搜索[智能编排]结果-低调大师优秀个人博客

精选列表

搜索[智能编排]，共10000篇文章

MCP 第五版 × OpenClaw.NET：从协议升级到生态编排

2026 年 7 月 28 日，MCP 协议发布第五版。最醒目的变化是会话从协议层被彻底删除——MCP 从一个有状态的双向协议，变成了无状态的请求-响应协议。

2026-08-03

从统一权限到业务模块编排：伏羲管理系统的前后端分离架构

在 Spring Boot 与 Vue 3 的企业管理系统中，难点不在于单独实现采购、销售或客户管理，而在于让权限、租户上下文、流程状态和基础设施能力在多个业务模块之间保持一致。若每项能力独立建设，用户体系、菜单权限和数据边界容易分散；若把所有业务写进同一模块，后续扩展和维护又会变得困难。

2026-07-28

Sakana AI 发布 Fugu，以单一模型 API 的形式提供多 Agent 编排系统

2026 年 6 月 22 日，东京 AI 公司 Sakana AI 正式发布了 Fugu——"用一个模型指挥所有模型"的多 Agent 编排系统。

2026-06-22

知识管理系统 WCP5.0.1 发布，全面重构支持AI工作流引擎编排

WCP5 提供了一套完整的企业级知识管理解决方案，让团队协作更智能、更高效！

2026-06-14

基于 Java 的 LLM 应用开发及编排框架，Agents-Flex beta.12 发布

Agents-Flex：一个基于 Java 的 LLM（大语言模型）应用开发框架。基本能力 LLM 的访问能力 Prompt、Prompt Template 定义加载的能力 Function Calling 定义、调用和执行等能力记忆的能力（Memory） Embedding Vector Store 文档处理加载器（Loader） Http FileSystem 分割器（Splitter）解析器（Parser） PoiParser PdfBoxParser Agent LLM Agent IOAgent Chain 执行链 SequentialChain 顺序执行链 ParallelChain 并发（并行）执行链 LoopChain 循环执行连 ChainNode AgentNode Agent 执行节点 EndNode 终点节点 RouterNode 路由节点 GroovyRouterNode Groovy 规则路由 QLExpressRouterNode QLExpress 规则路由 LLMRouterNode LLM 路由（由 AI 自行判断路由规则）简单对话使用 OpenAi 大语言模型: @Test public void testChat() { OpenAiLlmConfig config = new OpenAiLlmConfig(); config.setApiKey("sk-rts5NF6n*******"); Llm llm = new OpenAiLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); } 使用 “通义千问” 大语言模型: @Test public void testChat() { QwenLlmConfig config = new QwenLlmConfig(); config.setApiKey("sk-28a6be3236****"); config.setModel("qwen-turbo"); Llm llm = new QwenLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); } 使用 “讯飞星火” 大语言模型: @Test public void testChat() { SparkLlmConfig config = new SparkLlmConfig(); config.setAppId("****"); config.setApiKey("****"); config.setApiSecret("****"); Llm llm = new SparkLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); } 历史对话示例 public static void main(String[] args) { SparkLlmConfig config = new SparkLlmConfig(); config.setAppId("****"); config.setApiKey("****"); config.setApiSecret("****"); Llm llm = new SparkLlm(config); HistoriesPrompt prompt = new HistoriesPrompt(); System.out.println("您想问什么？"); Scanner scanner = new Scanner(System.in); String userInput = scanner.nextLine(); while (userInput != null) { prompt.addMessage(new HumanMessage(userInput)); llm.chatStream(prompt, (context, response) -> { System.out.println(">>>> " + response.getMessage().getContent()); }); userInput = scanner.nextLine(); } } Function Calling 第一步：通过注解定义本地方法 public class WeatherUtil { @FunctionDef(name = "get_the_weather_info", description = "get the weather info") public static String getWeatherInfo( @FunctionParam(name = "city", description = "the city name") String name ) { //在这里，我们应该通过第三方接口调用 api 信息 return name + "的天气是阴转多云。 "; } } 第二步：通过 Prompt、Functions 传入给大模型，然后得到结果 public static void main(String[] args) { OpenAiLlmConfig config = new OpenAiLlmConfig(); config.setApiKey("sk-rts5NF6n*******"); OpenAiLlm llm = new OpenAiLlm(config); FunctionPrompt prompt = new FunctionPrompt("今天北京的天气怎么样", WeatherUtil.class); FunctionResultResponse response = llm.chat(prompt); Object result = response.getFunctionResult(); System.out.println(result); //"北京的天气是阴转多云。 " } 生态支持大语言模型大语言模型名称支持情况描述 ChatGPT ✅ 已支持 - Ollama 部署模型 ✅ 已支持 - 星火大模型 ✅ 已支持 - 通义千问 ✅ 已支持 - 智普 ChatGLM ✅ 已支持 - 月之暗面 Moonshot ✅ 已支持 - 扣子 Coze ✅ 已支持 - GiteeAI - Qwen2-7B-Instruct ✅ 已支持 - GiteeAI - Qwen2-72B-Instruct ✅ 已支持 - GiteeAI - Yi-1.5-34B-Chat ✅ 已支持 - GiteeAI - glm-4-9b-chat ✅ 已支持 - 文心一言计划中... 期待 PR 图片生成模型大语言模型名称支持情况描述 Openai ✅ 已支持 - Stability ✅ 已支持 - GiteeAI - stable-diffusion-3-medium ✅ 已支持 - GiteeAI - FLUX.1-schnell ✅ 已支持 - GiteeAI - stable-diffusion-xl-base-1.0 ✅ 已支持 - GiteeAI - Kolors ✅ 已支持 - 更多计划中... 期待 PR 向量化模型大语言模型名称支持情况描述 Openai ✅ 已支持 - 星火大模型 ✅ 已支持 - 智普 ChatGLM ✅ 已支持 - Ollama ✅ 已支持 - 通义千问 ✅ 已支持 - GiteeAI - bge-small-zh-v1.5 ✅ 已支持 - GiteeAI - bge-large-zh-v1.5 ✅ 已支持 - GiteeAI - bge-m3 ✅ 已支持 - 更多计划中... 期待 PR 向量存储（向量数据库）向量数据库名称支持情况描述 Milvus ✅ 已支持 - 阿里云向量数据存储服务 ✅ 已支持 - 腾讯云向量数据存储服务 ✅ 已支持 - OpenSearch ✅ 已支持 - ElasticSearch ✅ 已支持 - Redis ✅ 已支持 - Chroma 计划中... 期待 PR Cassandra 计划中... 期待 PR Gemfire 计划中... 期待 PR Weaviate 计划中... 期待 PR 文档解析器向量数据库名称支持情况描述 PDFBox ✅ 已支持用于解析 PDF 文档 POI ✅ 已支持用于解析 Word 文档 OmniParse ✅ 已支持更丰富的解析能力更多计划中... 期待 PR 模块构成更新记录： - 新增：GenerateImageRequest 添加反向提示词相关属性 - 新增：Maps 工具类添加 putOrDefault 方法 - 新增：添加 siliconFlow 的图片模型的支持 - 新增: ChatOptions 添加 "seed" 属性 - 新增：Maps 可以 put 一个子 map 的功能 - 新增：新增 Ollama 的函数调用（Function Calling）的支持 - 新增：添加 StringUtil.isJsonObject 方法 - 优化：重构 BaseImageRequest 类，添加 options 属性 - 优化：重构 ImagePrompt 使之继承于 HumanMessage - 优化：重构 ImageResponse 类，添加 error 和 errorMessage 属性 - 优化：修改 Image.writeBytesToFile 方法为 writeToFile - 优化：重命名 "giteesd3" 为 "gitee" - 优化：重构 VectorData.toString 方法 - 优化：添加 DocumentStoreConfig，向量数据库的配置都实现 DocumentStoreConfig - 优化：重构优化 HistoriesPrompt，使其支持更多的属性配置 - 优化：更新 agents-flex-bom 的 pom.xml - 优化：升级 jedis 版本为 "5.2.0" - 优化：重构 RedisVectorStore 的错误信息，使之错误信息更加友好 - 修复：修复 jdk17 下出现 NoSuchMethodError 问题，感谢 @songyinyin #I9AELG

2024-10-25

Java 的 AI 大模型开发及编排框架，Agents-Flex beta.10 发布

Agents-Flex：一个基于 Java 的 LLM（大语言模型）应用开发框架。基本能力 LLM 的访问能力 Prompt、Prompt Template 定义加载的能力 Function Calling 定义、调用和执行等能力记忆的能力（Memory） Embedding Vector Store 文档处理加载器（Loader） Http FileSystem 分割器（Splitter）解析器（Parser） PoiParser PdfBoxParser Agent LLM Agent IOAgent Chain 执行链 SequentialChain 顺序执行链 ParallelChain 并发（并行）执行链 LoopChain 循环执行连 ChainNode AgentNode Agent 执行节点 EndNode 终点节点 RouterNode 路由节点 GroovyRouterNode Groovy 规则路由 QLExpressRouterNode QLExpress 规则路由 LLMRouterNode LLM路由（由 AI 自行判断路由规则）简单对话使用 OpenAi 大语言模型: @Test public void testChat() { OpenAiLlmConfig config = new OpenAiLlmConfig(); config.setApiKey("sk-rts5NF6n*******"); Llm llm = new OpenAiLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); } 使用 “通义千问” 大语言模型: @Test public void testChat() { QwenLlmConfig config = new QwenLlmConfig(); config.setApiKey("sk-28a6be3236****"); config.setModel("qwen-turbo"); Llm llm = new QwenLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); } 使用 “讯飞星火” 大语言模型: @Test public void testChat() { SparkLlmConfig config = new SparkLlmConfig(); config.setAppId("****"); config.setApiKey("****"); config.setApiSecret("****"); Llm llm = new SparkLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); } 历史对话示例 public static void main(String[] args) { SparkLlmConfig config = new SparkLlmConfig(); config.setAppId("****"); config.setApiKey("****"); config.setApiSecret("****"); Llm llm = new SparkLlm(config); HistoriesPrompt prompt = new HistoriesPrompt(); System.out.println("您想问什么？"); Scanner scanner = new Scanner(System.in); String userInput = scanner.nextLine(); while (userInput != null) { prompt.addMessage(new HumanMessage(userInput)); llm.chatStream(prompt, (context, response) -> { System.out.println(">>>> " + response.getMessage().getContent()); }); userInput = scanner.nextLine(); } } Function Calling 第一步: 通过注解定义本地方法 public class WeatherUtil { @FunctionDef(name = "get_the_weather_info", description = "get the weather info") public static String getWeatherInfo( @FunctionParam(name = "city", description = "the city name") String name ) { //在这里，我们应该通过第三方接口调用 api 信息 return name + "的天气是阴转多云。 "; } } 第二步: 通过 Prompt、Functions 传入给大模型，然后得到结果 public static void main(String[] args) { OpenAiLlmConfig config = new OpenAiLlmConfig(); config.setApiKey("sk-rts5NF6n*******"); OpenAiLlm llm = new OpenAiLlm(config); FunctionPrompt prompt = new FunctionPrompt("今天北京的天气怎么样", WeatherUtil.class); FunctionResultResponse response = llm.chat(prompt); Object result = response.getFunctionResult(); System.out.println(result); //"北京的天气是阴转多云。 " } 生态支持大语言模型大语言模型名称支持情况描述 ChatGPT ✅ 已支持 - Ollama 部署模型 ✅ 已支持 - 星火大模型 ✅ 已支持 - 通义千问 ✅ 已支持 - 智普 ChatGLM ✅ 已支持 - 月之暗面 Moonshot ✅ 已支持 - 扣子 Coze ✅ 已支持 - GiteeAI - Qwen2-7B-Instruct ✅ 已支持 - GiteeAI - Qwen2-72B-Instruct ✅ 已支持 - GiteeAI - Yi-1.5-34B-Chat ✅ 已支持 - GiteeAI - glm-4-9b-chat ✅ 已支持 - 文心一言计划中... 期待 PR 图片生成模型大语言模型名称支持情况描述 Openai ✅ 已支持 - Stability ✅ 已支持 - GiteeAI - stable-diffusion-3-medium ✅ 已支持 - GiteeAI - FLUX.1-schnell ✅ 已支持 - GiteeAI - stable-diffusion-xl-base-1.0 ✅ 已支持 - GiteeAI - Kolors ✅ 已支持 - 更多计划中... 期待 PR 向量化模型大语言模型名称支持情况描述 Openai ✅ 已支持 - 星火大模型 ✅ 已支持 - 智普 ChatGLM ✅ 已支持 - Ollama ✅ 已支持 - 通义千问 ✅ 已支持 - GiteeAI - bge-small-zh-v1.5 ✅ 已支持 - GiteeAI - bge-large-zh-v1.5 ✅ 已支持 - GiteeAI - bge-m3 ✅ 已支持 - 更多计划中... 期待 PR 向量存储（向量数据库）向量数据库名称支持情况描述 Milvus ✅ 已支持 - 阿里云向量数据存储服务 ✅ 已支持 - 腾讯云向量数据存储服务 ✅ 已支持 - OpenSearch ✅ 已支持 - ElasticSearch ✅ 已支持 - Redis ✅ 已支持 - Chroma 计划中... 期待 PR Cassandra 计划中... 期待 PR Gemfire 计划中... 期待 PR Weaviate 计划中... 期待 PR 文档解析器向量数据库名称支持情况描述 PDFBox ✅ 已支持用于解析 PDF 文档 POI ✅ 已支持用于解析 Word 文档 OmniParse ✅ 已支持更丰富的解析能力更多计划中... 期待 PR 模块构成

2024-09-10

基于 Java 的 LLM 应用开发及编排框架，Agents-Flex beta.9 发布

Agents-Flex：一个基于 Java 的 LLM（大语言模型）应用开发及编排框架。

2024-08-13

基于 Java 的 LLM 应用开发及编排框架，Agents-Flex beta.8 发布

Agents-Flex：一个基于 Java 的 LLM（大语言模型）应用开发及编排框架。

2024-07-15

基于 Java 的 LLM 应用开发及编排框架，Agents-Flex beta.7 发布

Agents-Flex：一个基于 Java 的 LLM（大语言模型）应用开发及编排框架。

2024-07-05

字节跳动基础架构编排调度团队论文入选云计算领域顶会 SoCC 2023

字节跳动基础架构-编排调度团队的研究成果被 S o CC 2023 接收，并受邀进行现场报告。

2023-09-13

2022 年最受欢迎的 5 大开源自动化和编排技术

3、Chef 23.4% 的人使用 Chef 作为自动化和编排工具。自上次调查以来，Chef 使用量增加了 10%，也是被市场认可的工具。

2022-06-28

Fizz Gateway 1.3.0 发布，全新的服务发现、服务编排、反向代理路由管理功能

优化路由管理模块，支持服务发现、服务编排、反向代理三种模式，支持正则表达式匹配支持服务编排的步骤非必填支持在启动时初始化服务编排配置文件支持在管理后台查看网关节点日志支持管理后台前后端代码合并一起打包

2020-12-22

运维编排场景系列----Autoscaling 通过LifecycleHook在实例启动时安装软件

系列文章主题文章阿里云重磅发布云上自动化利器——运维编排OOS 最佳实践玩转运维编排服务的权限：Assume Role+Pass Role阿里云运维编排新功能：一键批量克隆ECS批量在多台ECS内执行命令

2019-11-25

运维编排系列场景-----将实例的固定公网IP转换为其它新EIP

OOS运维编排是安全免费的服务，请放心开通。开通后在公共模板中搜索'ACS-ECS-ConvertsPublicIPToNewEIPByInstanceId'。

2019-08-22

编排管理成容器云关键 Kubernetes（K8s）和Swarm对比分析

容器管理和编排将成云计算主战场从云化的诱因说起。

2018-12-15

Docker compose v3版本构建跨主机容器编排构建wordpress集群

在Docker 1.13版本之后，可以说Docker 对于compose容器调度编排实现了飞跃，可以使得在编排容器的时候可以结合Docker swarm集群和跨主机通讯的概念。

2017-11-07

阿里云容器服务体验：部署 ShellPays 条码支付整合服务平台 -- (三)容器编排分解

请先参考第一部分：系统概要与环境准备第二部分：实操容器编排规划数据库服务容器 mysqld 通过自定义 MySQL 镜像创建，为业务数据存储提供服务 ... mysqld: image: registry.aliyuncs.com

2016-03-22

智能家居还能更“智能”吗？

智能家居提升生活品质家中的门禁对讲、可以用平板电脑控制的灯、客厅的自动窗帘……这些是我们最早了解到的智能家居，家里的智能电视、扫地机器人、室内外的安防……这些是我们现在会用到的智能家居用品，随着消费水平的提升

2017-07-02

人工智能应用案例——智能客服

智能客服点此咨询顾问使用智能语音识别技术，将传统客服电话的通话内容以文本形式记录下来，再进一步做文本结构化和信息挖掘，对客服质量监测、做舆情分析和风险控制。

2016-11-27

云原生与开发效率：从容器编排到 CI/CD，现代软件交付的底层逻辑

过去十年，软件交付的方式发生了根本性变化。传统的“开发—测试—运维”串行流程，正在被“持续集成、持续交付、持续部署”的闭环所取代。推动这一变化的核心力量，是云原生（Cloud Native）理念的普及。

2026-09-24

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

精选列表

MCP 第五版 × OpenClaw.NET：从协议升级到生态编排

从统一权限到业务模块编排：伏羲管理系统的前后端分离架构

Sakana AI 发布 Fugu，以单一模型 API 的形式提供多 Agent 编排系统

知识管理系统 WCP5.0.1 发布，全面重构支持AI工作流引擎编排

基于 Java 的 LLM 应用开发及编排框架，Agents-Flex beta.12 发布

Java 的 AI 大模型开发及编排框架，Agents-Flex beta.10 发布

基于 Java 的 LLM 应用开发及编排框架，Agents-Flex beta.9 发布

基于 Java 的 LLM 应用开发及编排框架，Agents-Flex beta.8 发布

基于 Java 的 LLM 应用开发及编排框架，Agents-Flex beta.7 发布

字节跳动基础架构编排调度团队论文入选云计算领域顶会 SoCC 2023

2022 年最受欢迎的 5 大开源自动化和编排技术

Fizz Gateway 1.3.0 发布，全新的服务发现、服务编排、反向代理路由管理功能

运维编排场景系列----Autoscaling 通过LifecycleHook在实例启动时安装软件

运维编排系列场景-----将实例的固定公网IP转换为其它新EIP

编排管理成容器云关键 Kubernetes（K8s）和Swarm对比分析

Docker compose v3版本构建跨主机容器编排构建wordpress集群

阿里云容器服务体验： 部署 ShellPays 条码支付整合服务平台 -- (三)容器编排分解

智能家居还能更“智能”吗？

人工智能应用案例——智能客服

云原生与开发效率：从容器编排到 CI/CD，现代软件交付的底层逻辑

资源下载

Mario

腾讯云软件源

Spring

Rocky Linux

欢迎您来访！

阿里云容器服务体验：部署 ShellPays 条码支付整合服务平台 -- (三)容器编排分解