架构

段一凡-华北理工大学

AI推动工业智能化转型~系列文章20：工业 AI 平台架构：云-边-端协同的技术体系单个模型可以跑在笔记本上，但一个企业的几十上百个模型需要平台承载：数据要从传感器流进来，模型要持续训练部署，推理要在毫秒级响应，安全要分区隔离。本期讲解工业 AI 平台的云-边-端架构与数据流设计。

Harness Engineering：Pi Agent 架构深度解析在之前的文章中，我们系统性地讨论了 Harness Engineering 的七大设计准则——从 Loop、Tool Registry、可观测性到上下文管理与压缩。这些准则构成了企业级 AI Agent 的工程化底座。但好的理论需要有好的实践作为参照。

OpenBao开源密钥管理系统：技术架构、核心功能与行业应用研究本文对OpenBao开源密钥管理系统进行全面技术评估和选型参考研究。OpenBao作为HashiCorp Vault的开源分支，由IBM工程师发起，旨在提供管理、存储和分发敏感数据的企业级解决方案。研究表明，OpenBao采用分层架构设计，包含HTTP/S API层、Barrier层、路径路由层和存储后端层，通过四阶段安全模型实现密钥管理。其核心功能包括动态密钥生成、加密即服务、证书管理、访问控制和安全审计，在金融、政务、能源等行业应用中展现出显著技术价值。与同类产品相比，OpenBao在开源许可、功能特

从夯到拉：锐评国内向量模型选型大家好，我是大煊。最近在做一个客服项目，想把常见问题和产品资料接到 Agent 里。做到 RAG（给 Agent 接知识库）这一块时，我被 Embedding（向量模型）卡住过。它负责把用户的问题和知识库里的内容变成能互相匹配的东西，模型名却一口气冒出来一大串。

两万五千个小时

DeepSeek Harness 上下文拼接：让 AI 准确行动「深入理解 DeepSeek Harness」系列第 2 篇。全系列地图见第 0 篇《5 分钟看懂 DeepSeek Harness》。

这次不是演习，Vibe Coding复刻联机桌游！就在前不久，朋友组了一个桌游局，本人很荣幸地受到了邀约。说实话，这样一群人凑在一起，昏天黑地沉浸在游戏里的感觉，自从大学毕业以后已经很久没有体验过了。

深海鱼在掘金

深入浅出RAG——第8章：RAG 的局限性及应对策略📖 本章学习目标在《第7章：基础篇实战：文档问答机器人》中，我们构建了一个可运行的文档问答机器人。你很可能已经注意到，它并不是每次都能给到完美答案。有时检索到的文档不相关，有时模型忽略了检索结果，有时答案看起来合理但实际是错误的。

让 AI 读懂一份文档：从六块积木，到敢于做减法我们天天让 AI 吃文件，却很少停下来想：AI 读一份 Word、一份 Excel、一张 PPT，它到底读到了什么？这篇文章不聊"怎么调 API"，聊的是藏在解析库底层的一套架构思路，以及我做自己的工具时，最想分享的那个判断。

SparkSQL 数据源与底层架构深度剖析摘要：SparkSQL 作为 Apache Spark 生态中最核心的模块之一，不仅提供了统一的 SQL 查询入口，更承载了 DataFrame/Dataset API 的全部执行能力。本文从数据源接入机制入手，深入 Catalyst 优化器四阶段流水线、WholeStageCodegen 代码生成、Tungsten 执行引擎等核心组件，结合源码级追踪，全面剖析 SparkSQL 底层架构设计。无论你是日常写 SQL 的数据工程师，还是需要调优 Spark 作业的架构师，这篇文章都会让你对 SparkSQ

Lysander.Jovian

LNMP 架构部署 ECShop 电商平台实战ECShop 是商派旗下多场景在线商城系统，本实战基于 CentOS7 搭建 LNMP 环境，部署 ECShop V4.1.20 电商商城，单节点服务统一承载 Nginx+MariaDB+PHP，节点 IP：10.1.8.10/24，域名：shop.laogao.cloud

【架构实战】链路追踪与可观测性实践：从日志孤岛到全链路可见分布式系统出问题的时候，最让人崩溃的不是"服务挂了"，而是"不知道哪里挂了"。一个请求经过网关→认证→业务→数据库→缓存→消息队列，涉及七八个服务，任何一个环节出问题都可能导致最终响应慢或报错。但日志散落在各个服务里，查一个问题要在多个终端之间来回跳转，效率极低。

茫茫人海一粒沙

Browser Automation for Coding Agents：六种架构方案深度对比Playwright、Claude Code、Cursor、VS Code、OpenCode、OpenClaw，到底是如何让 AI 控制浏览器的？

为什么智能体 Agent 需要本体 Ontology在构建基于大语言模型（LLM）的智能体（Agent）系统时，一个核心矛盾始终存在：LLM 的概率生成特性带来了强大的创造力，同时也引入了不可预测的"幻觉"和行为。当智能体获得自主执行动作的能力后，这种不确定性将直接转化为生产环境中的风险——错误退款、状态不一致、资源无限消耗等。

重庆小透明

深入探寻微服务【第四篇微服务监控实战】从单体应用到微服务,最大的变化不是代码量,而是问题的定位难度。单体时代,一个 Tomcat 一个库,接口慢了、报错了,翻一下日志、看一眼 JVM 就能定位。微服务时代:

重庆小透明

深入探寻微服务【第五篇微服务限流实战】微服务拆开后,流量入口变多、链路变长,系统暴露在两类风险下:限流就是在流量进入系统前先设一道闸:超过阈值的请求直接拒绝,保证系统在能力范围内稳定运行。它和熔断(服务挂了快速失败)、降级(牺牲非核心功能)合称"高可用三板斧"。

零信任架构实战：基于天远入职背调报告构建自动化骑手准入网关在O2O本地生活服务（如外卖配送、上门家政、代驾服务等）的业务扩张期，服务者（骑手/技师）的快速合规准入是保障平台服务质量的核心。传统模式下，平台需要依赖人工审核无犯罪记录证明或学历证书等纸质资料，整个流程不仅耗时长、人力成本高，而且难以实时防范信息偏差。特别是在面对并发注册请求时，人工核对极易产生疏漏，导致存在履约风险或信息不匹配资质的人员混入服务队伍，给平台带来不可控的信用合规隐患。

Task Dispatch：基于 Codex 原生会话的任务分发 Skill在 Codex 中进行长期研究或开发时，一个对话往往会越来越长。最开始可能只是在分析资料，后来又开始写文章、修改代码、整理文档。不同任务产生的草稿、工具输出和历史决策全部堆积在同一个会话中，最终带来几个明显问题：

AI智能体调度微服务：高效任务分配方案AI智能体能力调度微服务是面向多智能体集群的轻量化调度核心服务，旨在解决多AI智能体能力冗余、资源浪费、任务分配混乱、执行效率低下等问题。服务基于微服务架构设计，具备能力注册、任务匹配、动态调度、负载均衡、状态监控五大核心能力，可统一管理文本交互、图像识别、数据分析、逻辑推理等各类AI智能体能力。

两万五千个小时

DeepSeek Harness 的动力引擎：Agent Loop 是怎么转起来的「深入理解 DeepSeek Harness」系列第 1 篇。全系列地图见第 0 篇《5 分钟看懂 DeepSeek Harness》。

无人机组装调试实训高损耗痛点分析与虚拟仿真教学落地方案在职业院校无人机应用技术专业的实训体系中，组装与调试是培养学生硬件实操能力、建立系统认知的核心环节。但无人机飞控、电调、电机等核心部件单价较高，入门阶段学生的操作失误往往伴随高额的耗材损耗，同时还存在一定的安全隐患。本文结合一线教学实践，梳理组装调试实训中的典型故障场景，分享基于虚拟仿真软件的前置教学方案，以及实际落地后的降本增效成果。