搜索[LLM聚合]结果-低调大师优秀个人博客

精选列表

搜索[LLM聚合]，共9562篇文章

『NAS』在群晖部署无广聚合搜索引擎-SearXNG

SearXNG 是一款开源的聚合搜索引擎工具，支持私有化部署，能整合多个主流搜索引擎的结果，且搜索页面无广告、无追踪，还可自定义启用的搜索引擎源，打造专属的干净搜索环境，部署在 NAS 上就能实现本地私有化使用

2026-07-30

Digg 再度转型：从 Reddit 竞品变身为 AI 新闻聚合器

创始人 Kevin Rose 近日宣布，Digg 已从 Reddit 竞争对手重新定位为一款 AI 驱动的新闻聚合器，并于 5 月 8 日向部分用户开放了预览版。

2026-05-13

实现 TB 级聚合带宽，JuiceFS 分布式缓存网络优化实践

分布式缓存通过聚合多个节点的本地缓存，形成大容量缓存池，从而提升缓存命中率、增强读带宽和 IOPS，降低读延迟，满足高性能的需求。然而，节点间的数据交换极度依赖网络性能。

2025-09-05

🎉 分布式接口文档聚合，Solon 是怎么做的？

1、分布式接口文档聚合，是什么？如果你有 “22” 个不同的服务（比如微服务），每个服务都有自己的接口文档。每个服务的文档各自打开，估计你会觉得很麻烦的？再如果，它们是用 openapi 规范的。

2024-08-08

Jeepay v2.0.0 正式发布：开箱即用的开源聚合支付系统

已对接微信支付，支付宝，云闪付官方接口，支持聚合码支付。

2023-03-19

Jeepay 1.5.0 发布：重构 MQ 适配，开箱即用的开源聚合支付系统

已对接微信支付，支付宝，云闪付官方接口，支持聚合码支付。

2021-07-28

7 月 24 日，第三届全球互联网通信云大会（WICC 2021）以“新视界·连未来”为主题，在北京柏悦酒店隆重召开。全球互联网通信云领先厂商“融云”作为主办方，设置了上午的高峰论坛和下午三场技术分论坛。大会吸引了产业链各界精英的加盟，通过聚焦 AR、VR、MR、AI 和边缘计算等热点领域下的通信云尖端技术和应用，为通信云行业的未来发展提供了“实景导航”。本次会议亮点主要集中在三个方面：第一，为促进产学研用的深度融合，构建了成效显著的交流互动平台；第二，为更好地建设开发者服务生态，提供了有益的解决方案；第三，分享音视频技术在在线教育、社交泛娱乐等多个垂直场景的最佳实践和思考，为开发者带来了新技术和新视野。（图1：数千名开发者聆听技术大咖前沿分享）新平台·产学研用深度融合本届 WICC 云集了支流科技、Akamai、Telstra、商汤科技、荔枝、获得场景视频等众多产业界的技术领袖，以及清华、北大、天津大学、中科院等多个高等学府和科研院所的专家学者。他们和前来参加盛会的数千名开发者一道，构建了产学研用完整的产业生态交流平台。强化学术界元素是 WICC 2021 的突出特点。大会邀请了清华大学计算机科学与技术系的长聘教授孙立峰，北京大学副教授张行功博士，天津大学智能与计算学部教授王晓飞，中国科学院声学研究所研究员、博士生导师李晓东等。四位教授立足于各自领域的尖端学术成就，为大会分别带来了《互联网音视频服务：从 AI 赋能到智慧内生》、《16K沉浸式视频技术》、《5G 时代的边缘智能与云边协同》和《通信声学新进展》的技术分享，这些技术实现将为 5G 下通信云的产业发展释放无限潜能，让未来的通信场景变得无处不在。四位教授皆认为，融云主办 WICC 意义非凡。这里产业界精英荟萃，为学术界了解产业发展中的瓶颈问题、实现技术落地，提供了良好的沟通和交流渠道；同时也为产业界寻求以尖端技术赋能更多应用架起了桥梁，是促进通信云行业产学研深度融合的最佳平台。除了高等学府和科研院所的专家教授外，大会还邀请了艾瑞研究院副总经理徐樊磊进行了《场景驱动——云上通讯服务发展洞察》的演讲，他认为音视频于各行各业不仅是简单升级，更会带来核心模式的变化，进而带来产业格局的变化。这些观察，将有助于开发者从中探寻新的商业机会，进行产业落地。新生态·开发服务聚力共赢近年来，开发者服务生态建设的热度持续上升。汇聚通信云的产业智慧，共同为开发者提供上升空间，是引领产业发展的重要途径，也是本次 WICC 的重要使命。在开发者服务生态方面，融云联合创始人兼 CTO 杨攀在高峰论坛上发表了《以通信为核心的开发者服务生态探索》主题演讲，为开发者分享了融云关于开发者服务生态的思考。演讲中，杨攀围绕国内开发者服务产业现状、开发者需求分析、融云开发者服务体系建设等多方面展开解析。他指出：中国的开发者服务产业尚处于早期阶段，随着市场竞争的日趋激烈，人力成本将持续走高，企业要想优化成本结构，提升效率，就需要寻求与第三方 to B 厂商合作来进行工作替代，因此，开发者服务行业迟早会迎来爆发阶段。杨攀重点从融云的开发者服务生态实践入手，换位思考至下游开发者视角，阐述了在产业分工趋于精细化的背景下，开发者对于像融云一样，具备全球化、合规化、全栈化、场景化、模块化、集成化等“综合能力”的通信云服务厂商的需求。（图2：融云联合创始人&CTO 杨攀演讲）在开发者服务生态建设方面，大会专门以《开发者生态》为主题展开了高峰对话，“对话”由蒋涛老师主持，由融云联合创始人兼 CTO 杨攀、DCloud CTO 崔红保、以及支流科技联合创始人温铭三位业界顶级大咖出任对话嘉宾。 “对话”围绕中国开发者生态演变进程的回顾与展望，通过三位 Top 级开发者嘉宾对于自己开发历程的分享和互动，在开发者如何驱动行业创新方面贡献了真知灼见。其中，最为一致的观点是：新技术背后的高水平开发者供不应求，中国开发者需要创新生态建设。开发者要不断跟随技术崛起的脚步，多渠道获取进阶技能。“对话”带来的全新思考和借鉴经验，将有益于打造技术与开发者生态对接的平台，进而推动产业应用的发展。（图3：嘉宾围绕“开发者生态”进行高峰对话）新视野·场景应用破界创新在服务开发者的具体实践方面，本次大会围绕音视频技术及其场景化的解决方案，设立了三场技术分论坛，即：“网络传输与系统架构”、“RTC 新技术与应用”以及“场景化赋能与创新”。讲师们从不同技术领域、不同维度和不同场景带来了自有核心技术和最佳实践的分享。在“网络传输与系统架构”中，支流科技联合创始人温铭的《Apache APISIX：如何做到七层网络流量的统一技术方案》，融云首席架构师李淼的《融云构建全球一体化网络的设计解析》，Akamai 中国区资深技术顾问程希的《全球 API 加速网络构建》，Telstra 资深解决方案顾问徐艳涛的《SDN 全球一体化人工智能网络——为您的实时数据传输保驾护航》，都是为了承载高可靠、高质量、高并发和低延迟的音视频通信体验而来。在“RTC 新技术与应用”中，除了中国科学院声学研究所研究员李晓东、北京大学副教授张行功博士的演讲分享外，亮亮视野产品负责人张昊阳分享了 RTC 技术在 AR 智能可穿戴设备行业的落地应用；商汤科技技术总监赵代平介绍了AI图像分割技术及种类，还带来了许多AI产品的展示；融云视频算法专家黄震坤则带来了基于人工智能的 ROI 视频编码的技术分享，重点介绍了在弱网环境下用人工智能中的目标检测和背景建模对视频压缩进行优化的方案。在“场景化赋能与创新”中，荔枝高级音频工程师马朋飞、融云高级架构师臧其龙、好未来直播中台产品负责人冯权成、获得场景视频商业产品总经理任哲、依图科技语音架构师王芳，分别通过直播场景下高音质优化、语聊房场景化 SDK 设计、实时音视频在教育场景的应用实践、面向企业及教育机构的高质量音视频通信以及语音技术在内容安全方面的实践与趋势，分享了核心技术和最佳实践。三场技术分论坛，场场精彩，讲师们精辟入理的讲解获得了开发者的高度认可，台上台下互动频繁。此外，大会的签到小问答、游戏、午宴等开发者互动环节也吸引了开发者大量驻足参与。会后，开发者与讲师们认真、深度地交流，真正凸显了大会的平台价值。（图4：开发者展区·游戏区互动）结语·展望第三届WICC在主办方、嘉宾和开发者的共同见证中成功落下帷幕。WICC已然成为通信云产业的年度技术盛会，关键在于每届大会都能够紧扣时代脉搏，就业界最为关注的话题展开研讨，从中把握技术方向和发展趋势，提供切实可行的解决方案。也正因如此，大会已被视为产业发展的风向标，不断引领行业进步。

2021-07-26

Fizz Gateway 1.5.0 发布，首个支持 Dubbo、gRPC 聚合的高性能网关

Fizz Gateway 1.5.0 发布，首个支持Dubbo、gRPC聚合的高性能网关。这一期版本更新支持了大家心心念的Dubbo，gRPC支持，支持的团队内部复杂协议的场景。

2021-03-24

从零打造聚合支付系统：三、应用微服务架构

从零打造聚合支付系统系列文章链接如下从零打造聚合支付系统：一、浅谈聚合支付的核心价值从零打造聚合支付系统：二、建立领域模型从零打造聚合支付系统：三、应用微服务架构上一篇建立了聚合支付的领域模型，本篇将讨论聚合支付系统的具体实现方案

2018-10-14

阿里云Kubernetes SpringCloud 实践进行时(6): 熔断器聚合监控

简介为了更好地支撑日益增长的庞大业务量，我们常常需要把服务进行整合、拆分，使我们的服务不仅能通过集群部署抵挡流量的冲击，又能根据业务在其上进行灵活的扩展。随着分布式的普及、服务的快速增长与云计算技术的进步，微服务架构也因其特有的优势而备受关注。微服务架构的本质，是把整体的业务拆分成很多有特定明确功能的服务，通过很多分散的小服务之间的配合，去解决更大，更复杂的问题。对被拆分后的服务进行分类和管理，彼此之间使用统一的接口来进行交互。本系列讲述了在阿里云Kubernetes容器服务基础之上，如何快速搭建基于Spring Cloud的微服务架构中的基础设施：第一篇：分布式服务注册与发现系统第二篇：分布式配置管理系统第三篇：API网关服务Zuul 系统第四篇：分布式追踪系统第五篇：分布式弹性服务与容错处理框架Hystrix及其监控仪表板第六

2018-05-24

关于领域驱动设计（DDD）中聚合设计的一些思考

该文章中指出了以下几个聚合设计的原则：聚合是用来封装真正的不变性，而不是简单的将对象组合在一起；聚合应尽量设计的小；聚合之间的关联通过ID，而不是对象引用；聚合内强一致性，聚合之间最终一致性；

2017-12-04

提示工程：3 个技巧让 LLM 的输出质量翻倍

前面章节我们掌握了 LLM 底层原理、Prompt 工程、结构化输出能力。但目前的 Agent 仍然存在一个致命问题：无记忆能力。

2026-08-25

分阶段智能体架构当 LLM 规划遇上 Workflow 编排

从 ooderAgent 的设计实践出发，探讨如何将 LLM 的动态规划能力与 Workflow 的结构化分阶段定义相结合，构建更高效、更可控的 Agent 交互体验。

2026-07-30

LLM蒸馏与微调·第二章：微调实操

环境配置 · 数据准备 · LoRA/QLoRA/全量微调/DPO全流程 · 评估与排查

2026-07-14

Andrej Karpathy 宣布加入 Anthropic，重返 LLM 研发一线

我认为未来几年将是LLM领域的关键形成期。我非常兴奋能加入这个团队并重返研发工作。我仍然对教育充满热情，计划适时恢复相关工作。

2026-05-20

当前的“LLM 智能”，是来自模型突破，还是工程堆砌？

编者按：推理模型的"推理能力"飞跃，究竟是模型本身的进步，还是工程编排的巧妙包装？我们今天为大家带来的这篇文章提出了一个尖锐的观点：所谓"推理模型"的突破，本质上并非模型智能的根本性提升，而是通过工具调用与流程编排对模型能力停滞所做的工程性补偿。文章深入剖析了 GPT-5 等最新模型在执行任务时严重依赖 Python 沙箱、API 调用等外部工具的现象，揭示出大语言模型在代码生成与语义理解上的深层瓶颈。作者指出，OpenAI 正从基础研究转向应用变现，其推出的 ChatGPT Apps、Atlas 浏览器等产品，反映的不是技术突破，而是对模型能力停滞的策略性回避。文章进一步探讨了行业面临的两种路径选择：一是在现有架构上不断优化 pipeline 系统，追求短期收益；二是直面 Transformer 架构的根本缺陷，投入高风险、长周期的基础架构创新。本文系原作者观点，Baihai IDP 仅进行编译分享作者 | Mani Doraisamy 编译 | 岳扬 01 工具使用（tool use）是如何成为难题求解的替代方案当 OpenAI 于 2024 年 4 月发布 o1，并称之为"推理模型"时，整个行业为之欢呼，认为这是一次重大突破。终于，AI 能够一步步思考、解决复杂问题，甚至处理研究生级别的数学题了。但仔细观察其运行机制我们就会发现，当我们让最新模型 ChatGPT-5 计算两个大数的乘积时，它并不会自己进行计算，而是生成一段 Python 代码，在沙箱中执行后返回结果。相比之下，ChatGPT-3 至少还会尝试在内部完成算术运算（尽管常常出错），而 ChatGPT-5 则将计算任务外包给了外部工具。[注释1] 这种模式无处不在。所谓"Agentic AI"的自主性？无非是一连串的工具调用，比如网页搜索、API 调用、数据库查询。真正的突破并不在于模型本身的智能水平，而在于协调外部系统的编排层。从推理能力到 Agentic AI，一切都不过是代码生成的高级应用。这些能力并非模型本身的进步，而是为停滞不前的模型能力所设计的工程层面的变通方案。这一点至关重要，因为整个 AI 行业（从数万亿美元的 GDP 预测到独角兽公司的估值[1]）都建立在模型能力持续进步的预期之上。而我们实际得到的，却是越来越复杂的"pipeline 工程"，其底层基础却早已陷入停滞。 02 GPT-5：皇帝的新推理（不是"衣服"😏 2025 年 8 月本该是一场胜利。OpenAI 曾承诺"将博士级智能装进每个人的口袋"，然而他们交付的成果在代码生成这一核心能力上几乎停滞不前 ------ 而其他能力都依赖于此。这正是瓶颈所在：代码生成是交通枢纽。更好的代码 → 更强的推理（通过工具执行）→ 更优的智能体 → 更高的生产力 → 万亿美元级市场。一旦这个交通枢纽停滞，整条链条便随之停摆。使用 AI 编程工具的开发者们明显感到了失望。基于 OpenAI 模型构建 AI 编程工具的公司（如 Cursor、Replit）曾押下数十亿美元，赌定每次模型发布都会带来指数级的进步。GPT-5 却打破了这一预期，而这本不该发生。从 GPT-3 笨拙的算术能力，到 GPT-4 生成连贯代码的能力，进步似乎势不可挡。整个行业正是建立在对持续进步的预期之上。但在过去一年里，这种进步明显停滞了。 03 从研究实验室到应用商店与此同时，OpenAI 正将重心从模型研究转向应用开发。只需观察 OpenAI 在过去几个月的轨迹，这一趋势便已显而易见： 2025 年 10 月 6 日：ChatGPT Apps 上线第三方应用可直接在 ChatGPT 内运行。通过 Expedia 预订航班，在 Canva 中设计图像，浏览 Zillow 上的房产信息，全程无需离开聊天界面。Apps SDK 为开发者开放了 8 亿用户生态。这标志着 OpenAI 正在变成一个应用商店。 2025 年 10 月 21 日：Atlas 浏览器发布这是一款由 AI 驱动的新型网页浏览器，意在挑战 Chrome 的主导地位。该产品具备浏览器记忆、智能体模式，以及集成于浏览器的全链路 AI 助手。这标志着 OpenAI 正在转型为一家消费级产品公司。他们正逐步从研究领域转向技术应用：推理模型（贴近最前沿、最基础的核心研究）带工作流构建器的 Agentic AI（离核心研究距离更远了） ChatGPT Apps（纯粹的生态运营） Atlas 浏览器（将 ChatGPT 深度嵌入浏览器） OpenAI 的每一步都在远离"如何构建更优模型"，迈向"如何将现有模型变现"。 04 关于 OpenAI 转型动因的两种解读为何这家全球顶尖的 AI 实验室会从技术研究转向应用领域？现有两种主流解释。解读一：遭遇技术瓶颈却秘而不宣规模扩张已然失效。尽管投入数十亿美元的算力资源和全球顶尖的研究人员，模型质的飞跃却难再现。模型并未变得更智能，只是更擅长协调外部工具。与其承认"无法突破模型性能瓶颈"，不如转向变现赛道。ChatGPT Apps 无需技术研究实现突破即可创收，浏览器生态不依赖 GPT-6 就能构建用户壁垒。在摸索下一步方向时，应用业务能为他们争取缓冲时间 ------ 当然，这是一种悲观的解读：将技术进步的停滞包装成战略转型。解读二：应用赛道的利润更丰厚训练尖端模型耗资数十亿、历时数载，而基于现有模型开发应用成本低、见效快。后者利润空间更大，风险更低，变现路径更清晰。或许 OpenAI 经过理性测算，发现应用开发能以更小投入获取更大回报，因而调整资源分配。既然六个月就能打造浏览器，何必耗费 50 亿美元训练 GPT-6？这是从现实主义的视角进行解读：利润空间优先于技术进步。这两种解读可能都部分正确。但无论如何，结果殊途同归：当整个生态系统最需要突破时，领头羊却减少了对基础模型研发的投入。 05 没人愿面对的架构问题工具编排（Tool orchestration）确实是令人印象深刻的工程成果。协调网页搜索、代码执行、数据库查询和 API 调用，需要复杂的软件架构。能够管理复杂工作流的智能体框架也的确具备实际价值。但这些都并未回答一个根本问题：模型为何从一开始就离不开工具？早期模型如 GPT-3 曾饱受词元碎片化（token fragmentation）的困扰（例如将 "strawberry" 拆成 "straw" 和 "berry"，而后者含义完全不同）。现代分词器已缓解了这一问题，但更深层的架构缺陷依然存在：大语言模型仍然缺乏真正的语义理解能力。这类语义问题在代码生成中尤为致命，因为代码对精确性要求极高。当模型产生幻觉，或在长上下文中丧失连贯性时，引入网络搜索功能并不能根除病灶。固定维度的嵌入（embeddings）会有损地压缩语义信息，注意力窗口则对上下文施加了硬性边界。这些都是架构层面的限制，而非工程问题。这就好比在一座仅能支撑三层楼的地基上建造摩天大楼。你可以不断加固结构、重新分配承重、安装精密的支撑系统，但最终，你需要的是一个全新的地基。无论围绕现有地基做多少精巧的工程优化，都无法让你建得更高。 06 行业必须面对的抉择整个行业站在十字路口，尽管多数参与者仍在回避这个现实。路径一：持续优化 pipeline 系统延续当前轨迹：略微扩大模型规模，优化工具协调机制，深化与应用平台的整合。推出浏览器与应用商店，构建更完善的智能体框架，在既定架构限制下进行工程优化。这条路径能带来可预测的短期收益。对许多尚未达到 AI 编程工具智能水平的领域而言尤其如此。由于 AI 编程工具最初是由开发者为自己打造的，他们深刻理解问题所在，并知道如何解决。类似的进步将在其他领域陆续出现，风险投资的资金流仍会持续一段时间。但 a16z 预测的 3 万亿美元 GDP 增长，其前提是生产力翻倍，而不是像当前 AI 编程工具那样仅停在约 20% 的提升水平。要实现突破，必须承认现有基本方法已遇阻。路径二：承认我们需要全新的基础架构承认模型规模扩大已触及天花板，投入能解决根本问题的架构创新。这意味着：采用基于图结构的架构，保留结构化关系，避免分词造成的语义碎片化问题，根治 Transformer 架构的固有缺陷；部署能高效处理长上下文的稀疏注意力机制；借鉴生物神经组织原理的神经形态计算方案。解决方案在于构建能保留信息而非有损压缩的架构。正如 AI 研究者 Andrej Karpathy 所言，现有模型只是"互联网的有损压缩"。真正的进步需要向无损表征迈进：保留原始信息中固有的组织形式、精确维护信息单元之间的具体关系、维护信息中概念的层级与从属关系。这条路径成本高昂、前景未卜且进展缓慢。它要求我们直面现有路线的失败，且需要耗费数年的研究投入，且不保证成功。但这是唯一能真正解决问题而非回避问题的途径。 07 总结目前，AI 编程工具市场正呈爆发式增长： Cursor：15 个月实现 5 亿美元年经常性收入（ARR），估值达 100 亿美元 GitHub Copilot：数百万用户，年收入达数亿美元 Windsurf：以 24 亿美元被收购数十家初创公司正在融资，金额高达九位数这一切都建立在同一个假设之上：模型在代码生成能力上将持续进步。如果这个假设是错的，整个市场就会变成一座纸牌屋 ------ 3 万亿美元的 GDP 预期将化为泡影，独角兽估值将失去支撑，生产力革命也将无限期推迟。反之，谁若能解决底层架构问题，谁就将赢得一切。哪怕只是基础能力的小幅提升，也会在整个生态系统中产生连锁反应：更优的代码生成能力 → 更强的推理能力（通过工具执行实现）更强的推理能力 → 更强大的智能体更强大的智能体 → 真正实现生产力翻倍真正实现生产力翻倍 → 3 万亿美元市场成为现实由此创造的价值将是天文数字。现在的问题是：是否有任何实验室愿意选择艰难的"修复地基"之路，而不是轻松地在停止加固的地基上继续搭建应用？答案将决定这场 3 万亿美元的生产力革命究竟是现实，还是幻想。注释： [1] GPT-5 中有两种方式进行乘法运算： Python 模式：使用 Python 沙箱执行无工具模式：依赖模型内部推理在 FrontierMath 基准测试中，Python 模式的准确率约为无工具模式的 2 倍（26.3% 对 13.5%），同时成本效益高出 4 到 10 倍。 GPT-5 API 默认使用无工具模式（必须在 API 调用中显式启用工具），而 ChatGPT 用户端很可能默认启用 Python 模式，因为"高级数据分析"（Advanced Data Analysis）已对所有订阅用户默认开启。这使得 OpenAI 在消费级产品中实现了大幅成本优化，而 API 用户若不手动启用工具使用，则需承担低效推理的全部成本。 END 本期互动内容 🍻 ❓文章指出，整个 AI 生态的繁荣建立在"代码生成能力持续进步"的假设上。你怎么看待这个观点？文中链接 [1]https://a16z.com/the-trillion-dollar-ai-software-development-stack/ 本文经原作者授权，由 Baihai IDP 编译。如需转载译文，请联系获取授权。原文链接： https://manidoraisamy.com/reasoning-not-ai.html

2025-11-20

月之暗面发布 LLM 抽象层开源框架“Kosong”

月之暗面发布名为“Kosong”的 Python 开源框架，定位为“现代 AI Agent 应用的 LLM 抽象层”。 Kosong 是一个专为现代 AI Agent 应用程序设计的 LLM 抽象层。

2025-11-10

AI 系统架构的演进：LLM → RAG → AI Workflow → AI Agent

01 纯 LLM 架构纯 LLM 本质上是互联网信息的有损压缩包，是从其训练数据中提取的知识快照。

2025-07-11

来自中国团队的两大 LLM 架构“开撕”

zhuanlan.zhihu.com/p/1915054612559426430 https://github.com/BlinkDL/zoology 事件主角DeltaNet 和 RWKV均为中国团队创建的 LLM

2025-06-09

小红书发布首个开源大模型 dots.llm1

小红书hi lab（Humane Intelligence Lab，人文智能实验室）团队宣布首次开源文本大模型 dots.llm1，一个中等规模的Mixture of Experts (MoE)文本大模型

2025-06-09

资源下载

更多资源

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。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

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。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

『NAS』在群晖部署无广聚合搜索引擎-SearXNG

Digg 再度转型：从 Reddit 竞品变身为 AI 新闻聚合器

实现 TB 级聚合带宽，JuiceFS 分布式缓存网络优化实践

🎉 分布式接口文档聚合，Solon 是怎么做的？

Jeepay v2.0.0 正式发布：开箱即用的开源聚合支付系统

Jeepay 1.5.0 发布：重构 MQ 适配，开箱即用的开源聚合支付系统

聚合产学研力量为通信云未来导航

Fizz Gateway 1.5.0 发布，首个支持 Dubbo、gRPC 聚合的高性能网关

从零打造聚合支付系统：三、应用微服务架构

阿里云Kubernetes SpringCloud 实践进行时(6): 熔断器聚合监控

关于领域驱动设计（DDD）中聚合设计的一些思考

提示工程：3 个技巧让 LLM 的输出质量翻倍

分阶段智能体架构当 LLM 规划遇上 Workflow 编排

LLM蒸馏与微调·第二章：微调实操

Andrej Karpathy 宣布加入 Anthropic，重返 LLM 研发一线

当前的“LLM 智能”，是来自模型突破，还是工程堆砌？

月之暗面发布 LLM 抽象层开源框架“Kosong”

AI 系统架构的演进：LLM → RAG → AI Workflow → AI Agent

来自中国团队的两大 LLM 架构“开撕”

小红书发布首个开源大模型 dots.llm1

资源下载

腾讯云软件源

Nacos

Spring

Sublime Text

欢迎您来访！

精选列表

『NAS』在群晖部署无广聚合搜索引擎-SearXNG

Digg 再度转型：从 Reddit 竞品变身为 AI 新闻聚合器

实现 TB 级聚合带宽，JuiceFS 分布式缓存网络优化实践

🎉 分布式接口文档聚合，Solon 是怎么做的？

Jeepay v2.0.0 正式发布：开箱即用的开源聚合支付系统

Jeepay 1.5.0 发布：重构 MQ 适配，开箱即用的开源聚合支付系统

聚合产学研力量为通信云未来导航

Fizz Gateway 1.5.0 发布，首个支持 Dubbo、gRPC 聚合的高性能网关

从零打造聚合支付系统：三、应用微服务架构

阿里云Kubernetes SpringCloud 实践进行时(6): 熔断器聚合监控

关于领域驱动设计（DDD）中聚合设计的一些思考

提示工程：3 个技巧让 LLM 的输出质量翻倍

分阶段智能体架构当 LLM 规划遇上 Workflow 编排

LLM蒸馏与微调·第二章：微调实操

Andrej Karpathy 宣布加入 Anthropic，重返 LLM 研发一线

当前的“LLM 智能”，是来自模型突破，还是工程堆砌？

月之暗面发布 LLM 抽象层开源框架“Kosong”

AI 系统架构的演进：LLM → RAG → AI Workflow → AI Agent

来自中国团队的两大 LLM 架构“开撕”

​小红书发布首个开源大模型 dots.llm1

资源下载

腾讯云软件源

Nacos

Spring

Sublime Text

欢迎您来访！

小红书发布首个开源大模型 dots.llm1