “调接口” 到 “会思考”|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。AICon上海2026_全球人工智能开发与应用大会暨大模型应用生态展_InfoQ技术大会「得物推荐 AI Harness 工程化实践系列」的中篇内容,本系列共三篇连载。本篇(中篇)进一步详解得物推荐复杂业务场景下,AI代码从生成、防护校验到安全上线的完整技术体系、自研AI Harness整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。

SmartCodeTech的博客 1361

得物 OceanBase 落地实践

得物选型OceanBase多模数据库应对业务挑战,通过验证其高可用架构、存储压缩技术及混合负载处理能力。测试显示OceanBase在复杂查询场景性能较MySQL提升130-200倍,在高并发TP/AP混合场景表现优异,存储成本降低40%+。通过DBA内部报表业务试点验证其稳定性后,逐步推广至核心业务场景,优化数据库技术栈,实现性能与成本的双重收益。

SmartCodeTech的博客 1380

AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

ai_uitester 代表了 AI Native 的 UI 自动化测试新范式:这不仅是工具的升级,而是测试范式的转变 ------ 从 "代码驱动" 转向 "视觉驱动",从 "人工调试" 转向 "AI 自愈",从 "三端分离" 转向 "统一抽象"。

SmartCodeTech的博客 774

从狂野代码到按目标生产:得物推荐 AI Harness 的工程化实践|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。「得物推荐 AI Harness 工程化实践系列」的开篇内容,本系列共三篇连载。将系统拆解得物推荐复杂业务场景下,AI 代码从生成、防护校验到安全上线的完整技术体系,逐一详解自研 AI Harness 整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。本篇(上篇):将整体介绍团队自研的 AI Harness 体系,包括建设思路、全生命周期防护机制、混合智能体架构及落地效果。

SmartCodeTech的博客 1080

从表单到 Agent:得物社区活动搭建的 AI 实践之路

一场营销活动从策划到上线,运营要在三个系统间跳转 10 + 次、填写 40 + 个字段。我们用 AI 重新设计了这条链路 —— 从 “AI 帮你填表单” 到 “两阶段 Agent + 聚合工作台”。这篇文章记录的不是技术细节,而是这条路上的选择和反思。

SmartCodeTech的博客 741

从埋点需求到规则资产:Hermes Agent 重构得物数仓工作流

埋点和指标需求中,消耗数据承接方的不是生成答案,而是补齐证据链、对齐历史口径、识别下游影响,并在生产写入前留下可追溯的确认记录。本文数据承接方指承接业务需求的数据同学或业务合作伙伴;后文讨论内部研发、元数据、查询和门禁能力在流程中的角色。

SmartCodeTech的博客 656

让 Claude Code 拥有自我进化和记忆系统|得物技术

本文记录了为 Claude Code 构建的一套持久化记忆与自我学习系统的设计思路与实现细节。这套系统让 AI 助手能够跨越会话边界记住用户习惯,并在每次对话结束后自动提炼行为规律和系统信息,通过向量检索快速提取关键信息,下一次对话时主动应用,逐步进化为更懂你的编程伙伴。

SmartCodeTech的博客 994

用 LLM Agent 重构告警排查流程|得物技术

告警排查需频繁切换日志、APM、链路追踪等多个平台,耗时 10~30 分钟,且高度依赖个人经验。我们做了 Troubleshooter——用 LLM Agent 自动完成数据采集、根因分析和处置建议生成。上线后中位数排查耗时从 20 分钟降到 4.4 分钟,覆盖 11 个服务和 10+ 种告警类型。

SmartCodeTech的博客 1004

HorizonVault 技术深潜:如何在 HDD 上做出 100GB/s+ 级大吞吐分布式存储|得物技术

HorizonVault是一款面向Kafka远程存储的高吞吐分布式存储引擎,通过分布式并行写入和状态感知调度解决冷数据存储的三大核心问题:吞吐瓶颈、性能抖动和恢复能力。系统采用分层架构,Meta负责全局资源调度,Broker处理请求路由,Store实现本地磁盘管理,形成完整的写入治理链路。通过将HDD磁盘提升为一等资源,实现顺序追加写入、多盘并行和慢盘隔离,在保证高吞吐的同时控制延迟。存储结构采用DiskStore组织磁盘资源,LogSegment顺序写入数据,IndexSegment定位读取,Change

SmartCodeTech的博客 890

Claude Code Harness 工程:数仓侧落地方案|得物技术

Harness 工程通过职责分层实现研发流水线可靠性提升。Claude 负责需求理解与代码生成等语义层工作;hooks 负责规范检查等确定性执行;Subagents 隔离血缘查询、自测等高 token 操作;Memory 承载跨会话状态持久化。四层协同使数仓 AI 开发从"对话式辅助"转变为"规则驱动的自动化流程"。

SmartCodeTech的博客 1093

BP Claw 破解 AI 编码输入难题 ——FlinkSpec 需求智能化实践|得物技术

本文为 FlinkSpec 系列之开篇,亦是这场工程化变革的序章。BP Claw 所立之处,不过链路之源。FlinkSpec 所图,乃以 AI 之力,将实时数仓从需求落地至验收上线的全程工序,熔铸为一套精密自洽、生生不息的智能工程体系。宏图未竟,后续系列将逐章揭幕,敬请期待!

SmartCodeTech的博客 1035

基于 Harness + SDD + 多仓管理模式的 AI 全栈开发实践|得物技术

Harness(约束)思维的本质是:给 AI 一个已有的实现作为参照,让它照着复刻一份,而不是凭空创造。就像给一个新入职的工程师说 "你照着这个模块的风格,写一个类似的",而不是 "你自由发挥"------ 前者往往能更快产出符合团队规范的代码。

SmartCodeTech的博客 1185
上一篇: 【得物技术】得物WMS如何助力仓库拣货
下一篇: 【得物技术】浅谈资损防控
得物技术
得物技术 得物技术官方账号 得物技术官方账号
博客等级 码龄6年 2492粉丝 407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