QCon 北京 2024 不是一门传统意义上从头讲到尾的课,而是一整套大会现场演讲的录像合集。如果你习惯按章节递进、每节都有配套练习的学习方式,它可能不太对你胃口;但如果你已经有几年开发经验,想集中看看同行在真实生产环境里踩过哪些坑、怎么做的取舍,这套回放的价值就比较直接。

它对应的是哪类工作场景

这套内容覆盖的话题集中在几个方向上:高并发与稳定性治理、微服务与云原生架构的落地经验、数据库与存储的选型、研发效能和工程文化、以及当时热度较高的大模型在业务系统中的接入方式。多数演讲围绕一个具体问题展开——比如某个系统在流量翻倍后如何拆解、某次故障的根因与后续改进、某项技术从评估到上线的完整过程。

这意味着它更适合这样用:你手上正好有一个架构决策要做,或者团队正卡在某个性能、协作、迁移问题上,去对应主题里找一到两个相关分享,看别人是怎么界定问题、怎么权衡方案、最后付出了什么代价。而不是把它当成系统教材,从头到尾刷一遍。

学完之后能独立做到什么

说清楚边界:听完不会让你立刻精通某个框架,也不会给你一套可以照抄的完整代码。它给你的是判断依据和参考坐标。比较现实的预期是——

  • 面对一次技术选型讨论,你能说出至少两三种业界做法各自的前提条件和代价,而不是只凭印象站队;
  • 做架构评审或故障复盘时,能借用演讲里的分析框架,把问题拆到可讨论的粒度;
  • 对云原生、可观测性、研发效能这类偏体系的话题,建立起一个大致的技术地图,知道哪块该深入、哪块可以先放;
  • 在团队内做技术分享时,有具体的案例和现场数据可引用,而不是空谈趋势。

如果目标是打基础、补语法、练编码,这套资料帮不上太多;它服务的是已经有实战经验、需要提升判断力和视野的人。

资料适合什么基础的人

最低门槛大概是:能独立负责一个模块或服务的开发与上线,对分布式、数据库、容器这些概念不陌生,听得懂演讲里出现的常见术语。演讲节奏偏快,很多细节默认听众有背景知识,基础薄弱的话容易卡在某一页 PPT 上。

另外,大会演讲自带「结论先行」的特点——讲者往往直接给出方案和结果,中间推演过程压缩得比较厉害。所以看的时候建议配合自己的项目做对照,否则容易觉得「有道理,但用不上」。

怎么安排学习顺序更划算

不建议按视频顺序从头看。更实际的做法是先过一遍各演讲的标题和简介,圈出和你当前工作直接相关的三到五个,优先看这些,边看边记下讲者提到的取舍点和失败经验。剩下的话题可以当成资料库,等遇到具体问题时再回头翻。

每场演讲看完,花十分钟写几句自己的结论:这个方案适用于什么前提、我们团队现在缺什么、如果要试第一步该做什么。这套资料的信息密度不低,但只有落到自己的场景里,才不算白看。

课程目录

第一章 | 主题演讲 开场致辞——让 QCon 的开发者先看到未来 -蔡芳芳 《中国生成式 AI 开发者洞察 2024》报告发布 - 姜昕蔚 看不见的大猩猩——智能时代的企业生存和发展之路 - 韦青 开源鸿蒙新生态的机遇与挑战 - 王皓 博士 钉钉智能化之路:打造未来交互新形态,重塑组织效能 - 程操红(巴布) 圆桌对话:数据智能新趋势 -蒋晓伟 / 章文嵩 / 李飞飞 / 张凯 第二章 | 单体 vs 微服务 服务精简归拢——走出微服务误区与治理实践 - 李元哲 大规模微服务破局之道:合并编译 - 尹旭然 AI Agent 重构微服务治理平台 - 刘瑞森 第三章 | AI Agent 智能体落地 AI Agent 在企业经营分析场景的落地 - 李飞 博士 Agent 赋能大数据平台探索 - 冯浩哲 百度营销智能体:从对话式投放到多智能体协同 - 田朝龙 面向办公自动化领域的 AI Agent 建设思考与分享 - 欧阳小刚 第四章 | 大模型应用的产品设计 钉钉智能化平台之路:从 +AI 到 AI+ - 麻幸林(子推) 大模型原生应用产品设计的前沿探索 - 岑润哲 教育大模型,说你行你才行 - 郭家 大模型的三次触动、两个难题、一个参考答案 - 贾安亚 第五章 | 数据库与大数据融合之路 分布式 Data Warebase——探索数据系统物理极限 - 蒋晓伟 数据库流式数据处理在实时分析中的应用 - 郝峻青 图数据库在金融风控系统中的实践 - 乔云从 YDB: dealing with Big Data and moving towards AI - Alexander Zevaykin 第六章 | AI 云原生时代的语言生态 MoonBit 月兔:大语言模型时代的软件开发起点 - 叶子航 Kotlin/WebAssembly 的探索之路 - 范圣佑 阿里巴巴 Java 版本升级实践 - 董登辉 第七章 | 鸿蒙原生应用开发关键技术与创新竞争力 鸿蒙生态开发者解决方案关键特性 - Jinhua HarmonyOS创新开发场景与能力 - 大鹏 第一份鸿蒙外卖的背后——美团鸿蒙 App 实战 - 王志宇 同程的鸿蒙化:在 App 架构设计及组件平台化的最佳实践 - 俞锦星 第八章 | 高效能团队管理与进化 模型基座应用为团队带来的机会与挑战 - 王植萌 深度融合大规模敏捷与 DevOps,攻克保险领域 ToB 质量保障的三大难题 - 王新辉 第九章 | 圆桌交流|大模型时代的架构师成长之路 圆桌交流|大模型时代的架构师成长之路 第十章 | 业务可观测 全业务流程生产压测与监控实践 - 熊军军 eBPF + LLM:实现可观测性智能体的基础设施 - 向阳 蚂蚁智能可观测 Mpilot AI 助手落地实践 - 陈真 第十一章 | 大模型应用场景探索 RAG 商业落地实践踩坑 - 高原 从 GPT-4V 到端到端:探索开放语义具身操作和导航大模型 - 张直政 饿了么垂域大模型 EGPT 训练与 C 端应用实践 - 方之家 大模型技术在快手搜索的应用 - 许坤 大模型在信也对话机器人中的应用 - 倪博溢 金山办公在知识库业务中的大模型思考和实践 - 陈亮 第十二章 | 大模型应用的产品设计 金山云:大模型推动知识工作领域的创新与变革 - 陈海彪 大模型应用开发新范式 - 娄双双 AI + 养老,大模型点燃全新业态 - 卢森煌 第十三章 | 大模型助力数据安全 大模型数据安全:从测评到实时检测的全流程实践 - 申书恒 第十四章 | 自研 OS 时代的大终端 钉钉 Apple Vision Pro 创新之旅 - 何裕浩(周佚) 突破开发与测试的技术栈壁垒——注入式方案在性能调优与自动化测试中的运用 - 纪润 高德地图的鸿蒙化经验——追求极致体验 - 宋浩波 闲鱼应用基于 Kun/Flutter 在鸿蒙 OS 上的移植实践 - 邬吉风 Taro 适配鸿蒙的框架原理和性能优化 - 宣泽彬 小红书鸿蒙一多工程实践——基于鸿蒙一多特性打造多设备使用体验 - 付正宗 第十五章 | 组织架构进化和流程重塑 从局部效率到全局价值 - Yi Lv吕毅 第十六章 | 分布式云计算与 AI 大模型智能化应用实践 解决方案专场 基于分布式云计算节点搭建超低延迟边缘网络应用 - 吴琼Dante Wu MongoDB 开发者数据平台助力企业构建 AI 智能化应用 - 郑如鹏 第十七章 | AI 时代下向量数据库与云安全 解决方案专场 如何借助全球边缘云网络实现AI分布式部署 - 张彧杰 激活数据潜能:向量数据库与生成式AI的实战洞察 - 诸葛瑞麟 第十八章 | RAG 与向量数据库 基于多模态智能引擎的大模型知识库技术应用 - 张红兵 Al 原生数据库 Infinity 系统架构与 RAG 技术实践 - 张颖峰 201 条
  • 24 年向量数据库与 RAG 落地思考与实践 - 苏鹏 第十九章 | 下一代生产力工具 通义灵码技术解析,打造 AI 原生开发新范式 - 陈鑫(神秀) 智能编码工具 Comate 的核心能力揭秘 - 吴玮琦 MFTcoder:大模型多任务微调框架 - 余航 智能开发平台:传统低代码的 AI 驱动之路 - 姜天意 第二十章 | 大模型训练和推理工程 类 Sora 开源架构模型训练实践 - 卞正达 超大规模集群下大语言模型训练的最佳实践 - 刘育良 第二十一章 | 开源产品的商业闭环 共享创新:TiDB 开源与国际化的融合 - 房晓乐 JuiceFS 的商业与开源实践 - 苏锐 基于开源真正获客,Greptime的商业开源求索之路 - 陈梓立 EMQ 开源商业化 - 金发华 第二十二章 | 圆桌交流:Agent 是否是大模型落地的必经之路? 圆桌交流:Agent 是否是大模型落地的必经之路? 第二十三章 | 智能运维大模型 SRE-Copliot:基于大语言模型的智能运维架构 - 王宁 LLM 和 Multi-agent 在运维领域的实验探索 - 张曦 基于检索和工具增强的智能运维大模型实践 - 张颖莹 第二十四章 | 大模型数据工程和对齐 快意大模型在短视频互动场景的应用探索 - 刘澈 海天瑞声在大模型数据的探索与实践 - 黄宇凯 第二十五章 | 数据资产价值化与数据治理 2024:数据价值化技术趋势展望 - 史凯 成本与效率:作业帮数据治理全方位解析 - 贺祺 大模型赋能的数据资产平台构建实践 - 徐流明 第二十六章 | 效能工程新时代 字节移动端智能化测试实践 - 朱宏宝 大模型赋能 DevOps,研发全环节提速 - 唐辉 AI 大模型技术在数据库 DevOps 的实践 - 叶正盛 加速 AI 模型生产化:eBay 交易风控 AI 模型推理仿真设计和实现 - 王兵 CodeGeeX:构建项目级代码智能助手 - 郑勤锴 第二十七章 | 大前端 Rust 如何引领前端基建新潮流以及字节跳动的应用 - 张磊 Kotlin Multiplatform 基于 Bazel 的逻辑层跨平台 (iOS、Android、Harmony) 实践 - 张忻正 Web 前端技术在智能电动汽车行业的探索 - 谢晖 Web 前端技术在音视频编辑和智能创作方向的探索 - 孟谦 第二十八章 | 高质量架构 字节全球化容灾 - 百玥 大规模工程及领域架构治理与服务架构合理性的度量 - 刘中兵 第二十九章 | 性能优化 Best Practices of running vLLM on Xeon - Tony Wu 亿级粉丝大 V 下的交易高性能架构与成本优化 - 张钦贤 多元CPU性能调优技术挑战、产品设计和业务实践 - 刘星星 第三十章 | AI 存储加速 蚂蚁大模型存储加速实践 - 刘键 大模型 AI 训练的数据存储加速 - 肖文聪