- 综合排序
- 最热优先
- 最新优先
- 来自专栏陶士涵的菜地
多 AI 智能体系统- AI 智能体的 6 个关键要素
所以对于多智能体系统，还需要设计好工作流，确保智能体之间整体协作的通畅。 这种协作不仅是指智能体和智能体之间，也包含人和智能体之间的协作。 比如 Devin 这种复杂的 AI 软件工程师，在遇到一些解决不了的错误时，也需要人工干预。 5. 6. 记忆能力 记忆能力指的是智能体要有能力记得自己做过的事情，得到和生成的数据，用这些数据来进行后面的决策和完成任务。
80511编辑于 2024-05-28 《拆解 legacy 系统困局：AI 协作的6个核心价值》
接手企业级客户管理系统重构项目时，团队正陷在两难的泥沼里，那种无力感几乎压得人喘不过气。 我们先将用户权限、客户数据查询、订单关联三个最核心的模块代码文件批量上传，然后没有急于索要重构方案，而是用尽可能精准的自然语言向AI提问：“请详细分析当用户角色从‘普通销售’升级为‘区域经理’时，整个系统中涉及的数据库表变更清单 旧系统拆解工作步入正轨的同时，新功能“动态角色权限适配”的开发也同步启动了，这时Cursor作为编辑器级的AI工具，自然而然地成了我们的“实时协作伙伴”。 后端工程师则基于AI给出的WebSocket连接管理方案，实现了“用户多终端在线状态监听”功能—系统会记录用户当前登录的所有设备，权限变更时精准推送事件，同时还做了“断线重连后的权限补发”逻辑，防止因网络波动导致推送失败 其中有6个场景是团队在前期设计时完全没考虑到的，比如“临时角色权限到期后，系统是否能自动恢复原角色权限”，这个场景如果没覆盖到，很可能导致用户权限异常，影响业务正常开展。
36410编辑于 2025-09-22- 来自专栏计算机学习
xv6(6) 系统调用
如此才能保证系统的稳定和安全。本节采用 $xv6$ 的实例来讲解系统调用具体是如何实现的。 理论部分 系统调用是给用户态下的程序使用的，但是用户程序并不直接使用系统调用，而是系统调用在用户态下的接口。 $Linux$ 里面系统调用使用的向量号是 $0x80$，$xv6$ 里面使用的 $64$(不同 $xv6$ 版本可能不同)。 这就涉及了系统调用号概念，每一个系统调用都唯一分配了一个整数来标识，比如说 $xv6$ 里面 $fork$ 系统调用的调用号就为 1。 上述差不多将系统调用的一些理论知识说完了，下面用 $xv6$ 的实例来看看系统调用具体如何实现的。 xv6$ 将所有具体的系统调用处理函数地址按照系统调用号的顺序集合成了一个数组。
79310编辑于 2023-12-06 - 来自专栏Ywrby
6-系统调用
系统调用 系统调用是操作系统提供给应用程序（开发人员）使用的接口，可以理解为一种可供应用程序调用的特殊函数，应用程序可以发出系统调用请求来获得操作系统的服务 程序接口由一组系统调用组成 系统调用的概念和作用 应用程序通过系统调用请求操作系统的服务。 系统中各种共享资源都由操作系统统一掌管，因此用户程序想要执行与资源有关的操作（例如存储分配。I/O操作，文件管理等）都必须通过系统调用的方式向操作系统提出服务请求，由操作系统代为完成。 ，对进程的控制，这些功能需要执行一些特权指令，所以系统调用的相关处理需要在核心态下进行 系统调用与库函数的区别 应用程序本身可以通过汇编语言直接进行系统调用，但是常见情况下更多是使用高级语言间接进行系统调用 高级编程语言向上层（应用程序）提供库函数，这些库函数中的一部分对系统调用进行了封装，隐藏了系统调用的细节，使上层进行系统调用更加方便 系统调用的背后过程 注意： 陷入指令是在用户态执行的，执行陷入指令后立即引发一个内中断
69730编辑于 2022-10-27 - 来自专栏技术杂记
Zabbix 监控系统搭建6
SELINUXTYPE=targeted [root@zabbix-server conf.d]# ---- 命令汇总 wget http://repo.zabbix.com/zabbix/2.4/rhel/6/ x86_64/zabbix-release-2.4-1.el6.noarch.rpm rpm -ivh zabbix-release-2.4-1.el6.noarch.rpm ll /etc/yum.repos.d
41920编辑于 2022-02-09 - 来自专栏一个会写诗的程序员的博客
第6章 类型系统
第6章 类型系统 6.1 编译时类型与运行时类型 6.2 根类型Any 6.2.1 对象相等性 6.3 基本类型（Primitive Types） 6.3.1 Number: 包含整型与浮点型等
43630发布于 2018-08-17 - 来自专栏《三桥君 | AI产品方法论》
掌握这6大环节，设计懂你所问的AI智能问答系统
你好，我是 三桥君 一、引言 在智能化浪潮席卷全球的当下，企业若仍依赖传统信息化系统，将难以适应快速变化的市场环境。真正的“新质生产力”依赖于智能系统赋能业务，而AI大脑是实现这一目标的关键。 虚拟现实（AR） 通过虚拟主播、虚拟客服、在线虚拟导览、培训仿真系统、元宇宙场景搭建，提升用户体验。 3. AI中台 定义与作用：AI中台是连接能力与业务的“大脑中枢”，将分散的智能能力统一管理、调用。 模块设计理念：数据采集、模型训练、推理服务、API调用标准化模块化，确保系统的高效运行。 典型应用：智慧工厂、智慧楼宇、数字园区、能源运维系统等，实现智能化管理。 5. 应用能力矩阵 应用类型 具体方式 协同办公 通过即时通信、智能协同、语音助手，提升办公效率。 数字经营 通过智能经营看板、全景态势屏、智能决策系统，提升经营决策效率。 安全生产 通过工业听诊器、声学成像仪等设备结合AI识别能力，构建安全防控闭环。 6.
33021编辑于 2025-07-17 转载：【AI系统】AI系统架构的组成
AI 系统组成 如图所示，大致可以将 AI 系统分为以下几个具体的方向： AI 训练与推理框架 AI 框架不仅仅是指如 PyTorch 等训练框架，还包括推理框架。 就像传统的软件工程中调试器，可视化，类型系统等工具链的支撑，让整个开发过程中，跨平台，跨平台，问题诊断，缺陷验证等得以高效实现，目前 AI 系统领域也不断有类似工具产生，以支持整个 AI 工程化实践。 AI 编译与计算架构负责 AI 模型在真正运行前的编译和系统运行时的动态调度与优化。 但是我们将在后续章节中，将会围绕核心系统软硬件，如 AI 训练和推理框架，AI 编译器，AI 芯片，部分涉及更广泛的 AI 系统生态中的重要内容如算法等展开介绍。 AI 系统生态 除了以上重要的 AI 系统构成之外，随着人工智能应用越来越广泛，我们还可以看到更广泛的 AI 系统生态的构成。
2.3K10编辑于 2024-12-11- 来自专栏AI系统
【AI系统】AI系统架构的组成
AI 系统组成如图所示，大致可以将 AI 系统分为以下几个具体的方向：AI 训练与推理框架AI 框架不仅仅是指如 PyTorch 等训练框架，还包括推理框架。 就像传统的软件工程中调试器，可视化，类型系统等工具链的支撑，让整个开发过程中，跨平台，跨平台，问题诊断，缺陷验证等得以高效实现，目前 AI 系统领域也不断有类似工具产生，以支持整个 AI 工程化实践。 AI 编译与计算架构负责 AI 模型在真正运行前的编译和系统运行时的动态调度与优化。 但是我们将在后续章节中，将会围绕核心系统软硬件，如 AI 训练和推理框架，AI 编译器，AI 芯片，部分涉及更广泛的 AI 系统生态中的重要内容如算法等展开介绍。 AI 系统生态除了以上重要的 AI 系统构成之外，随着人工智能应用越来越广泛，我们还可以看到更广泛的 AI 系统生态的构成。
1.6K11编辑于 2024-11-26 - 来自专栏学习之路
【Linux系统#6】文件系统 & 软硬链接
但是CHS模式支持的硬盘容量有限，因为系统用8bit来存储磁头地址，用10bit来存储柱面地址，用6bit来存储扇区地址，而一个扇区共有512Byte，这样使用CHS寻址一块硬盘最大容量为256*1024 ，这在创建文件系统时确定 如果文件系统中的 inode 用尽，即使还有可用的磁盘空间，也无法再创建新的文件或目录 通过理解和使用 inode ，你可以更好地管理Linux文件系统，并解决一些与文件和目录相关的问题 ❓ 文件路径是文件在文件系统中的唯一位置标识，确保操作系统能够准确找到和访问该文件 6. 软硬链接的意义 软硬链接提供文件的多路径访问 硬链接共享inode，提高数据冗余和可靠性 软链接则创建指向文件的快捷方式，支持跨文件系统和指向目录，增加灵活性 6. ，无法正确处理这种结构 因此，得到结论： 为了防止循环引用和简化文件系统的管理，大多数文件系统不允许对目录进行硬链接。
59810编辑于 2025-06-02 - 来自专栏AI系统
【AI系统】AI系统概述与设计目标
AI 系统全栈架构 通过对 AI 的发展、以及模型算法、硬件与数据的趋势介绍，我们已经了解了 AI 系统的重要性。 本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 接下来将从不同的维度和技术层面展开 AI 系统的全景图。 AI 系统概述 AI 系统基本概念 从类比的角度理解 AI 系统：AI 时代连接硬件和上层应用的中间层软硬件基础设施。 AI 系统。 所介绍的 AI 全栈相关内容中则是指 AI 系统（AI System），是围绕深度学习而衍生和设计的系统，因此也叫做深度学习系统（Deep Learning System）。
73310编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】AI 框架作用
本文将从深度学习的原理开始，进而深入地讨论在实现深度学习的计算过程中使用到的 AI 框架，看看 AI 框架具体的作用和目的。 这种模拟生物神经元的数学计算，能够很好地对大规模独立同分布的数据进行非线性映射和处理，使得其能够应对到 AI 的不同任务。函数逼近现在，如果把神经网络看做一个复杂函数，那么这个函数可以逼近任何函数。 AI 框架的作用AI 框架与微分关系根据深度学习的原理，AI 框架最核心和基础的功能是自动求导（后续统一称为自动微分，AutoGrad）。 AI 框架与程序结合下面左图的公式是神经网络表示的复合函数表示，蓝色框框表示的是 AI 框架，AI 框架给开发者提供构建神经网络模型的数学操作，AI 框架把复杂的数学表达，转换成计算机可识别的计算图。 这一过程，只要你定义好网络 AI 框架都会主动地帮我们完成。
51910编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】推理系统架构
推理系统架构是 AI 领域中的一个关键组成部分，它负责将训练好的模型应用于实际问题，从而实现智能决策和自动化。 此外，硬件加速（如 GPU、TPU）和专用芯片（如 AI 加速器）也是提高推理效率的重要手段。部署（Deployment）训练得到的模型并不仅仅是为了学术研究，最终目的是应用于实际问题的解决。 多框架支持：兼容 TensorFlow、PyTorch、ONNX 等主流 AI 框架。模型优化：集成 TensorRT 等优化工具，进一步提升模型推理性能。 作为一个强大的推理框架，Triton 能够满足多样化的 AI 应用需求，帮助企业和开发者构建高效、可靠的推理服务。 这一功能基于其动态模型发现与加载机制，使得 AI 应用能够迅速适应市场需求变化，如模型精度提升、新功能上线等。配合版本控制和滚动更新策略，可确保服务连续性不受影响。
2K10编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】AI 框架之争
因此，一个能够商用版本的 AI 框架，需要系统性梳理每一层中遇到的具体问题，以便提供相关更好的开发特性：前端（面向用户）：如何灵活的表达一个神经网络模型？ AI 框架的目的是为了在计算加速硬件（GPU/NPU）和 AI 集群上高效训练神经网络而设计的可编程系统，需要同时兼顾以下互相制约设计目标可编程性与性能。Ⅰ. AI 框架的发展AI 框架作为智能经济时代的中枢，是 AI 开发环节中的基础工具，承担着 AI 技术生态中操作系统的角色，是 AI 学术创新与产业商业化的重要载体，助力 AI 由理论走入实践，快速进入了场景化应用时代 国内百度则率先布局了 PaddlePaddle 飞桨 AI 框架并于 2016 年发布。在 AI 框架的爆发阶段，AI 系统也迎来了繁荣，而在不断发展的基础上，各种框架不断迭代，也被开发者自然选择。 TensorFlow 和 PyTorch 代表了现今 AI 框架框架的两种不同的设计路径：系统性能优先改善灵活性，和灵活性易用性优先改善系统性能。
58711编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】推理系统引言
推理的最终目标，便是将训练好的模型部署到实际的生产环境中，使 AI 真正运行起来，服务于日常生活。推理系统，是一个专门用于部署神经网络模型，执行推理预测任务的 AI 系统。 它类似于传统的 Web 服务或移动端应用系统，但专注于 AI 模型的部署与运行。推理系统会加载模型到内存，并进行版本管理，确保新版本能够顺利上线，旧版本能够安全回滚。 推理引擎，则是推理系统中的重要组成部分，它主要负责 AI 模型的加载与执行。 人工客服应用推理引擎或推理系统在人工客服和 AI 对话方面有广泛的应用。以下是一些相关的内容：智能客服：推理引擎可以用于实现智能客服系统，能够理解用户的问题并提供准确的答案。 对话管理：在 AI 对话中，推理引擎可以帮助系统理解用户的意图和需求，并根据这些信息来引导对话的流向。它可以根据用户的输入和历史对话记录，预测用户可能的问题和需求，并提供相应的回答和建议。
1.3K10编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】推理系统介绍
推理系统是一个专门用于部署神经网络模型，执行推理预测任务的 AI 系统。它类似于传统的 Web 服务或移动端应用系统，但专注于 AI 模型的部署与运行。 AI 生命周期在日常生活中，深度学习的相关方法已经广泛的部署到各类的应用当中。 其中，对于关键点的检测可以通过如 Faster R-CNN、YOLO 等 AI 模型进行输入到输出的映射与转换。 根据上图示的 AI 框架、推理系统与硬件之间的关系，可以看到，除了应对应用场景的多样化需求，推理系统还需克服由不同训练框架和推理硬件所带来的部署环境多样性挑战，这些挑战不仅增加了部署优化和维护的难度，而且易于出错 需要考虑到 AI 框架的不断更新，特别是针对训练优化的迭代，而某些框架甚至不支持在线推理，系统需要具备足够的兼容性。为了支持多种框架，可以利用模型转换工具，将不同框架的模型转换为一种通用的中间表示。
1.8K10编辑于 2024-12-02 转载：【AI系统】AI系统概述与设计目标
AI 系统全栈架构 通过对 AI 的发展、以及模型算法、硬件与数据的趋势介绍，我们已经了解了 AI 系统的重要性。 本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 接下来将从不同的维度和技术层面展开 AI 系统的全景图。 AI 系统概述 AI 系统基本概念 从类比的角度理解 AI 系统：AI 时代连接硬件和上层应用的中间层软硬件基础设施。 AI 系统。 所介绍的 AI 全栈相关内容中则是指 AI 系统（AI System），是围绕深度学习而衍生和设计的系统，因此也叫做深度学习系统（Deep Learning System）。
1K21编辑于 2024-12-11VFP AI 插件开发花絮6：基于策略模式的词性标注系统(英文)
在完善关键词提取引擎时，由于代码在词性标注方面的算法过于简单，因为，我使用 VFP AI 获得了一段长达 1722 行的“基于策略模式的词性标注系统(英文)”，经过有效时间几个小时的修改调试，完美运行。
13310编辑于 2026-03-10- 来自专栏AgenticAI
6种AI Agent模式详解
在本文中，我们将探讨多种构建 AI 智能体结构的模式。这些模式有助于我们扩展功能、保持模块化，并更好地控制执行流程。 为什么使用多智能体模式？ 一开始，通常会采用单智能体模型。 多智能体系统通过将职责分配给多个独立且专注的智能体来解决这一挑战。每个智能体可以专注于系统的一个方面，例如信息检索、内容生成或任务协调。 适用场景： 企业级系统、多领域编排任务 6. 、可配置工作流等 总结 为了展示多智能体模式的价值，我们来看一个足球新闻机构的复杂系统工作流示例。 每个智能体专注于自身领域的任务，独立运行，从而确保系统在不断演化中保持模块化和可维护性。 随着基于大语言模型的系统不断扩展复杂度，使用清晰、可维护的智能体结构模式来组织系统架构，变得尤为关键。
1.3K10编辑于 2025-07-27 - 来自专栏后端技术
系统设计分析 作业6
数据库建模(E-R 模型) 按 Task 3 要求，给出系统的 E-R 模型（数据逻辑模型） 建模工具 PowerDesigner（简称PD） 或开源工具 OpenSystemArchitect 不负责的链接
52530发布于 2019-05-25
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