- 综合排序
- 最热优先
- 最新优先
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(input_data) r.setex(key, CACHE_TTL, pickle.dumps(result)) return result 效能评估指标 AI 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
35110编辑于 2026-01-20AI原生组织（AI-Native Organization）
"业务先行、AI补丁"，原生是"AI即底座"。 **流量组合拳**：抖音、今日头条导流3. |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 **人均效率突破**：顶尖AI初创企业人均收入已达传统SaaS公司的数倍3. 》（2026年3月）报告生成时间：2026年5月18日
73810编辑于 2026-05-18- 来自专栏Java实战博客
3 Jedis原生方法 & Demo
Jedis是以Redis命令作为方法名使用的，使用比较方便，但是缺点是多线程情况下，会有线程安全问题。所以必须使用JedisPool线程池使用！
30220编辑于 2022-01-19 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
功能层面 智能是主要价值：核心功能依赖AI实现，去掉AI后价值大幅降低 持续学习能力：系统能够从用户交互和新数据中不断学习优化 个性化体验：基于AI为每个用户提供定制化的服务 3. 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。 至于我个人的想法就是至少在3~5年的时间都很难真正达到一个AI原生应用的这么一个理想的状态。
81320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。 目前云原生跟 AI 结合的一个比较好的学习样例是 Kubeflow，之前春节期间读了一本《Kubeflow for Machine Learning[3]》，感觉收获还是挺多的，如Istio，CRD的应用等
1K30发布于 2021-07-06 - 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。 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"。 3️⃣ 建好你的 AI 基础设施——上下文 这是大多数人忽略的关键。 AI 代码质量的天花板，不取决于模型多强，取决于你喂给它的上下文多好。 我们团队规模没变，但人的结构变了——以前 10 个人里 7 个写代码、3 个想方案；现在是 3 个写代码、7 个想方案。 总成本其实没降多少，省下的人力成本，又变成了 Token 费用。
15610编辑于 2026-05-26 - 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。 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 3.突破思维限制，创新于无解之题。不管是补人力还是补能力，这都是目前AI使用场景中较为常规的应用。未来随着技术的发展，许多从前无法做到的事现在都能实现，打破了我们的认知藩篱。
19510编辑于 2025-10-21 - 来自专栏devops运维先行者
云原生利器 -- Nexus3
1 Nexus3 简介 Nexus3 是一个统一的仓库系统，常见的有诸如apt、docker、maven2、npm、pypi、yum等repositories。 而Nexus3 就是这么一个平台，可以统一管理repositories仓库。这里文章介绍如何在k8s环境部署Nexus3，并快速使用，作为docker images 私有仓库。 2 K8s部署Nexus3 nexus-nm.yaml #创建namespace - nexus apiVersion: v1 kind: Namespace metadata: name: nexus 3 Nexus3使用 3.1 登陆 当我们首次登陆 nexus3.domain.com 的web界面的时候，需要输入admin的用户密码，这里需要通过查看nexus pods下面的/nexus-data 3.2 添加Docker repo 可以看到有个感叹号提醒，Nexus3建议至少使用4核CPU，这里使用2C，并无太大关系，如果有强迫症的同学可以增大CPU核数 >= 4C。
1.4K20编辑于 2022-06-01 AI原生云建设与加速指南
第一章：报告基础信息 报告标题：AI原生云建设与加速指南 发布机构：腾讯云计算（北京）有限责任公司 发布时间：未明确标注 行业标签：通用SaaS,技术服务 产品标签：#异构计算 #高性能计算集群HCC 报告旨在解析从Cloud for AI向AI Native Cloud转型的技术要求，为企业在AI原生时代构建全栈能力云平台提供架构指南。 第三章：报告目录 背景 从Cloud for AI到AI Native Cloud，云平台能力要求对比 新型AI云平台需要解决的挑战 为AI加速而生，腾讯云（AI Native Cloud）平台架构能力全景解析 核心发现3：工程工具层聚焦数据与开发效率 数据提效：腾讯云向量数据库通过一站式RAG方案，数据接入AI效率比传统方案提升10倍。 全栈能力：从基础设施（HCC集群、EdgeOne边缘平台）到应用层（数智人、智能客服），提供端到端AI原生云解决方案，支持公有云、专属云、本地化多态部署。
10610编辑于 2026-05-30在AI时代，如何去构建AI智能原生企业？
今天聊下AI原生企业。 对于原生这个概念，实际我在前面写过好几篇文章。比如云原生，数字原生，而且都做过详细的阐述和说明。同时在原来文章中也谈到。 从上面这个内容我个人感觉还是太技术化了，太强调AI技术的能力了，而忽视了企业本身的核心业务和价值链。包括将AI原生企业定义为一定是新创业的以AI技术为核心的企业才是AI原生企业。 既然谈原生，那么核心仍然是AI这个能力不应该是一个简单的舶来品，更多需要企业内部AI持续进化，不是说你购买一个AI大模型，上个AI Agent就是AI原生。 因此对于AI原生核心仍然是知识原生。 所以我也一直在强调，将AI技术作为企业原生是错误的，企业的AI原生更多应该是知识的原生，AI工具技术大模型只是技术支撑能力，技术为知识创造服务。
45610编辑于 2025-11-17- 来自专栏《Cloud Studio》
AI 原生时代新质软件研发
在 CSDN 1024 程序员节技术英雄会全体大会上，腾讯云开发者产品中心总经理刘毅进行了《AI 原生时代的新质软件开发》的主题演讲。 腾讯云也在程序员节上推出 AI 原生云时代超级“码”力工具箱，为开发者提供低门槛、高效率、支持多模态的系列开发工具，助力软件开发“增质提效”。 腾讯云“超级码力工具箱” 对外开放 推动软件开发“提质增效”，腾讯云今年还举办了 “TechoDay AI 原生云开发工具峰会”，推出 AI 原生云时代超级“码”力工具箱，为开发者提供低门槛的云开发、高效率的 在会上，多位腾讯云产品专家对外分享了上述产品的应用与实践，同时发布了“腾讯云 AI 代码助手产品推荐官计划”，邀请各位开发者体验腾讯云 AI 代码助手，一起拥抱 AI 时代，助力 AI 全自动开发+部署 在10月26日的“超级码工厂- AI 编程大赛”上，腾讯云 AI 代码助手也将亮相，助力开发者们发挥想象力，用 AI 代码助手快速搭建AI应用，见证 AI 原生时代的超级「码」力。
78300编辑于 2025-02-12 AI原生时代的超级【码】力
• 本报告旨在介绍腾讯云“超级码力工具箱”，通过低门槛的云开发、高效率的HAI、增质量的AI代码助手及多模态检索的向量数据库，解决AI原生开发中的具体痛点，助力软件开发的“增质提效”。 第三章：报告目录 01 趋势洞察：AI原生时代，AI助力新质软件开发 开发者如何与代码大模型共存? 场景实践：AI原生开发场景的具体痛点及解法 用腾讯云开发生成及运营商小程序 用高性能应用服务HAI 3分钟部署超级AI应用环境 用AI代码助手为编码场景“增质” 用腾讯云向量数据库实现RAG增强 04 用户测评：一线开发者在真实业务场景中的应用 云开发时代，前端程序员太幸福了 码农翻身 3分钟搭建AI应用？ • AI模型部署效率显著提升：高性能应用服务HAI实现3分钟部署AI超级应用环境。其存算分离架构支持关机不计费，持续关机15天内享有80GB免费存储额度，有效降低资源浪费。
10110编辑于 2026-05-30- 来自专栏深度学习与python
AI原生数据库的思考
对象存储是一种云中立的存储方案，所有的主流云平台都支持兼容 S3 接口的对象存储。 embedding，bge-m3，bge-large-zh-v1.5 等； Rerank 模型：之前使用 bge-rerank 居多，随着大模型的发展，qwen3-rerank 的效果经常更好； Generate 模型：国外的推荐 gpt 等模型，国内推荐 deepseek 和 qwen3 系列。 数据和模型也会深度融合，通过 AI Function 等技术在系统中直接处理无结构化数据，成为 AI 原生数据库。 为什么要做 AI 原生数据库 seekdb？ 因此，我们决定抛开历史包袱，正式立项 AI 原生数据库。 首先，需要给我们的 AI 原生数据库一个正式的名字。
59210编辑于 2025-12-24 - 来自专栏DBA随笔
云原生技术之kubernetes学习笔记(3)
Pod----虚拟机 容器----进程 1、k8s相当于物理机的操作系统，k8s管理Pod相当于物理机的操作系统管理虚拟机 2、Pod相当于虚拟机，Pod里面可能包含多个容器，对应于虚拟机中的很多进程 3、 3、凡是Pod中的容器要共享宿主机的Namespace，也一定是Pod级别的。 3、Succeeded，这个状态意味着所有的容器都启动完毕，并且已经退出。 4、Failed，这个很好理解，就是Pod中的容器至少有一个以非0状态退出，也就是异常退出了。 5、Unknow。
56210发布于 2021-03-30 - 来自专栏DBA随笔
云原生技术之docker学习笔记(3)
// 云原生技术之docker学习笔记(3) // 今天我们看看Dockerfile创建的方法。 2、执行一条指令，对容器作出修改 3、执行类似docker commit的操作，提交一个新的镜像层 4、Docker镜像再基于刚才提交的镜像运行一个容器 5、执行Dockerfile中的下一条指令，知道所有的容器指令都执行完成 3、Dockerfile构建缓存 当我们第一次构建的Dockerfile出现问题的时候，需要再次构建，这个时候会执行相同的指令，假设我们修改了Dockerfile中第4行的内容，那么Docker会自动将前 3行通过缓存的方式来进行加载，这会节省大量的时间。 B <missing> 7 weeks ago /bin/sh -c set -ex; key='A4A9406876FCBD3C
58310发布于 2021-01-12 - 来自专栏DotNet NB && CloudNative
使用C# 构建AI原生Agent应用
摘要： 随着人工智能的迅猛发展，AI 原生 Agent 应用架构成为构建智能系统的核心。本文聚焦于以 C# 构建 AI 原生 Agent，并整合 k8s 与 Dapr，搭建高效可扩展平台。 二、 构建AI原生Agent应用平台 2.1 C# 在AI原生Agent中的应用 C# 作为一种面向对象的编程语言，在AI原生Agent应用架构中发挥着重要作用。 C# 在AI原生Agent应用架构中发挥着举足轻重的作用。 k8s与Dapr的集成在AI原生Agent应用平台中发挥着举足轻重的作用。它们共同为构建一个高效、稳定、可扩展的AI原生Agent应用环境提供了强大的技术支持。 通过充分利用这些技术的优势，我们可以更好地满足AI原生Agent应用的复杂需求，推动AI技术的广泛应用和发展。
59920编辑于 2025-02-25 鸿蒙(HarmonyOS)原生AI能力之文本识别
鸿蒙原生AI能力之文本识别原生智能介绍在之前开发中，很多场景我们是通过调用云端的智能能力进行开发。例如文本识别、人脸识别等。 原生即指将一些能力直接集成在本地鸿蒙系统中，通过不同层次的AI能力开放，满足开发者的不同场景下的诉求，降低应用开发门槛，帮助开发者快速实现应用智能化有哪些原生智能能力基础视觉服务基础语音服务端侧模型部署端侧推理意图框架 , { isDirectionDetectionSupported: false }) this.text = res.value }}总结：今天猫林老师给大家分享了鸿蒙提供的原生 AI能力。
77310编辑于 2024-12-23- 来自专栏有文化的技术人
Kagent： 云原生下的AI智能体
Kagent 架构详解 ❝本文档阐述 Kagent 的云原生设计理念——将 Agent 定义为 Kubernetes CRD，使其成为集群的一等公民❞ 目录 1. CRD 设计的核心优势 3. 架构概览 4. Agent CRD 设计 5. 运行时架构 6. 配置映射流程 7. 完整请求流程 1. 这不是简单地"把 Agent 跑在 K8s 上"，而是深度融入 Kubernetes 的资源模型，让 Agent 天然具备云原生基础设施的所有能力。 AI Agent 框架，它将 Agent 定义为 Kubernetes CRD（Custom Resource Definition），让用户可以像管理 Deployment 一样管理 Agent。 读取关联的 ModelConfig CRD │ │ 3. 读取关联的 MCPServer CRD │ │ 4.
30110编辑于 2026-04-09 - 来自专栏CNCF
云原生AI平台的加速与实践
： ---- 前言：12月19日，在 Cloud Native Days China -云原生AI大数据专场,腾讯技术事业群高级工程师薛磊发表了《云原生AI平台的加速与实践》主题演讲。 ? 演讲主要包含五部分的内容： Kubernetes介绍 AI离线计算 AI场景下Kubernetes的不足 Kubeflow 星辰算力平台的架构 Kubernetes介绍 K8s是生产级的容器编排系统，它也是云原生应用最佳的一个平台 分布式AI计算 为什么要分布式AI计算？ 提供TensorFlow原生PS-worker架构 的多机训练 推荐将PS和worker一起启动 通过service做服务发现 在社区中最早期的Operator 星辰算力平台的架构 它为私有云的一个离线计算平台 Volcano能满足我们的需求有： 1）批量调度 多个Pod从属于同一个任务 保证调度或不调度 防止饿死场景 2） 任务优先级 高低优任务区别 高优任务保证启动时延 低优弹性任务不占额度 3）优化 拓扑调度
2.6K31发布于 2021-01-27 - 来自专栏喔家ArchiSelf
从互联网到AI 原生网络
分层抽象原则 互联网有分层架构，其中每一层都有明确的角色，从物理层 (第 1 层) ，MAC/LLC 层 (第 2 层) ，到 IP 路由 (第 3 层) 到应用程序，它们之间有稳定的接口。 人工智能原生网络通过预测、生成、Agent、语义和物理能力将智能嵌入到网络中。 这些网络架构是累积的，而不是连续的。每一个都建立在上一个的基础上：AI原生系统继续依赖于分组交换网络和云原生编排。 3. IP原生网络： 从电路到数据包再到可编程结构 IP原生网络，通过标准化语法、定义系统如何跨异构媒体通信奠定了基础。云原生架构后来标准化了业务流程，协调了计算、存储和连接性如何一起伸缩。 AI原生网络： 作为认知网格的Agent 通过将认知嵌入到架构本身，AI原生网络架构构建在云原生系统的可编程性和弹性之上。 ，AI原生网络实现了闭环自治： 跨层次和跨领域的感知、预测、推理和行动。
45730编辑于 2025-12-24
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