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

2025-08-30
从0到1：AI算法平台后端的DDD实践为什么AI平台需要DDD 领域驱动设计（Domain-Driven Design，DDD）作为一种成熟的软件设计方法论，在处理复杂业务领域时展现出独特的优势 AI算法平台恰恰是一个业务复杂度极高的领域：模型管理、训练调度、推理服务、数据处理、权限控制等核心领域相互交织，传统的三层架构（Control
- 2025-08-30
- 10
- 0
- 0
- Agent
2025-08-23
多租户AI平台：资源隔离与配额管理的设计思路为什么多租户AI平台需要资源隔离在企业级AI平台的建设过程中，多租户（Multi-Tenancy）架构是实现资源复用、降低成本、提高运营效率的关键设计随着AI技术在不同业务线的广泛渗透，企业内部往往存在多个团队或业务部门需要共享AI基础设施的场景然而，不同团队对GPU算力、模型服务、数据存储的
- 2025-08-23
- 8
- 0
- 0
- Agent
2025-08-16
AI平台的数据管理：数据集版本化与血缘追踪一、引言：数据管理面临的挑战在AI平台的整个生命周期中，数据管理是决定模型质量的基础环节。然而，随着业务规模的扩大，数据管理面临着前所未有的挑战：数据集规模动辄TB级别，版本迭代频繁，数据血缘关系复杂多样，质量评估缺乏标准化流程。这些挑战不仅影响算法工程师的日常工作效率，更直接关系到模型训练效果的
- 2025-08-16
- 6
- 0
- 0
- Agent
2025-08-09
大模型微调平台：LoRA/QLoRA 的工程化封装一、为什么需要微调平台大模型微调是一个工程化程度极高的任务当你需要将通用大模型（如 GPT、Llama、Qwen）适配到特定业务场景时，会面临诸多挑战：资源门槛高：7B 模型全量微调需要 2×80GB GPU，70B 模型需要 8×80GB，私有化部署成本动辄数十万参数管理混乱：微调产生的
- 2025-08-09
- 8
- 0
- 0
- Agent
2025-08-02
模型训练流水线：从数据准备到产出检查的全链路设计一、为什么需要训练流水线在机器学习项目的早期阶段，很多团队的训练流程是这样的：手动下载数据 → 手动清洗 → 手动训练 → 手动评估 → 手动部署这种方式在小规模实验时看起来没问题，但随着项目发展，问题会接踵而至：流程不可复现：同样的代码，这次跑出来效果好，下次可能因为某个环节的微小变化导致效
- 2025-08-02
- 9
- 0
- 0
- Agent
2025-07-26
GPU 资源调度：K8s + Volcano 在AI场景下的实践一、背景与痛点 1.1 GPU 资源调度的特殊性在说 Volcano 之前，我想先聊聊 GPU 资源调度到底有什么特殊的 CPU 调度的核心问题是"计算能力分配"，而 GPU 调度的核心问题是"稀缺资源的高效利用" 这听起来差不多，但实际差异巨大： ┌───────────────────────
- 2025-07-26
- 9
- 0
- 0
- Agent
2025-07-18
AI Infra Platform 架构设计：算法平台一、背景与定位 1.1 为什么要搭建 AI Infra Platform 算法工程师直接登录服务器，用Jupyter跑实验，训练完手动上传模型到生产环境。听起来很原始，但确实够用——因为量小。但当团队扩张到20人、50人、100人的时候，问题就暴露了： ┌────────────────────
- 2025-07-18
- 15
- 0
- 0
- Agent
2025-07-12
AI 平台的可观测性：指标、日志、链路三位一体一、为什么 AI 平台需要专门的可观测性方案传统 Web 服务的可观测性已经相对成熟：监控 QPS、Latency、Error Rate 三大指标，配合 ELK 日志和分布式链路追踪，一套经典方案可以覆盖 90% 的问题排查场景。但 AI 平台不一样。AI 平台的"请求"是 Token 序列，"
- 2025-07-12
- 12
- 0
- 0
- Agent
2025-07-12
大模型落地的最后一公里：不是技术问题，是工程问题在 AI 时代，很多人依然认为"有了大模型就有了一切"。但现实是：大模型只是起点，真正的挑战在于如何把它变成可靠的产品。这篇文章，我将系统阐述为什么 AI 落地的最后一公里是工程问题，以及如何解决这六个核心的工程挑战。一、为什么 AI 项目死在"最后一公里"？ 1.1 一个真实的故事去年，我
- 2025-07-12
- 8
- 0
- 0
- Agent
2025-07-05
Prompt 版本控制：比代码版本管理更复杂的那点事在 LLM 应用开发中，Prompt 是连接用户需求与模型能力的核心桥梁与传统的代码不同，Prompt 的管理和版本控制面临着独特的挑战：非确定性输出、上下文依赖、评估困难等问题笔者在构建企业级 LLM 应用的过程中，积累了一些 Prompt 版本管理的经验本文将深入探讨 Prompt 管理的
- 2025-07-05
- 9
- 0
- 0
- Agent

1
...
5
6
7
...
36