这不是一门“课”，是一次技术现场的复盘
QCon北京2024的现场，很多人是带着具体问题去的：线上服务在流量洪峰下怎么稳住、研发效能指标怎么定才不被吐槽、AI能力怎么落到业务里而不是停在Demo阶段。这套视频回放的定位，不是给你一条从零到一的学习路径，而是让你挑自己当下卡住的那一段，听已经踩过坑的人讲他们怎么处理的。如果你正处在“知道该学点什么、但不知道业界现在真正在怎么做”的状态，这批内容会比零散的博客和公众号文章更集中。
它更适合哪几种处境的人
不是所有人都需要看。如果你刚学完一门语言的基础语法，还写不出一个完整的服务，这些演讲会让你觉得“听懂了但用不上”。真正能从中拿到东西的，typically是这几类人：
- 已经在一线写业务代码两三年，开始对系统稳定性、性能边界有感觉，但缺少体系化判断标准的工程师；
- 带小团队或负责一块技术方向，需要向上面解释“为什么这么选型”“效能数据为什么这么算”的架构师或技术负责人；
- 正在做技术方案评审、事故复盘、架构升级这类具体工作，想看看别人的落地细节和取舍逻辑的人；
- 对AI工程化、可观测性、高可用架构等方向有模糊兴趣，但还没决定往哪个方向深挖的开发者。
如果你的日常工作是“把需求实现出来就结束”，很少碰到容量规划、链路治理、研发流程这类问题，那这套内容的优先级可以往后放。它解决的是“怎么做更好”，不是“怎么做出来”。
看的时候容易卡在哪
大会演讲有个天然问题：时间有限，讲者往往只讲结论和关键决策点，中间大量的背景、试错过程、失败方案会被压缩掉。如果你只是顺着视频往下看，很容易产生“他说得对，但我不知道回去该改什么”的感觉。建议的做法是带着一个自己手头的具体问题去看，比如“我们服务最近一次超时抖动到底该从哪查”“团队推了半年的代码评审为什么没效果”，听到相关段落时暂停，对照自己项目的现状做判断。不需要每场都看，挑三五场和你当下工作直接相关的，比刷完全部更有用。
另外，QCon的内容偏“现在进行时”，很多方案是特定业务规模下的选择。小团队直接照搬大厂做法，往往会把自己拖进复杂度里。看的时候留意讲者所在业务的量级和约束，判断哪些前提你并不具备。
看完之后，你应该能回答这几个问题
- 面对一次线上容量问题，你能列出先看哪几个指标、按什么顺序排查，而不是只知道“加机器”；
- 当有人提出一套新的架构或流程改进方案时，你能问出关键的约束条件和代价是什么；
- 对于AI能力落地，你能区分哪些场景适合直接调模型、哪些需要先解决数据和评估问题；
- 你能说清楚自己团队当前最该补的一个技术短板是什么，以及为什么是它。
如果看完后这些问题你依然答不上来，说明只是“看过”，没有真正把内容对接到自己的项目上。这套回放的价值不在于信息量，而在于它给了你一批真实场景下的决策样本，剩下的靠你自己去比对和试。
QCon北京2024
课程详情
课程标题：QCon北京2024
课程核心介绍：本课程为QCon北京2024全球软件开发大会的视频回放，汇集了业界顶尖专家的演讲内容，旨在为软件开发者提供前沿的技术分享和行业洞察。
适合人群：
- 软件开发工程师
- 软件架构师
- 技术经理
- 对软件开发感兴趣的从业者
学习收获：
- 了解最新的软件开发技术和趋势
- 学习业界最佳实践和解决方案
- 拓宽技术视野，提升个人能力
- 与行业专家交流，获取宝贵经验
课程亮点：
- 汇聚全球软件开发大会精彩内容
- 专家演讲，深度解析技术难题
- 涵盖多个技术领域，满足不同需求
- 高清视频回放，方便随时学习
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 2024 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
