架构

AI Agent 架构详解：从 ReAct、规划执行到多智能体协作介绍 Agent 架构，最需要回答四个问题：谁决定下一步、谁执行动作、信息怎样保存、什么条件允许任务结束。

风寄巴山秋

OpenBMC：Web 页面功能异常排查WebUI 的基本交互链路为：打开浏览器开发者工具，重点检查：先找到具体失败请求，比直接重启全部后台服务更容易确定原因。

jason.zeng@1502207

（八）现有架构上新增一个通用Excel导出工具我会在你现有架构上新增一个通用Excel导出工具，Agent 可以自动把查询到的数据生成 Excel 文件，返回下载链接。支持固化接口数据和 SQL 查询数据导出，前端点击链接就能下载文件。

两万五千个小时

从零给 DSH 写一个 Webhook 通知插件这篇文章按这个顺序讲：📌 阅读约定（关于代码片段）：第 1～3 章的片段是示意——为聚焦概念，省略了 import、上下文和错误处理，单独复制无法编译（例如 2.2 的 ctx.emit("session/event", session, event) 里 session/event 是宿主侧变量， 3.6 的 flush 是占位函数）。第 4 章起是完整文件，与仓库源文件逐字一致，可以整段复制。

天空鸟_时光不老

06-给AI流程加一道人工闸门这是我"Java 转 AI 工程"系列的第 6 篇。前面几篇把库存智能调拨的 Agent 装了起来：采数据、喂提示词、让大模型输出调拨建议。这一篇要干一件相反的事——在这条链路最关键的那一步，把它踩住。

OIDC的UserInfo端点OIDC是OAuth2的一个扩展，用于获取用户信息，如用户名、邮箱等，获取其他定制的用户信息需要自定义 UserInfo 端点。

jason.zeng@1502207

（七）「固化 Rest 接口 + Text-to-SQL 灵活查询」双模式 Agent 架构教程这个方案非常适合企业级场景：高频、固定、安全敏感的查询做成固化Rest接口，保证性能、稳定和可控；临时、灵活、探索性的查询走Text-to-SQL，保证灵活性。Agent 自动判断该用哪种方式，前端只需要发自然语言，完全感知不到底层差异。

天空鸟_时光不老

01-我不转Python把AI塞进Java里这是我"Java 转 AI 工程"系列的第 1 篇。这一篇没有代码，交代的是动手之前我逼着自己回答的三个问题：形势到底变了什么、Java 开发者在这个方向上真实的位置在哪、以及我为什么把路线押在 Spring AI / Spring AI Alibaba 而不是去学 Python。第 3 篇开始上手写工作流，这篇先把判断摊开。

行者全栈架构师

【鸿蒙心迹】ArkUI 列表性能实战——为什么 200 条数据页面掉到 20fps，LazyForEach 怎么救（HarmonyOS 7.x）摘要: 仿新闻 App 的信息流首页，我第一版用 ForEach 渲染 200 条新闻，真机上滚动手感直接掉到 20fps，卡顿明显。排查发现根因不是"数据太多"，而是渲染模型选错了：ForEach 全量渲染 + 无组件复用，任何一次状态刷新都会重建整个列表。本文用仿新闻首页作为贯穿案例，单点深挖 ArkUI 列表性能：从 ForEach 到 LazyForEach 的渲染原理、组件复用（reuseId）、item 缓存池调优，附优化前后帧率/内存实测数据，帮你把列表流畅度从 20fps 干到 60fps

JDK、JRE、JVM的区别：一文讲清楚Java运行环境很多Java初学者在配置开发环境时都会遇到这样的困惑：官网上有JDK下载、有JRE下载，还有人在讨论JVM调优。这三者到底是什么关系？为什么有时候安装了JDK就不需要单独安装JRE了？为什么Java 11之后Oracle官网似乎找不到独立的JRE下载了？

全球化培训平台多语言多时区引擎技术实现：自动语言探测、语种动态管理与本地化渲染方案接到"平台支持多语言"需求时，最常见的错误理解是把它当成翻译问题——"把界面文案翻译成各国语言不就行了"。真正落地时会发现它是四层工程体系的叠加：

Netty 4.2.x 源码深度解析 (十七)：Channel 底层读写 —— Unsafe 的 I/O 操作内核Channel 既是 Netty 对网络连接套接字的抽象，也是所有 IO 数据进出 Netty 的唯一通道。但 Channel 对外暴露的方法绝大多数只是异步编排入口，真正把数据写进操作系统、从操作系统读出数据的，是收口在 Unsafe 内部接口里的底层 IO 操作。一次 bind 如何让端口真正监听，一次 connect 如何在非阻塞模式下完成连接握手，一次 read 如何把字节读进 ByteBuf 并送入 Pipeline，一次 write/flush 又如何把 ChannelOutboundBuff

骑着蜗牛撵大象327

SpringBoot+Vue3 企业智能体侧挂架构：独立服务、独立数据库与主线零侵入落地企业里一接大模型智能体，最扎眼的矛盾就来了：既要 Agent 快速见效，又不能动已经稳定跑了三年的业务主线。可现实常常是对话记录、向量切片、任务流水一股脑塞进主库，模型一超时，整条下单链路跟着抖。

多 Agent 协作架构：Supervisor 模式——主管 Agent 调度实战摘要：Pipeline 解决"环节有先后依赖"，MapReduce 解决"子任务相互独立可并行"，但真实业务里最常见的一类任务两者都接不住——你事先并不知道该拆成哪几步、每一步该交给谁。客服工单要分诊、故障排查要判断该派给网络组还是数据库组、代码审查要决定派给安全专家还是性能专家。这就是 Supervisor（主管）模式：设一个只做决策、不亲自干活的主管 Agent，由它在运行时动态决定"下一步派给谁、派几个、什么时候收工"。本文从第一性原理拆解主管-工人模式的三大核心问题——路由决策怎么保证不走错、下派

jason.zeng@1502207

（十）分层架构的多文件工程下面将单文件 main.py 拆分为分层架构的多文件工程，遵循「单一职责、分层解耦」原则，后续加功能、改逻辑只需要找对应文件，维护成本大幅降低。

《Agentic Design Patterns》第 10 章导读：模型上下文协议（MCP）本文是对开源书籍《Agentic Design Patterns》第 10 章的解读与导读，内容忠实呈现原文，并附个人思考。原书在线阅读：https://adp.xindoo.xyz/ ｜翻译项目代码仓库：https://github.com/xindoo/agentic-design-patterns

AINative软件工程

LLM 应用的 Observability 三件套：Metrics、Logs、Traces 的生产级接入工程实践你的 LLM 服务挂了，能在 5 分钟内找到是哪条 Prompt 触发的、触发了哪个模型、花了多少 Token、用户看到了什么——还是要花 2 小时翻 CloudWatch？

jeeflow 工作流引擎的四个"我的"菜单，查的是四张不同的表一个后台管理系统里，审批中心通常就是这么一排菜单：五个入口，五种"我的"。第一反应是：待办、已办都在任务表里，一个查状态等于进行中、一个查状态不等于进行中，不就完事了？

架构师那点事儿

大模型如何私有化部署到生产环境先架构设计为主+，部分已实现工程为辅。以翻译模型为例，打通「下载开源模型 → 私有化部署 → 对外提供 API」全流程