架构

吴建旭智宅焕

智能家居全国交付中报价工具与交付基础设施的架构分离设计：接口化路径与交付确定性系统实现一、背景/痛点分析智能家居报价工具对交付环节的处理存在四种形态。第一，纯工具，不含交付，交付由B端客户自行解决。第二，引入外部交付方，工具提供交付入口，由专业交付基础设施承接。第三，引入通用安装平台，安装与调试分段外包。第四，工具提供交付管理功能，但不介入执行，不对结果负责。

你看我名字

产品参数昨天还对，今天已过期：数眼智能与大模型应用如何做资料版本校验摘要：产品问答最难处理的不是“答不出来”，而是从旧资料里答出一个看似合理的数字。本文讨论产品规格、价格和交付说明频繁变化时，如何把资料抓取、差异检测、人工确认和答案引用连成一条可追溯链路。

Docker 架构与部署：一条 docker run 到底走了三层命令敲下去，容器就起来了——中间的活儿是谁干的？这篇先把 Docker 的三件套（客户端、宿主机、镜像仓库）拆开，看一条 docker run 怎么在这三层之间走完三步；再给出单机部署的六步顺序，以及把客户端单独挪到另一台机器的 C/S 分离做法。

SQL Server 数据库全栈运维实战系列 — 合集索引（24 篇）系列定位：《SQL Server 数据库全栈运维实战系列》合集索引篇，7 大模块 · 22 篇正文 + 2 篇番外，与《MySQL 数据库全栈运维实战系列》同构对标，方便跨数据库对比学习。适用版本：SQL Server 2019/2022（2017 及以下差异随文标注），管理客户端 SSMS 19 及以上，命令行客户端 sqlcmd（新版 Go 版与老式 ODBC 版差异随文标注）。官方文档：Microsoft Learn SQL Server 文档中心、SQL Server 2022 新增功能、SQL

Token计费系统设计与优化：算力API的后端架构实践大模型API的爆发让Token计费从“辅助功能”升级为商业核心，但高昂并发下的精确计量、防攻击、成本控制等难题正成为工程深水区。本文结合真实踩坑记录，拆解一套支持每秒百万级请求、误差率被严格控制在极低水平的计费系统架构设计，涵盖流式计算、分布式限流、防蒸馏攻击等关键技术细节。

12_MySQL InnoDB 内存与锁调优 —— Buffer Pool、redo log、隔离级别与锁等待系列定位：《MySQL 数据库全栈运维实战系列》第 12 篇，与《Oracle 数据库全栈运维实战系列（VMware 版）》同构对标。适用版本：MySQL 8.0（5.7 差异随文标注）。官方文档：MySQL 8.0 Reference Manual、InnoDB Buffer Pool / Redo Log / Locking / InnoDB Multi-Versioning 章节。

一只爱撸猫的程序猿

我看着一个 AI 引擎在 14 天里,从"记忆"走进了"搜索"(这是"AI 可见性测量"系列第五篇。前情:我开源了一套测量品牌在 AI 引擎里可见性的工具(Python + Java 两版),并在第三篇里记录了六次"如果全自动就翻车、被人审拦下来"的瞬间。这一篇,是第七、八、九次拦截——以及一个更罕见的发现:我亲眼看着一个引擎换了一代模型,行为就从"凭记忆回答"变成了"真联网检索"。全过程 14 天。)

从空间 Scaling 到时间 Scaling摘要：LLM 在预训练规模上遇到瓶颈后，行业叙事正在从"拼算力、拼数据量"转向"拼模型自我改进的迭代速度"。这个直觉方向是对的，且已被产业界实际押注。但"让模型自己改自己、然后疯狂迭代"作为机制主张是脆弱的：迭代速度只是放大器，不是资产；真正决定上限的是外生新颖性与反馈可信度。本文记录一个想法被三次修正的完整过程，并给出一个可证伪的重述版本。

【AI大模型】MCP 模型上下文协议：客户端-服务器架构、JSON-RPC 消息与能力协商、工具发现与调用链路、与函数调用的分工我们把大模型怎么调、函数调用怎么写说得差不多了，接下来更躲不开的是模型外面那一堆数据和服务。这一篇就以MCP为例，把 AI 应用连接外部世界的原理从头捋一遍。

14_MySQL 高可用与容灾架构 —— MGR / InnoDB Cluster / Keepalived+VIP / 双主 / 读写分离 / 两地三中心系列定位：《MySQL 数据库全栈运维实战系列》第 14 篇，与《Oracle 数据库全栈运维实战系列（VMware 版）》同构对标（Oracle 14 高可用容灾：RAC + DG）。适用版本：MySQL 8.0（5.7 差异随文标注）。官方文档：MySQL 8.0 Reference Manual、Group Replication / InnoDB Cluster / MySQL Router 章节。

Surrogate Model：让进化算法学会“预测”，为什么它正在成为智能优化的重要技术？在优化算法研究中，我们经常会遇到一个看似简单、实际却十分棘手的问题：为了找到更好的解决方案，算法需要不断评价新的候选解，但如果每一次评价都非常昂贵，该怎么办？

企业级智能体平台怎么选：腾讯云ADP与其他主流技术路线的架构对比企业选智能体平台，最容易踩的坑是"只看Demo不看架构"。Demo里聊天机器人很炫，真要部署到生产环境、要对接内部系统、要做权限管控、要承担业务责任，才发现平台根本撑不住。本文基于腾讯云智能体开发平台（ADP）和 JOTO 的落地经验，从技术架构角度拆解企业级智能体平台的几条主流路线，帮选型团队把判断框架立起来。

AI时代，中层还要替公司传多少次话？原文：mp.weixin.qq.com/s/0RuFhbPpv…设想一个项目出了问题。一线把情况写进周报，组长整理，总监汇总，再送进高层会议。等决定沿原路传回来，客户已经换了要求。

【LLM推理与Serving⑧】多机多卡Serving：TP/PP/负载均衡与弹性扩缩容全攻略系列文章索引：本系列从基础概念到工程实践，系统梳理LLM推理与Serving的核心知识。本文为第8篇，深入讲解多机多卡场景下的并行策略、负载均衡与弹性架构。

大语言模型与运筹规划双闭环共生（LLM-OR）：体系架构、理论机理与落地实践在现代复杂智能决策系统中，纯数据驱动的“联结主义（Connectionism）”与纯规则驱动的“符号主义（Symbolism）”均面临难以跨越的技术瓶颈：

【Kafka 从入门到实战】从手写一个队列到生产级消息中间件：架构、分区、消费组、零拷贝全解析面试官问"Kafka 为什么快"，你只会答"零拷贝"？这篇从手写队列开始，一层层讲透 Kafka 的架构与设计。含完整可运行 Python 代码（建 Topic / 生产者 / 消费者）+ 踩坑记录 + 高频面试题。

李兆龙的博客

从一到无穷大 #108：Meta 的 AI 存储架构——BLOB 重构与跨地域数据加载在 Meta 的旧 BLOB 服务里，数据已经放到闪存上，一次 getObject() 请求中的多层元数据查询仍可能耗费数百毫秒，部分请求还要跨地域。底层介质变快以后，上层存储服务的查找和转发开销开始直接影响 GPU 利用率。[1]

聪明的笨猪猪

政务知识库AI架构选型：强合规约束下的架构决策与落地路径政务知识库是典型的强合规导向场景，架构选型的第一原则是「合规一票否决」：安全优先级高于效果，可控性优先级高于体验，所有技术决策必须先通过等保、密评、信创、数据不出域四大硬性红线校验，再在此基础上优化检索准确率与用户体验。这是政务场景与普通企业知识库最本质的区别。

主办先挂起，收齐意见再拍板：jeeflow 的动态会签一个事项走到主办节点，主办看完材料，发现自己一个人拍不了板：需要财务看预算、法务看条款，可能还要问人事。

Lomo Agent：面向创作型、持续协作 Agent 的架构设计与工程实践Agent Architecture / Durable Execution / Context Engineering / Memory / Creative Workflow