- 综合排序
- 最热优先
- 最新优先
- 来自专栏喇叭的学堂
2、原生AJAX
创建对象 XMLHttpRequest 对象用于在后台与服务器交换数据 const xhr = new XMLHttpRequest(); //2. 初始化 设置请求方法和 url // 1）请求方式 2）请求地址 xhr.open('GET', 'http://127.0.0.1:8000/server （2开头的）成功 if (xhr.status >= 200 && xhr.status < 300) { // 创建对象 const xhr = new XMLHttpRequest(); //2. 设置【2秒没有结果，把请求做一个取消】 xhr.timeout = 2000; // 2、超时回调 取消请求后，做一个回调提示
98110编辑于 2024-03-11 AI原生开发范式
AI原生开发范式的核心概念 AI原生开发范式（AI-Native Development）指以AI为核心构建应用程序的设计方法，其特点包括数据驱动、模型即服务（MaaS）、自动化工作流和持续学习。 与传统开发相比，AI原生应用将机器学习模型作为基础组件，而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程，实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台，整合多种医学影像模型（CT、MRI）。 model.predict_one(x) metric.update(y, y_pred) model.learn_one(x, y) print(f"Accuracy: {metric.get():.2f 原生系统需监控多维指标： 模型指标：AUC-ROC、F1 Score、推理延迟 系统指标：QPS、错误率、资源利用率 业务指标：转化率、用户留存、ROI 监控看板应包含实时数据和历史趋势对比，设置自动告警阈值
50010编辑于 2026-01-20- 来自专栏深圳架构师同盟
从数字化到AI原生，到底什么是AI原生？
最近一年被问得最多的一个问题是：什么是AI原生？很多企业说自己要做AI原生，我问他们打算怎么做，答案往往是"我们准备上一个大模型，把系统都接上AI能力"。 所以我一直说，那些把传统IT系统改造集成AI大模型能力后叫AI原生是相当错误的说法。你给一个跑了十年的ERP加个AI知识库、加个智能报表、加个图像识别，这叫AI赋能或AI集成，不叫AI原生。 三、AI原生的真实分界线：模型原生 + 知识原生 + 价值原生我认为一个系统要称得上AI原生，得同时满足三件事：AI原生 = 大模型原生 + 知识原生 + 价值原生。 这个才是构建AI原生企业的关键。回到最开始那个问题：从数字化到AI原生，到底什么是AI原生？ （AI原生=模型原生+知识原生+价值原生）》《在AI时代，如何去构建AI智能原生企业？》
5110编辑于 2026-10-05 中国 CRM 从“+AI” 走到 “AI原生”
国内 B2B CRM 正从"外挂 AI 辅助功能"向AI 原生架构（AI-Native CRM）演进。 当各家CRM厂商纷纷打出"真原生，非外挂""Agentic CRM""智能体平台"的旗号，CIO最该问的不是"你们有没有AI"，而是——你们的AI 是 CRM 原生内置的大脑，还是点缀功能的挂件？ 3.0 Agentic CRM（AI原生智能）：AI驱动的智能型CRM，具备自主决策与行动能力，通过交互、数据、能力、可信四层落地，实现智能化客户运营。 二、AI 原生 CRM 的核心特征 产品架构 纷享销客 采用数据底座层、AgentOS内核层和Agent服务层三层自上而下一体化原生架构，实现能协同工作、会持续进化的核心能力。 原生CRM市场，核心价值不在于AI技术的炫技式展示，而在于将AI能力以可治理、可追溯、可持续进化的方式嵌入CRM业务全链路。
27110编辑于 2026-07-31AI原生组织（AI-Native Organization）
"业务先行、AI补丁"，原生是"AI即底座"。 工具，无组织规划|大多数传统企业起点||**L2**|局部应用|AI嵌入特定业务环节，效率提升|部分AI工具使用||**L3**|规模推广|跨部门AI应用，组织协调增强|AI应用增多但割裂||**L4* *|深度融合|业务流程与AI深度整合，数据闭环|初步AI原生||**L5**|AI原生|组织架构建立在AI之上，智能演化|真正的AI原生组织|###4.2转型核心步骤Step1:顶层设计├──设立CAIO （首席智能官）├──成立AI决策委员会└──明确AI战略定位Step2:组织适配├──重构汇报结构├──设立AI联合舰队└──明确一线业务角色Step3:能力下沉├──组建跨部门AI团队├──建立AI ——何恩培----##七、未来展望###7.1AI-Native时代趋势1.**智能密度导向**：最强公司不是人多，而是模型强、反馈快、学习速度高2.
3.1K10编辑于 2026-05-18如何构建AI原生应用？从大模型到知识中台，从数据到规则逻辑。AI原生=模型原生+知识原生+价值原生
今天继续聊AI和大模型方面的话题。即什么是AI原生，如何构建一个真正意义上的AI原生系统？ 对于这个问题，我们先看下AI大模型自己给出的答案。 架构层面 AI优先设计：架构围绕AI模型的训练、推理和持续学习来设计 数据驱动核心：数据流和AI模型是系统的中枢，而非辅助组件 动态适应性：系统能够根据AI模型的输出自动调整行为和决策 2. AI原生-大模型原生+知识原生+价值原生 一个系统能够称之为叫AI原生系统呢？这里面核心的一个关键就是整个系统核心的能力是架构在底层的AI大模型和底层的知识层上面的。 你如果满足这么一个条件，那你们做一个系统就可以叫做AI原生系统。 我原来谈AI原生的时候谈到过，AI原生核心是知识原生，为何你当前企业有数据库数据，有资料文档，不能快速的构建AI原生应用？ 注意这个说法只解决了AI原生应用的大模型原生问题，并没有解决知识原生的问题。如果按这个说法所有的AI智能体应用都是AI原生应用，但是我的理解，AI原生应用的核心重点应该是在知识原生上面。
1.2K20编辑于 2025-11-17- 来自专栏阿泽的学习笔记
云原生与AI漫谈
对于系统开发人员来说（比如云数据库，云 AI 平台），云原生的趋势也会产生相应的影响。 具体的例子比如我们可以通过用户的数据查询看到经常使用的过滤维度，来重新安排数据的排序和分区，这样在同样的数据量情况下，系统可以花更少的计算资源来完成查询，增加系统的利润 :) 云原生+AI 最后再来看下跟 AI 相关的部分。 而前面讲的“云原生语言”，则更关注在程序具体执行层面的关注点分离。 把两者结合起来看，云原生时代的 AI 平台开发会是一片巨大的未开垦之地，对于云和算法各自都有很宽很长的路可以走。 通过算法来做自动的代码优化[2]等。 多租户情况下的联邦学习，多任务/元学习的可能性。
1.1K30发布于 2021-07-06 - 来自专栏腾讯专有云
从云原生演进到云原生 AI：TCS AI infra解决方案
需求变革：从"云原生"到"云原生 AI"的范式转移 云原生为AI业务创新提供强大动力，已成为企业数字化转型的共识。 CNCF 在 2024 年发布首份《云原生 AI 白皮书》，正式确立“云原生 AI（CNAI）”这一范式：用云原生原则构建和部署 AI 应用，在资源效率与开发部署效率上双向赋能。 ；与此同时，新建的标准 MCP 服务缺乏统一管理平台，工具注册散落在各个团队内部，AI 应用难以按需获取企业级的工具供给；此外，随着 Agent 应用场景的深化，Agent 之间需要通过 A2A（Agent-to-Agent 对于需要跨 Agent 协作的场景，支持 A2A 协议服务注册与管理，实现 Agent 间的服务发现、任务分发与状态同步。 闭环持续进化：通过用户反馈驱动优秀案例回录知识库，结合 E2E 自动化评估，实现诊断准确率的自我进化。
40800编辑于 2026-07-10 - 来自专栏架构师北京同盟
AI藤壶：满身AI不等于AI原生
我们把这种现象称为“AI 藤壶”。 虽然应用AI 越来越多，但并不意味着企业越来越“AI 原生”。 在我们近期开展的企业 AI 应用调研中，约69%的受访组织已经形成正式或初步的 AI 战略，约56%已经进入多场景推广及以上阶段，但明确表示 AI 已进入业务系统或标准流程的企业只有约17%。 我把“AI藤壶”这个观点交给 AI，它给了我这样一幅图： 我们把这戏称为“AI 藤壶（AI Barnacle）”。 因此，企业最自然的选择往往是：组织不动，继续加 AI。 问题也就出在这里。企业规划 AI 时，不能一直问“这里能不能加一个 AI？”，而应该开始问“有了 AI，这里还有没有必要存在？” 真正的 AI 转型，不是让旧组织的每一个角落都长出 AI，而是借助 AI 重新设计组织。 否则，企业得到的可能不是一个 AI 原生组织，而是一艘长满 AI 藤壶的旧船。
16521编辑于 2026-09-09 - 来自专栏九旬大爷
# koa2 原生路由实现
# koa2 原生路由实现 # 简单例子 const Koa = require('koa') const app = new Koa() app.use( async ( ctx ) => { # 定制化的路由 demo源码 https://github.com/ChenShenhai/koa2-note/tree/master/demo/route-simpleopen in new window else { resolve( data ) } }) }) } /** * 根据URL获取HTML内容 * @param {string} url koa2上下文的
49420编辑于 2023-10-19 - 来自专栏世民谈云计算
AWS 15年（2）：云原生兴起
AWS这15年，是云原生服务从无到有再到基本成熟的15年，是云原生应用兴起的15年，是云原生业务和云原生企业新生的15年。 一、什么是云原生？ 目前业界对什么是云原生尚未形成统一的认识。 笔者认为，云原生是一个包括五层的整体体系，如下图所示。 该体系具有以下内容和特征： 1、包括公有云平台、云原生服务、云原生应用、云原生业务和云原生企业等五层。 2、公有云是云原生体系的基座，云原生体系根植和生长于公有云平台之上。 3、云原生服务是公有云上提供的服务，来源包括云厂商和第三方。各大公有云已形成了较为整体的云服务体系。 5、云原生业务，是指运行在公有云之上的、7*24在线的、数据驱动的新型业务。 6、云原生企业，是指大部分业务为云原生业务的企业。 二、AWS：全球最大的公有云平台，提供最全面的云原生服务 AWS于2006年正式推出，最开始提供对象存储服务S3和虚拟机服务EC2。
1K20编辑于 2022-03-16 WSL2 将会取代原生 Linux？
WSL2 将会取代原生 Linux？ 这个疑问产生于最近 WSL2 的一次重要升级更新之后。 模拟） 文件 I/O 快 3-5 倍（原生 Linux 文件系统） 系统调用兼容性 部分兼容（约 30%） 几乎完全兼容（支持所有标准 Linux 系统调用） 内存占用 较低 较高（但可动态调整） 启动速度 /11 系统开发的，有了它，用户就可以直接在 Win10/11 这两个系统上直接运行原生的 Linux 二进制文件，WSL2 它是 WSL 的升级版，有着较为轻量化的虚拟机架构，能显著提高其性能与兼容性 这次升级标志着 WSL2 从“定制兼容方案”向“接近原生 Linux”路线迈进。 在进一步提升性能、功能与硬件支持的同时，还简化了内核结构，大大降低了用户的维护成本。 结语 此次 WSL2 内核升级至 Linux 6.18 LTS，绝不是简单的换个版本号而已。 可以说是，它标志着 WSL2 已从过去的“高度定制化”的路线，逐渐走向“更接近原生Linux”的大道上。
81610编辑于 2026-05-06- 来自专栏蟋蟀得不像专家派
如何构建 AI 原生技术团队
工具只是皮，真正的AI原生团队，是从组织基因层面被重构的。 今天不讲虚的，就讲我们这一年干了什么，怎么干的，效果怎么样。 一、撕掉标签：什么叫"AI原生"？ 大部分人理解的AI原生 = AI用得很熟。 我们理解的AI原生 = AI已经渗透到组织的毛细血管里。 坑 #2：AI 写代码爽，改 BUG 更爽？ 这是最大的误区——AI 写的代码又快又多，但如果没有 Spec 约束，可维护性是灾难。 2️⃣ 从种子用户开始，别搞全员运动 找2-3个对AI有兴趣的人，给最好支持、给最大曝光，让他们成为"效果样本"。 事实就是：同样的团队规模、同样的业务复杂度，AI 原生团队和非 AI 原生团队的产出差距已经拉开了 40% 以上。 这个差距只会越来越大。
52310编辑于 2026-05-26 企业AI战略的演变：从AI就绪到AI原生(AI Native)
所以这一阶段的AI应用还是有很多局限的，所以需要进一步变革思维，释放AI更大的价值 2 "AI就绪"阶段的主要挑战 价值不明确：Forrester研究显示，68%的企业无法准确衡量AI项目投资回报率 技术与业务脱节 《生成式AI服务安全基本要求》等法规出台，为企业AI应用提供明确指引 产业政策支持：各地政府设立AI创新基金，支持AI原生企业发展 2 技术成熟的临界点 2025年，AI技术达到规模化应用的临界点： 模型能力跃升 也是催生企业AI应用走向“AI原生” 那么什么是"AI原生"企业？他有什么核心特征呢？又有什么价值呢？下面我们一起来看看。 2 "AI原生"五大核心特征 AI作为核心驱动力：AI不是附加功能，而是产品的"灵魂"，核心功能和用户体验从设计之初就由AI深度驱动 敏捷开发迭代：基于数据反馈快速迭代，形成"数据-洞察-行动-新数据" 的闭环 新商业模式：从根本上重塑了价值创造、交付和获取的方式，而非现有业态的"AI+"升级 人机高效协作：AI与人类协同工作，各自发挥优势，形成1+1>2的效果 爆发式增长：通过AI赋能，实现远超行业平均水平的增长速度
40610编辑于 2026-07-01- 来自专栏CNCF
原生Kubernetes监控功能详解-Part2
Deployment metadata: name: readiness-demo spec: selector: matchLabels: app: nginx replicas: 2 当被请求时，第一个将显示1作为响应，第二个将显示2作为响应。 下面将特定pod名称替换为计算机上部署创建的pod名称： ? Deployment metadata: name: liveness-demo spec: selector: matchLabels: app: nginx replicas: 2 然后，我们可以检查pod，并像上面一样修改默认的Nginx页面以使用简单的1或2来表示响应。 首先，找到Nginx部署给pod的名称： ? 接下来，使用数字标识符替换每个pod中的默认索引页： ? 如果我们通过我们的服务请求页面，我们将从第二个pod中看到正确的响应，即修改后的标识符“2”。然而，刚创建的pod将从容器镜像返回了默认的Nginx页面： ? ?
99510发布于 2019-12-05 - 来自专栏技术那些事
云原生第2课：云原生技术体系中的基石-容器技术
本篇文章来自《华为云云原生王者之路训练营》黄金系列课程第2课，由华为云容器技术专家Jarvis Zhou主讲，帮助大家了解容器技术的发展历程；对容器镜像有初步的了解，并能编写简单的Dockerfile； 用户可以通过界面、社区CLI和原生API上传、下载和管理容器镜像。 Demo内容：Weather Forecast是一款查询城市的天气信息的应用示例 1）构建镜像 2）推送镜像到swr保存，用于下次实验 Docker build命令参数详细 新兴的镜像构建工具
84600发布于 2021-11-22 - 来自专栏数据猿
从+AI到AI+，我们离AI原生还有多远？
可真正接入后，却发现不是这么回事，企业应用AI的实际场景十分复杂，简单的接AI无法真正提高效率。同时，目前AI本身也存在着幻觉频发等问题，如果AI不是一剂见效的灵丹妙药，我们又该如何看待它？ 在企业接入AI的场景中，目前大部分企业以“+AI”为主，运用AI优化自己本身的业务模式，这是量变；“AI+”则是未来以AI本身作为驱动的更高阶状态，属于质变。 2.补能力之不足。将人不具备或不够好的能力借助AI、智能体等快速补足，这里涉及到+AI与AI+的问题。 过去我们靠工程师来绘图，用+AI的思维，我们可能会让AI提供设计思路或设计参考，工程师来完成绘制；如果站在全新的AI+场景，AI是不是可以直接完成这个任务，把需求提交给AI，直接通过AI完成文生设计，将大大降低人的负荷 东海大学教授、前沿数智创新研究院院长周忠信在创想会上提到：Because AI, Become AI.第一个AI是人工智能，第二个AI是augmented intelligence。
27210编辑于 2025-10-21 - 来自专栏亨利笔记
直播回放：Harbor助你玩转云原生（2）
题图摄于巴塞罗那港 接上期：直播回放：Harbor助你玩转云原生（1） 受 GoCN 社区的邀请，Harbor 开源项目维护者邹佳在近期 GoCN 开源说第七期上做了直播：Harbor助你玩转云原生 《Harbor权威指南》是第一本全面介绍 Harbor 云原生制品仓库的书籍，由 Harbor 开源项目维护者和贡献者倾力撰写，其中不乏 Harbor 项目的创始成员，甚至 Harbor 原型代码的设计者和编写者 ---- 要想了解云原生、机器学习和区块链等技术原理，请立即长按以下二维码，关注本公众号亨利笔记 （ henglibiji )，以免错过更新。
70120编辑于 2023-04-04 - 来自专栏DBA随笔
云原生技术之kubernetes学习笔记(2)
对于 Pod 里的容器 A 和容器 B 来说： 1、它们可以直接使用 localhost 进行通信； 2、它们看到的网络设备跟 Infra 容器看到的完全一样； 3、一个 Pod 只有一个 IP 地址，
60530发布于 2021-03-30 - 来自专栏希里安
云原生之路：Kubernetes官方文档学习-2
--oschina 2、OpenAI 宣布为 ChatGPT 推出了名为 “朗读”（ ReadAloud）的新功能。不仅支持 37 种语言，5种声音、还可以自动检测文本语言并进行朗读。
1.1K10编辑于 2024-03-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号