- 综合排序
- 最热优先
- 最新优先
AI工程化项目实战营
当我们惊叹于ChatGPT的对话能力或Midjourney的创造力时，我们看到的是AI模型的“华丽殿堂”。然而，支撑这座殿堂巍然屹立的，是深埋于地下的、坚固的“地基”——这便是AI基础设施与运维。 Kubernetes： AI基础设施的操作系统。它的核心技能包括：编排与调度： 智能地将AI任务（如训练Job、推理服务）调度到最合适的节点上，考虑资源需求、亲和性等。 三、 数据与特征工程基础设施“垃圾进，垃圾出”在规模化AI中会被无限放大。这一层确保流入模型的是高质量、一致的“燃料”。1. 特征平台这是工程化与科研的核心分水岭。 “有没有”的问题解决“能不能用好”、“是否划算”、“是否可靠”的问题结论：在AI大规模落地的今天，对基础设施与运维技能的深度理解，是区分一个AI项目能否从“实验室的玩具”进化为“生产的核心”的关键。 构建这套基石能力，不仅需要技术广度，更需要将软件工程、数据工程和运维文化的精髓，深度融合到AI的每一个生命周期之中。这，正是AI工程化的终极奥义。
75410编辑于 2025-11-06- 来自专栏IT技术圈
习题2-2 阶梯电价 (15分)
为了提倡居民节约用电，某省电力公司执行“阶梯电价”，安装一户一表的居民用户电价分为两个“阶梯”：月用电量50千瓦时（含50千瓦时）以内的，电价为0.53元/千瓦时；超过50千瓦时的，超出部分的用电量，电价上调0.05元/千瓦时。请编写程序计算电费。
3.3K10发布于 2021-04-01 - 来自专栏AI机器学习与深度学习算法
学习分类 2-2 内积
对于分类问题，我们不再像回归问题那样，找出直线的斜率和截距。为了方便理解，将拥有一个特征的回归问题所绘制的图示和拥有两个特征的分类问题绘制的图示进行对比。
59810编辑于 2022-11-08 AI 工程化项目实战营（完结）
AI工程化项目介绍与适合人群一、什么是AI工程化？AI工程化是指将AI模型从实验原型转化为生产级系统的一系列工程实践，涵盖整个AI应用生命周期。 核心范畴┌─────────────────────────────────────────────────┐│ AI工程化全景图 工程化项目类型1. 功能的工程化落地高级（5年+） 优势发挥区方向：架构设计、团队规范、成本优化、治理框架预期产出：搭建ML平台或确立工程化标准四、能力矩阵要求硬技能必备 ████████████░░░░░░├─ Python 工程工具链半年一更新五、学习路线图阶段一：基础工程化（2-3个月）# 实践项目：模型API服务1.
39410编辑于 2026-04-27- 来自专栏小巫技术博客
第11期·AI 工程化实践
每日AI知识点 · 第11期 ⚙️ AI 工程化实践 从 Demo 到生产系统的关键一跳 可靠性 ️ 可观测性 ️ 安全性 可扩展性 可维护性 ⚙️ 为什么需要 AI 工程化？ AI 工程化就是把 AI 应用从"能用"变成"好用、稳用、安全用"的系统工程，核心是解决五大挑战： Demo 阶段 ✗ 偶尔失败没关系 ✗ 不需要考虑安全 ✗ 但一到大促流量高峰，AI API 偶尔超时，系统没有降级处理，导致整个客服页面白屏。工程化的目标就是让这类问题不再发生。 ，才能让 AI 真正创造价值 ⚙️ 可靠性 · 重试熔断降级 ️ 可观测性 · 日志监控追踪 ️ 安全性 · 防注入过滤 ⚡ 扩展性 · 多模型路由 你在 AI 工程化中踩过哪些坑？
43910编辑于 2026-04-13 AI工程化大势所趋-AI大模型+MCP协议生态加速工程化进程
大家好，我是人月聊IT，今天接着聊AI和大模型方面的话题。 我把它叫做 AI 工程化。因为前面我聊了很多关于 AI 的话题，都是在讲 AI 怎么样辅助编程，这个本质是面向开发人员的。 但是今天我想提一个重要观点，就是到了 AI 时代每个人都应该去考虑 AI 工程化这个话题，或者叫 AI 工程化不太准确，应该叫工程化 AI，就是怎么样将你个人的工作 AI 化。 类似AI辅助，很多人都在用，但是个人精力并没有被完全解放出来，你还是不断地在跟 AI 对话，去跟 AI 调优，或者是不断地去让 AI 修订完善你的内容，你的整个时间精力并没有完全解脱出来。 包括我前面讲到的怎么样从 AI 智能体变到代理型 AI 这么一个关键的变化，实际上你没有去思考这个问题。 包括现在大部分的企业其实都在推 AI，我们叫做全员推 AI。 高层的管理者管理团队其实对这个事情他是不清楚的，他怎么可能出一个大一统的 AI 工具给所有人用呢？ 所以基于这个思路，我们再展开来谈。当我们再谈 AI 工程化的时候，有几个关键点。
38410编辑于 2025-07-24- 来自专栏Hank’s Blog
2-2 R语言基础 向量
> x <- vector("character",length=10) > x1 <- 1:4 > x2 <- c(1,2,3,4) > x3 <- c(TRUE,10,"a") #如果给向量赋值时元素类型不一致，R就会强制转换，将他们变为同一类型 > x4 <- c("a","b","c","d")
79110发布于 2020-09-16 AI Agent 工程化转向可观测执行
本文整理自「AI不是玄学」技术专栏内容，面向正在把AIAgent接入真实业务系统的开发者。重点不放在概念热度，而放在工程落地时必须回答的三个问题：任务怎么执行、过程怎么观测、失败怎么接管。 这是一条更工程化的分界线。早期AgentDemo往往只要展示出工具调用、联网搜索、代码生成，就能说明能力存在。但进入生产环境后，团队真正关心的是另一组问题：Agent为什么选择这个工具？ 记录被调用的工具input_schema保存结构化入参output_summary保存工具返回摘要status标识运行、成功、失败、等待确认operator_action记录人工确认或驳回这也是Agent工程化的第一步 校验通过率失败恢复能力注入API超时、权限拒绝、空结果人工接管质量看接管页面是否包含足够上下文可回放能力不重新执行任务，也能还原决策过程如果一个Agent只能在顺风场景里跑通，不能解释失败，它就还没有进入工程化阶段 错误权限边界工具访问经过代理或白名单失败处理至少区分参数错误、权限错误、工具错误人工接管高风险动作可暂停、确认、驳回任务回放不重新执行也能复盘过程评估集有真实任务样本和失败样本文档输入OCR/解析结果保留来源和置信度Agent工程化不是给模型多接几个工具
28410编辑于 2026-05-25- 来自专栏音视频技术
从神话到落地——AI工程化浅谈
超级AI，奇点理论，其实就是一种神话。 无论是DeepMind的哈撒斯比，还是BAT的普通程序员，都知道自己正在开发的AI，和超级AI扯不上一点关系。 为什么说我们现在的AI不是超级AI 从事AI开发的人都知道，现在的AI还没有自主学习的能力。算法都是工程师设定好的，AI只是在执行一种程序。与其说是AI在学习，不如说是算法工程师在学习更合适。 其次，从目前的状态来说，超级AI还很远。超级AI的神话总是和永生，和人造生命一同绑定。某种意义上来说这是同一个问题。 如果人类意识到不加限制的超级AI会带来威胁，那么超级AI从开发到使用就必然受到一系列限制，超级AI仍旧只会是一种工具，不会发展出无限智力。 因此，实际上目前的AI并不是影视文学作品中的那种超级AI，也不是很多人心中神话了的AI。目前不是，甚至20年、30年之后也差得很远。 那么目前的AI究竟是个什么状态，短期的发展会如何?
91710发布于 2021-09-01 - 来自专栏波波烤鸭
2-2 SPU和SKU详解及MyBatisPlus自动生成
2-2 SPU和SKU详解 商城系统中的商品信息肯定避免不了SPU和SKU这两个概念，本节就给大家详细介绍下这块的内容 1、掌握SKU和SPU关系 SPU = Standard Product Unit
3.2K41发布于 2021-01-21 - 来自专栏刷题笔记
2-2 学生成绩链表处理 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101169860 2-2 学生成绩链表处理 (20 分) 本题要求实现两个函数，一个将输入的学生成绩组织成单向链表
1.6K20发布于 2019-11-08 - 来自专栏mysql
hhdb数据库介绍(2-2)
HHDB Server在计算节点、数据节点、配置库等层次提供全面的高可用保障。提供完善的心跳检测、故障切换对存储节点同步追平判断、全局自增序列在故障时自动跳号、客户端连接Hold等机制，保障数据服务的可用性与数据的一致性。
22710编辑于 2024-11-28 - 来自专栏FunTester
拒绝拍脑袋，AI 测试的工程化实践
把这些真实输入作为测试和回放的数据源，让 AI 重新回答一遍，看看表现如何。相当于让 AI 做一次模拟考试，题目都是真题。 AI 可以处理逻辑，但很难理解人情世故。就像 AI 能下围棋，但很难判断一句话是真心还是讽刺。 人是最后一道保险 在成熟的 AI 测试体系中，通常会保留这些人工干预环节。 从用 AI 做测试，到测试 AI 本身 有趣的是，在这个 AI 测试的世界里，AI 不只是那个被咱们审问的对象，同时也正在悄悄成为咱们的测试伙伴。就像武侠小说里师徒二人互相切磋，互相提升。 用 AI 生成测试输入 相比人工绞尽脑汁写用例，AI 在生成测试输入方面简直是天赋异禀。 罗马不是一天建成的，AI 测试体系也不可能一蹴而就。 小结 AI 测试的工程化落地，可不是简单地换几套工具或者学几个新框架这么轻松的事儿。它是一场彻头彻尾的思维革命和工程实践的全面升级。
11810编辑于 2026-06-17 AI Agent 工程化构建与行业发展判断
一、AI Agent 培训流程的工程化落地逻辑从各行业落地实践来看，AI Agent 的核心价值是解决动态、复杂的业务问题，但不少团队因缺乏系统化工程流程，导致 Agent 在真实场景中表现不稳定。 AI Agent 培训流程本质上是一套从需求到落地的闭环工程体系，需围绕业务约束、能力构建、迭代优化三个核心环节展开：1. 任务边界与环境约束的精准定义这是工程化的起点，绝非 “拍脑袋” 的目标设定。 二、AI Agent 职业路线的行业判断与能力要求从行业落地的趋势来看，AI Agent 职业路线正在从通用 AI 技术栈中分化，形成一条聚焦于复杂系统构建的技术路径，其核心是解决 “技术与业务深度融合 这种分化是基于工程化落地的需求，而非概念炒作，将推动 AI Agent 领域的专业化发展。 从工程视角看，当前的重点是完善 AI Agent 培训流程的工程化标准，提升 Agent 的可靠性与适配性；从职业发展看，AI Agent 职业路线将成为技术从业者的重要方向之一，其核心竞争力是解决复杂问题的综合工程素养
33510编辑于 2026-01-31Eino：面向 Go 生态的工程化 AI Agent 框架
当下的 AI 应用浪潮中，一个显著的趋势正从单纯“接入大模型 API”向“构建复杂智能体系统（AI Agent Systems）”演进。 它的使命，用一句话概括就是： ❝让大语言模型（LLM）能力以“组件化 + 工程化”的方式融入 Go 生态，帮助开发者快速构建稳定可维护的 AI Agent 系统。 然而，它们更常用于原型设计阶段，生产落地仍需额外工程化工作。而在 Go 生态中，这样的工具几乎是一片空白。 Eino 的诞生正是为了填补这块空白。 它是一个完整的 AI Agent 工程框架。 事件系统让整个智能体运行过程变得透明、可追踪，这是 Eino 面向工程化落地的重要支撑。
3.1K11编辑于 2025-11-13- 来自专栏AI大模型
AI工程化必学：Spring AI与Redis的黄金组合实践
Spring AI + Redis：构建高效AI应用缓存方案本文较长，建议点赞收藏以免遗失。由于文章篇幅有限，更多[源代码+课件+视频知识点]，也可在主页自行查看。 最新AI大模型应用开发学习系统[最新AI大模型应用开发学习资料免费领取]引言在AI应用爆炸式增长的当下，开发者在集成OpenAI、Anthropic等大模型时面临两大痛点：高延迟响应和API调用成本。 Spring AI提供AI模型集成的统一接口，而Redis作为高性能缓存数据库，两者结合能有效解决这些问题。本文将深入探讨如何利用Redis优化Spring AI的推理响应速度与资源消耗。 Java 和 Spring 正处于 AI 应用的黄金时期。大量企业应用基于 Spring Boot 运行，这使其能轻松将 AI 能力集成至现有系统。 、低成本的AI应用架构。
52710编辑于 2025-08-06 - 来自专栏深度学习与python
云原生 AI 工程化实践：FasterTransformer 加速 LLM 推理
然而，当我们享受着大语言模型带来的普惠 AI 能力时，它也给开发者们带来了前所未有的挑战。随着模型不断增大，计算量也达到了空前的高度，直接导致推理时间变长。 为了帮助用户解决云原生系统中的大语言模型推理加速问题，云原生 AI 套件引入了 FasterTransformer 推理加速方案。 本文将介绍如何在云原生 AI 套件中使用 FasterTransformer 进行模型的推理加速。 云原生 AI 套件已经接入了上述的转换逻辑，因此，通过如下脚本即可完成一次模型的转换。 arena submit pytorchjob\ --gpus=1\ --image ai-studio-registry.cn-beijing.cr.aliyuncs.com/kube-ai/
77660编辑于 2023-09-08 - 来自专栏华章科技
数据、算法、场景：工程化的“三驾马车”
▲图2-1 行业对智能运维发展演进的理解 智能运维一定来源于非常好的数据基础，同时，如果没有明确的业务场景，或者需求，或者功能方面的落脚点，所谓的智能化就是为了AI而AI，也没有意义。 工程化算法是要拟合数据的，根据数据和场景需求才能选择或研发合适的算法。只有具备上述三个条件，才能真正形成一个工程化落地的智能运维，如图2-2所示。 ▲图2-2 “三架马车”工程化落地的智能运维 需要着重提及的是，以往很多用户忽略了作为智能业务运维“基石”的运维数据的重要性。
61310编辑于 2023-02-13 - 来自专栏悟道
2-2 二分&前缀和模板
二分模板 int mid=0; while(left<right){ mid=(left+right)/2; if(check(mid)<K) r=mid; else l=mid+1; } 前缀和模板 : 前缀呢 无非就是 从left->right的和: ( s[right] - s[left-1]) import java.util.Scanner; public class Main { public static void main(Stri
38230发布于 2021-03-11 - 来自专栏python3
Python自动化开发学习2-2
open()打开文件。windows系统默认的是gbk编码，如果不指定字符编码，就会使用系统默认的字符编码打开文件。比如这时python就会使用gbk编码去读utf-8文件，运行后会报错或者读到乱码。
74530发布于 2020-01-10
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