相关推荐
Claude Code国内可用方案:本地构建+国产大模型API接入
Claude Code 是一款基于 Electron 的开源智能编程助手,其核心价值在于可插拔的本地化架构与标准化 API 接口设计。它并非传统 SaaS 工具,而是一个支持运行时模型替换的桌面 IDE 插件框架,技术原理上通过解耦 UI 层与推理服务层,实现模型调用协议的动态适配。该方案具备高安全性、强可控性与合规审计能力,适用于金融、教育及个人开发等对数据隐私和网络策略敏感的场景。结合 deepseek api、智谱api 等主流国产大模型开放平台,开发者可在不依赖境外服务的前提下,快速构建符合国内监管
KONG GATEWAY 基本介绍及安装
1 Kong基本介绍Kong 基于Nginx和lua实现的API GateWay,用于管控Restful接口: 使用修改过的Nginx作为代理服务器,即Openrestry,该服务器负责处理Api请求。 Cassandra或者postgresql用作数据存储(Datastore)服务器,存储来自kong操作的数据。数据持久化建议采用Cassandra,原因如下:1)易于构建分布式 2)易于扩......
Triton模型服务实战:从ONNX导出到K8s生产部署
机器学习模型服务化是MLOps落地的核心环节,其本质是将训练好的模型转化为低延迟、高可用、可观测的在线推理能力。关键技术原理涵盖模型格式标准化(如ONNX中间表示)、硬件加速引擎(TensorRT编译优化)、服务框架选型(Triton Inference Server对比Seldon/KFServing)以及Kubernetes资源编排。该方案显著提升推理吞吐、降低GPU显存占用,并支持动态批处理与多实例隔离。典型应用场景包括金融实时风控、工业异常检测和推荐系统在线打分。本文聚焦真实交付中特征服务解耦、Tr
【Python分布式服务框架】什么是 Kong Gateway
文章目录1. 为什么需要网关2. 什么是 Kong Gateway2.1. Kong的主要功能2.2. Kong监听的端口3. 什么是Konga4. Docker部署Kong及Konga4.1. 创建 postgres 容器4.2. 初始化 kong 数据库4.3. 创建 kong 容器4.4. 初始化 konga 数据库 (手动复制konga数据库)4.5. 创建 konga 容器4.6. API网关控制台4.7. 首次登录需要配置kong admin5. kong的主要模块5.1. Services5
企业级大模型API聚合平台选型指南:2026年实测四方案深度对比
大模型API聚合平台是支撑企业AI规模化落地的核心基础设施,其本质是通过协议抽象、统一路由、用量治理与安全管控,解决多模型接入带来的碎片化、高成本与合规风险问题。技术原理上需实现传输层兼容、语义层归一与行为层熔断;核心价值在于降低30%以上综合API成本、提升99.95%服务可用性,并满足等保三级、数据不出域等强合规要求;典型应用于金融智能风控、医疗文本解析、制造文档生成等对稳定性、审计与成本敏感的生产场景。本文基于真实生产环境镜像,聚焦OpenRouter Enterprise等四款2026年主流企业级方
阿里云计算巢一键部署Hermes Agent与OpenClaw实战指南
API网关与低代码智能体编排是构建企业级AI工作流的核心基础设施。Hermes Agent作为面向Agent优化的轻量级协议网关,专注工具路由、状态透传与多模态消息适配;OpenClaw则提供基于YAML和拖拽的可视化技能编排能力,显著降低大模型应用开发门槛。二者结合形成开箱即用的私有化AI Agent平台底座,具备高确定性、可审计、易复刻等工程优势。在阿里云ECS计算巢平台上,通过声明式IaC模板实现网络、安全、存储、容器运行时等全栈配置固化,彻底规避手动部署中的环境差异、权限冲突与安全疏漏。本指南聚焦真
Kong Gateway 指南
Kong是Mashape开源的高性能高可用的API网关,可以水平扩展。它通过前置的负载均衡配置把请求分发到各个server,来应对大批量的网络请求。
用Gemini 3.5重构技术方案写作工作流
技术方案写作本质是结构化决策表达,而非文字堆砌。其核心原理在于将模糊需求转化为可验证的评估维度、可执行的技术细节与适配角色的语言体系。Gemini 3.5 作为新一代多模态大模型,凭借强推理与上下文理解能力,能高效支撑方案的骨架生成、场景化填充与角色化校准三大关键环节,显著提升技术文档的专业性与交付效率。在云原生、API网关选型、Kong与APISIX对比等典型工程场景中,该工作流已验证可缩短80%起草时间,并增强方案的决策说服力与落地可行性。
kong网关从入门到放弃
Kong网关是一个轻量级、快速、灵活的云名称API网关。Kong Gateway位于您的服务应用程序前面,可动态控制、分析和路由请求和响应。KongGateway通过使用灵活、低代码、基于插件的方法来实现您的API流量策略。除了对管理员进行身份验证和划分工作区外,Kong Gateway还能够使用分配给管理员的角色,对所有资源实施基于角色的访问控制(RBAC)。只能控制到接口层面,权限包括 create\read\update\delete 具体什么动作,不太清楚企业版才支持。konga也有必要了解一下。
Notebook到生产:机器学习模型工程化落地实战指南
机器学习模型部署不是简单的‘保存pkl+启动Flask’,而是从开发环境到生产环境的系统性跨越。其核心在于理解模型服务的本质——它是一个受SLA约束、需可观测、可审计、可弹性伸缩的软件系统。本文围绕Notebook to Production这一关键跃迁,深入解析模型封装、API网关协同、Triton推理优化、Kong流量治理及特征漂移监控等真实场景技术实践,强调服务契约、分层解耦与自动化合规等工程心智。内容覆盖MLOps基础原理、GPU推理性能调优、gRPC连接池配置、Prometheus指标设计等高频搜
云计算与云原生技术系列文章
目录 文章目录目录OpenStack IaaSKubernetes CaaSOpenShift PaaS云计算行业剖析云计算发展预测 OpenStack IaaS Kubernetes CaaS OpenShift PaaS 云计算行业剖析 云计算发展预测
Kong网关概述
Kong Gateway是一个轻量级、快速且灵活的云原生API网关。API网关是一个反向代理,可以管理、配置和路由对API的请求。Kong Gateway在任何RESTful API的前面运行,并且可以通过模块和插件进行扩展。它被设计用于在分散式架构中运行,包括混合云和多云部署。利用工作流自动化和现代GitOps实践分散应用程序/服务并过渡到微服务架构创建一个蓬勃发展的API开发者生态系统主动识别与API相关的异常和威胁保护和管理API/服务,并提高整个组织对API的可见性。
2025年度工业级3D全景相机技术解析选型参考:国产品牌的技术突围与市场格局
本文分析了工业级3D相机在智慧城市和建筑数字化中的应用。通过对比国内外主流设备的技术参数和应用场景,发现国产品牌如众趣科技在性价比和本地化服务方面具有优势,尤其适合大型空间扫描项目;而国际品牌如Faro、Leica则在精度和可靠性上保持领先。建议根据项目需求(如测距范围、精度要求、预算)进行设备选型,综合考虑扫描效率、数据处理能力和系统兼容性。国产品牌已在国内大型基建项目中展现出竞争力,国际品牌则更适合高精度逆向工程和国际化项目。
Kong API Gateway 配置文件详解
一、前言 Kong配置文件是Kong服务的核心文件,它配置了Kong以怎么的方式运行,并且依赖于这个配置生成Nginx的配置文件,本文通过解读Kong配置文件,以了解Kong的运行和配置。 在成功安装Kong以后,会有一个名为kong.conf.default默认的配置文件示例,如果是通过包管理器安装的,通常位于/etc/kong/kong.conf.default,我们要将其复制为kong.co...
Win10环境下VS2019离线部署OnnxRuntime的完整指南
本文提供了在Windows 10系统下,为Visual Studio 2019进行OnnxRuntime离线部署的完整教程。针对网络受限环境,详细讲解了如何获取正确的离线安装包、配置本地NuGet源,并逐步指导项目配置与测试,确保AI模型在C++环境中顺利运行。
「Unity3D」Addressable版本冲突解析:SBP与Addressables兼容性问题实战指南
本文深入解析Unity3D中Addressable与SBP(Scriptable Build Pipeline)版本冲突问题,提供实战解决方案。当遇到「Build Task CreateBuiltInShadersBundle failed」错误时,可通过版本匹配、临时资源引用或构建参数调整解决。文章详细分析兼容性原理,并给出版本组合指南与最佳实践,帮助开发者高效处理资源构建问题。
Kong Api 网关使用 docker 部署
Kong 镜像: https://hub.docker.com/_/kong 官网给定的用户安装手册上并没有设置 PG 的密码,导致如下问题无法启动 nginx: [error] init_by_lua error: /usr/local/share/lua/5.1/kong/init.lua:277: [PostgreSQL error...
FUEL算法解读(一)——框架解读,思维导图可以很清晰看懂算法启动框架,已更新完,图太大放不上来链接在文末
一图看懂FUEL算法节点框架!!!
网关服务Kong和konga介绍安装使用教程
Liunx 安装 docker-compose安装 docker-compose.yml version: '3' services: kong-database: image: postgres:9.6 restart: always #每次总是启动 networks: - kong-net environment: POSTGRES_USER: kong POSTGRES_DB: kong POSTGRES_PAS
深入解析CRC-16校验算法及其Verilog硬件实现
本文深入解析了CRC-16校验算法的原理及其在Verilog中的硬件实现方法。从基础的模2除法到串行和并行实现方案,详细介绍了LFSR结构、状态转移分析以及工业应用中的优化技巧。通过实际案例和性能对比,帮助开发者理解如何选择适合的CRC实现方案,确保数据传输的可靠性。
8、对比 LightGBM、XGBoost 和深度学习
本文对比了LightGBM、XGBoost和深度学习模型(特别是TabTransformer)在处理表格数据时的性能差异。从模型复杂度、数据准备、训练时间、准确性和适用场景等方面进行分析,重点探讨了三者在人口普查收入预测任务中的表现。文章详细介绍了XGBoost与LightGBM的核心特性与区别,深入讲解了TabTransformer的架构与实现,并涵盖了分类特征编码、缺失值处理和类别不平衡等关键数据预处理技术,为选择合适的表格数据建模方法提供了实践指导。
kong 网关教程入门
helm 安装 先创建pv kind: PersistentVolume apiVersion: v1 metadata: name: kong-postgre labels: release: stable spec: capacity: storage: 8Gi accessModes: - ReadWriteOnce persistentVolum...
基于MATLAB实现语音信号MFCC特征提取(附完整代码)
你有没有想过你的智能手机是如何理解语音指令的?或者 Alexa 和 Siri 等语音助手如何处理您的命令?这种卓越能力背后的机制在很大程度上归功于一种称为 Mel 频率倒谱系数 (MFCC) 的方法。语音识别技术允许机器解释人类语音,将口语转换为计算机可以操纵的格式。这项技术对于开发交互式和响应式 AI 至关重要,例如声控助手、自动化客户服务系统和实时翻译服务。MFCC 代表 Mel 频率倒谱系数。这是用于自动语音和说话人识别的功能。
Triton推理服务实战:构建高可用ML生产系统
机器学习模型部署不是简单封装predict函数,而是将模型作为有生命周期的微服务进行工程化治理。其核心在于解决资源隔离、动态批处理、版本灰度、可观测性与故障自愈等关键问题。Triton Inference Server凭借原生GPU优化、沙箱化模型实例和开箱即用的指标体系,成为支撑高并发、低延迟AI服务的事实标准。结合Kubernetes健康探针、API网关流量染色与SRE可靠性实践,可系统性提升模型服务的MTBF(平均无故障时间)与业务韧性。本文聚焦真实场景下的Triton集成、ONNX转换避坑、灰度路由
利用 HTML5 与 SICF 打造 CRM WebClient UI 多附件上传 —— 从原型到生产的全流程揭秘
通过HTML5 标准 + SICF 服务 + BOL/GOS API的三位一体方案,我们无需修改 SAP 标准代码,就能让 CRM WebClient UI 获得现代化的多附件上传体验。浏览器负责多选与进度提示,SICF 负责安全中转,ABAP 负责权限校验与落库。你可以先在质量系统快速原型,再逐步完善权限、异常处理与 UI 细节。按照本文的方法落地,哪怕一次上传几百份文件,也能轻松搞定,真正把时间还给业务。
jdk-8u144-linux-x64.tar.gz.
该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包
MCP Server:AI工具链标准化部署与工程化实践
AI工具链(AI Toolchains)是指将多个异构能力模块(如API、脚本、微服务)协同编排以支撑LLM Agent或RAG系统的工程体系。其核心挑战在于缺乏统一契约、上下文割裂、可观测性缺失与治理能力真空——这导致本地验证通过的AI函数在生产环境频繁报错、参数错乱或熔断。MCP Server作为轻量级标准化中间层,基于REST+OpenAPI+OpenTelemetry构建,提供强制Schema校验、自动上下文注入、全链路追踪与策略化治理能力,显著提升AI服务端到端部署(End-to-End Depl
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
502



被折叠的 条评论
为什么被折叠?



