作者归档-PySuper

千里之行，始于足下

累计撰写 373 篇文章
累计创建 18 个标签
累计收到 2 条评论

目录CONTENT

以下是 PySuper 的文章

2026-01-24
AI × 传统架构：大模型/AI应用如何与经典架构概念结合很多工程师学AI和学架构是"两条线"——学架构时没AI，学AI时不谈架构。但AI应用上了生产，该遇到的问题一个不少：高并发、服务拆分、缓存、消息队列…… 这篇文档把传统架构概念和AI场景一一对应，每个配一个真实案例，说清楚怎么结合、为什么这样结合。一、微服务架构 → AI 服务拆分传统概念把
- 2026-01-24
- 6
- 0
- 0
- Agent
2026-01-24
用 AI 做 Code Review：大模型在工程效能中的实践 Code Review（代码审查）是保证代码质量的重要环节，但传统的人工 Review 面临诸多痛点：时间成本高、审查标准不一致、reviewer 疲劳导致漏检等。大语言模型的出现为 Code Review 带来了新的可能性。本文将深入探讨如何用 AI 构建高效的 Code Review 系统，包
- 2026-01-24
- 8
- 0
- 0
- Agent
2026-01-17
从后端工程师到 AI 工程师：我踩过的那些坑一、思维转变：最难的不是技术转型初期，我以为最大的挑战是学新东西。后来才发现，最难的是忘掉旧思维。 1.1 从确定性到概率性后端工程师的思维是确定性的： # 后端思维：100% 确定 def get_user(user_id: int)
- 2026-01-17
- 13
- 0
- 0
- Agent
2025-12-27
LM Studio 实战：本地大模型开发调试的正确姿势在前面详细聊了 vLLM 的生产级部署但我只是想在本机跑个模型调试一下，难道还得先搭一套 K8s + vLLM？答案当然是不用。本地开发和调试大模型，LM Studio 是目前最顺手的工具——GUI 操作、一键下载模型、内置 OpenAI 兼容 API Server、支持 Function
- 2025-12-27
- 7
- 0
- 0
- Agent
2025-12-20
LangGraph 生产部署实战：从原型到高可用 Agent 系统写 Demo 是快乐的——graph.invoke() 一跑，Agent 就活了。但把 Agent 推上生产线？那是另一个游戏。你在本地跑得好好的 Agent，一上线就各种翻车：Checkpoint 写入超时、LLM 调用烧钱、工具重复执行、状态膨胀到数据库撑不住……这些问题，Demo 阶段根本遇
- 2025-12-20
- 5
- 0
- 0
- Agent
2025-12-13
LangGraph 子图与多Agent编排：从模块化到协作模式 📌 本文代码基于 langgraph 0.2.x，Python 3.11+ 上一篇我们聊了多 Agent 协作编排的理论框架，这篇终于到了工程落地环节如果你已经用 StateGraph 写过几十个节点的单体图，你一定体会过那种"改一个节点，牵一发动全身"的恐惧——这就是我们今天要解决的问题 La
- 2025-12-13
- 4
- 0
- 0
- Agent
2025-12-06
LangGraph 持久化与人在回路：Checkpoint、中断与时间回溯你写了一个 Agent，跑得挺丝滑——直到进程挂了、对话丢了、审批流断了。生产环境不讲武德，没有持久化，Agent 就是沙滩上的城堡。 LangGraph 从 0.2 版本起就内置了 Checkpoint 持久化层，每个 superstep 自动存快照，配合 interrupt、Command、Ti
- 2025-12-06
- 5
- 0
- 0
- Agent
2025-11-29
多 Agent 协作编排：Supervisor 模式 vs 去中心化模式当单个 Agent 的能力无法满足复杂任务需求时，多 Agent 协作成为了必然选择。想象一下：一个研究助手 Agent 需要同时搜索网页、分析数据、生成报告——这些任务可能需要不同的专业能力。如果所有能力都塞进一个 Agent，不仅会导致"万能但平庸"的问题，还会带来高昂的推理成本。多 Age
- 2025-11-29
- 7
- 0
- 0
- Agent
2025-11-22
Agent 可观测性：如何调试一个"不可预测"的系统 Agent 系统的行为往往是非确定性的、多步骤的、涉及复杂工具调用的，这让传统的调试方法变得力不从心本文探讨如何构建 Agent 系统的可观测性体系，让"不可预测"变得可控可追踪一、Agent 系统的可观测性挑战 1.1 为什么 Agent 难以调试？传统软件的行为是确定性的：相同的输入经过相
- 2025-11-22
- 7
- 0
- 0
- Agent
2025-11-15
Embedding 模型选型：从BGE到Voyage的实战对比 1. 2026 Embedding 模型格局 Embedding 模型是 AI 检索系统的地基——如果 Embedding 质量 mediocre，任何 reranking 或 prompt engineering 都救不回来检索质量。 2024 年大家默认选 OpenAI text-embeddi
- 2025-11-15
- 5
- 0
- 0
- Agent

1
2
3
4
5
...
36