龙年了，一起用Compose来画龙头吧 | 掘金一周 1.24

本文字数 1800+ ，阅读时间大约需要 6分钟。

【掘金一周】本期亮点：

• JSPDF + html2canvas A4分页截断
• Rust性能很高？不，它完全顶不住我的代码
• 一个诡异的 200ms 延迟问题排查过程
• 深度解析：大对象分配引发的GC问题案例研究
• AI解读视频张口就来？这种「幻觉」难题Vista-LLaMA给解决了
• RAG 进阶 半结构化数据
• 龙年了，一起用Compose来画龙头吧
• 【长文】记一次个人 Android 项目全量迁移至 KMP 跨平台的过程

「上榜规则」：文章发布时间在本期「掘金一周」发布时间的前一周内；且符合各个栏目的内容定位和要求。 如发现文章有抄袭、洗稿等违反社区规则的行为，将取消当期及后续上榜资格。

一周“金”选

内容评审们会在过去的一周内对社区深度技术好文进行挖掘和筛选，优质的技术文章有机会出现在下方榜单中，排名不分先后。

前端

JSPDF + html2canvas A4分页截断 @古茗前端团队

古茗前端团队经过技术调研，通过使用html2canvas提供的方法，将页面元素转为base64图片流，然后将其插入jspdf插件中，实现保存并下载pdf。由于网上关于分页截断的解决思路比较少，所以特意将此次的解决方案记录下来。

Rust性能很高？不，它完全顶不住我的代码 @ 聪聪正在递归下降

本文将详细介绍如何利用 Instruments 对 Rust 应用进行 CPU/时间性能分析，要发挥 Rust 的最佳性能，还需要深刻理解它的特性。Rust 确实是一个功能强大的工具，但释放它的全部潜力，同样需要我们的持续学习和实践。

后端

一个诡异的 200ms 延迟问题排查过程 @yaxin

最近生产环境 Nginx 遇到了部分请求延迟增加200ms的情况，深入排查解决后觉得挺有意义的（包括排查过程），所以这里记录分享一下。

KubeCon | 使用 KubeRay 和 Kueue 在 Kubernetes 中托管 Ray 工作负载 @字节跳动技术团队

本文将从 Ray 为何得到 AI 研究者们的青睐，在字节如何使用 KubeRay 来托管 Ray 应用，Kueue 如何管理和调度 RayJob 三个方面进行介绍。

深度解析：大对象分配引发的GC问题案例研究 @货拉拉技术

本文旨在以第一视角，分享有限条件下综合使用多种工具、结合源码、官方文档等资料，深度排查问题原因、理解问题发生的背后原理，并最终还原问题发生过程的有趣经历。

Android

龙年了，一起用Compose来画龙头吧 @Coffeeee

本文作者前前后后总共花了将近两个月的时间，用Compose画出龙头，欢迎大家一起来观赏！

【长文】记一次个人 Android 项目全量迁移至 KMP 跨平台的过程@FunnySaltyFish

从 2023 年 10 月 23 日起，本文作者开始将这个项目从纯 Android 项目迁移至 Compose 跨平台。这篇文章记录了此次迁移的部分过程。

人工智能

AI解读视频张口就来？这种「幻觉」难题Vista-LLaMA给解决了 @字节跳动技术团队

字节跳动联合浙江大学提出了能够输出可靠视频描述的多模态大语言模型 Vista-LLaMA。Vista-LLaMA 专门针对视频内容的复杂性设计，能够有效地将视频帧转换为准确的语言描述，从而极大地提高了视频内容分析和生成的质量。

LangChain实战：老喻干货店社交网络Agent一
@旅梦开发团

在了解LangChain各个模块后，我打算用它来实战一下。最好的方式就是在自己熟悉的业务场景中，使用LangChain和LLM，来开发一款效率工具。本文将带你了解我是如何开发一个社交网络工具的。

RAG 进阶 半结构化数据 @旅梦开发团

我在LlamaIndex和LangChain框架学习中，都有玩过RAG，RAG是一种自然语言处理技术，它将检索（向量数据库）和生成式人工智能模型的能力，有效提高信息检索质量，我们称之为检索增强生成技术。本文和你一起了解学习RAG。

AI时代每个程序员都应该了解 GPU 基础知识 @xuejianxinokok

大多数程序员对 CPU 和顺序编程都有深入的了解，因为他们是在为 CPU 编写代码的过程中长大的，但许多程序员不太熟悉 GPU 的内部工作原理以及它们如此特别的原因。在过去的十年中，GPU 由于在深度学习中的广泛使用而变得异常重要。如今，每个软件工程师都必须对其工作方式有基本的了解。我写这篇文章的目的是为您提供一些基础知识。

AI标注神器 X-AnyLabeling-v2.3.0 发布！支持YOLOv8旋转目标检测、EdgeSAM、RTMO等热门模型！ @ CVHub

今天主要为大家详细介绍 X-AnyLabeling v2.3.0 版本近期更新的一些功能和新特性，同时也借此机会分享下这半年多下来的开源心路历程。

生成学习全景：从基础理论到GANs技术实战@techlead_krischang

本文全面探讨了生成学习的理论与实践，包括对生成学习与判别学习的比较、详细解析GANs、VAEs及自回归模型的工作原理与结构，并通过实战案例展示了GAN模型在PyTorch中的实现。

Stable Diffusion原理详解（附代码实现） @ZackSock

本文我们将介绍Stable Diffusion的整体架构，分解每个部件，最后借助Diffusers模块实现AI绘画。

社区活动日历

活动日历

📖 投稿专区

大家可以在评论区推荐认为不错的文章，并附上链接和推荐理由，有机会登上下一期。文章创建日期必须在下期掘金一周发布前一周以内；可以推荐自己的文章、也可以推荐他人的文章。

原文链接：https://juejin.cn/post/7327284192646332470 作者：掘金一周