- 博客(126)
- 收藏
- 关注
RSS订阅原创 【企业AI应用实践】FDE工程师-面试案例考察
FDE面试聚焦企业AI落地实战，考察问题定位、风险控制与跨团队协作。核心能力包括：设计完整RAG链路（含版本管理、行级权限隔离）、故障排查（准确率下降、假引用根因分析）、架构权衡（单Agent vs 多Agent、增量/全量更新）、预期管理（拒绝“100%准确”承诺）及高阶安全防护（权限越界、对话记忆优化）。强调“技术方案+风险点+验收指标”闭环，杜绝纯Demo式回答，体现生产级工程思维。
2026-10-13 23:35:52
187
原创 【企业AI应用实践】FDE工程师-面试问题考察
FDE面试聚焦企业AI落地能力，考察业务认知、RAG工程、Agent编排、系统集成与风险治理。核心区分点在于：能否从Demo走向生产级架构，具备全链路设计、评测、成本控制与风险兜底能力。重点评估对幻觉治理的分层防护（输入过滤、检索优化、事实校验、人工卡点）及跨团队协作软实力，强调“可控错误”而非“零错误”，确保AI辅助不越界，保障业务安全与可复用资产沉淀。
2026-10-13 23:26:11
120
原创 【企业AI应用实践】FDE工程师-工作内容梳理
FDE（企业AI落地工程师）聚焦应用层落地，负责将大模型通过RAG、Agent编排等技术封装为可落地的业务系统。核心工作涵盖需求分析、知识库构建、提示词体系设计、多智能体协同开发、系统集成与权限控制、全链路评测及生产运维。强调跨团队协作，不涉及底层模型训练或战略决策。工作重心在“如何用好模型”，实现从POC到规模化生产的稳定交付，是连接AI能力与企业业务的关键工程角色。
2026-10-13 23:24:31
107
原创 【企业AI应用实践】FDE工程师-个人理解总结
Foundational Deployment Engineer，定位是，介于业务、算法、工程之间。
2026-10-13 23:20:11
227
原创 05-安装部署
本文是LiteLLM 1.50+版本的完整安装部署指南，详细介绍了从开发到生产环境的不同部署方式。主要内容包括： 环境要求： 硬件要求：区分了SDK模式、Proxy单机模式和集群模式的资源需求 软件要求：列出了Python、Docker、PostgreSQL等组件的版本要求 安装步骤： SDK安装：快速Python集成方案 Proxy本地启动：适合开发测试的单进程网关 Docker部署：推荐的生产环境容器化方案 Kubernetes部署：企业级集群化部署方案 指南提供了详细的配置示例和命令，包括环境变量设置
2026-07-29 20:53:26
460
原创 04-应用场景
LiteLLM应用场景摘要 LiteLLM 1.50+为企业提供多模型统一管理解决方案，核心解决三大场景问题： 智能路由与成本优化：通过经济/高能力模型分组、成本优先路由、缓存复用和预算熔断机制，某客户实现LLM成本降低62.5%； 多租户治理：集中管理API密钥，通过虚拟密钥隔离团队权限，支持团队级预算管控、速率限制和审计日志，解决企业密钥泄露与预算失控问题； 混合云部署：在公有云与私有化模型间建立统一接入层，满足数据合规要求。架构采用代理网关模式，兼容OpenAI接口标准，实现业务代码与底层模型的完全解
2026-07-29 20:52:47
250
原创 06-运维脚本
本文介绍了AgentOps运维脚本集，专为Langfuse平台的日常运维、数据备份和批量管理设计。脚本遵循严格的安全规范和模块化设计原则，包括平台启停、Trace管理、健康检查等功能。核心脚本langfuse-ops.sh支持8种操作指令，通过Docker Compose管理服务生命周期，提供结构化日志和错误处理，确保运维操作的幂等性和可观测性。所有配置均通过环境变量注入，避免硬编码敏感信息，适用于Python 3.10+/Langfuse 3.0+环境。（摘要长度：149字）
2026-07-29 20:52:10
286
原创 05-安装部署
本文档提供了AgentOps/Langfuse平台的完整安装部署指南，包含环境要求、安装步骤和SDK集成方法。内容分为四部分： 环境要求：详细列出硬件和软件的最低配置要求，包括服务器、数据库和运行环境版本。 安装步骤： Docker Compose快速部署Langfuse 生产环境Kubernetes部署方案 数据持久化和备份恢复方法 SDK集成： Langfuse Python SDK基础和高阶用法 自动插桩OpenAI调用 异步追踪和评分反馈功能 AgentOps SDK集成：基础集成方法和关键配置参数
2026-07-29 20:51:30
253
原创 04-应用场景
AgentOps 应用场景摘要 本文档详细分析了 AgentOps 在 LLM 应用监控与管理中的三大核心场景： LLM 全链路监控与调试：通过 Langfuse SDK 自动追踪 Prompt、模型调用、Token 消耗等关键指标，解决传统 APM 黑盒问题，实现成本、质量和性能的多维分析。 RAG 系统质量评估：记录检索过程与文档相关性，提供系统化的质量评分体系，支持知识库优化与召回策略调整。 Agent 行为审计与治理：通过细粒度 Trace 记录工具调用链，确保 AI 行为合规性，防范安全风险。 文
2026-07-29 20:50:44
227
原创 03-特性与参数
LiteLLM 是一款面向企业级应用的大模型调用中间件，提供统一API接入、智能路由和成本管控等核心能力。本文档详细介绍了其12项核心特性，包括多提供商支持、负载均衡、故障转移、缓存机制等，并划分为统一接入层、可靠路由层、成本与配额层等五个功能层次。重点讲解了Proxy Server全局参数、Router路由参数和Model配置参数三类关键配置，涵盖端口设置、日志级别、路由策略、重试机制等生产环境调优建议。文档还提供了典型配置示例，如负载均衡策略选择、故障转移链设置等，帮助用户根据业务场景（如高可用部署、成
2026-07-28 20:44:53
177
原创 02-技术架构拓扑
LiteLLM技术架构摘要（148字）： LiteLLM采用分层架构设计，核心是通过OpenAI兼容接口统一异构LLM调用。系统分为应用层、网关层、模型提供商层、存储层和可观测性层。网关层基于FastAPI+uvicorn构建，提供认证、路由、缓存、限流等企业级能力，支持100+模型提供商的无缝接入。存储层使用PostgreSQL持久化日志和密钥，Redis处理缓存和限流。可观测性层集成Prometheus、Langfuse等工具实现全链路监控。架构遵循协议统一、无状态、配置驱动等原则，支持热更新和水平扩展
2026-07-28 20:44:21
233
原创 01-概念原理
LiteLLM 是一个开源的大模型统一 API 网关和 SDK，通过标准化 OpenAI 兼容接口，实现 100+ 大模型服务的统一调用。其核心价值在于： 统一接入：提供与 OpenAI 兼容的标准 API 格式，屏蔽不同厂商的接口差异 治理能力：包含虚拟密钥管理、成本追踪、限流降级、日志审计等企业级功能 灵活部署：支持 Python SDK 直接调用和独立 Proxy 服务两种模式 系统由认证、路由、缓存、翻译等模块组成，能自动处理故障转移和负载均衡。与直接调用厂商 API 或使用 LangChain 等
2026-07-28 20:43:42
325
原创 03-特性与参数
AgentOps 核心特性与参数配置摘要 AgentOps 平台提供14项核心特性，覆盖LLM与Agent应用的"可观测、可评估、可治理"三大能力域，包括Trace追踪、自动评估、成本治理等关键功能。平台特性可按阶段逐步启用，建议从可观测性开始，逐步引入评估和治理能力。 关键参数配置涉及Langfuse SDK、AgentOps SDK和评估系统，包括： Langfuse核心参数：如采样率(sample_rate)、批量上传设置(flush_at/flush_interval)和PII脱敏(mask_pii
2026-07-28 20:32:25
238
原创 02-技术架构拓扑
AgentOps技术架构拓扑摘要（150字）： AgentOps采用云原生分层架构，包含应用层（LLM应用+SDK探针）、平台层（Trace处理/评估/告警核心服务）、存储层（PostgreSQL+Redis+ClickHouse）和可视化层。架构特点：1）SDK与平台解耦，支持Python/JS/OpenTelemetry多种接入方式；2）写入查询分离，通过异步队列保障高吞吐；3）模块化设计，各层可独立扩展。核心组件包括Trace采集API、多模评估引擎、Prompt版本管理、成本计算引擎等，支持从LLM
2026-07-28 20:31:13
178
原创 01-概念原理
AgentOps 概念摘要（143字） AgentOps是针对AI Agent和LLM应用的全生命周期运维平台，解决大模型应用"不可观测、难评估、成本失控"等核心痛点。与传统运维不同，它专为LLM的非确定性输出和多步推理特性设计，提供Trace追踪、Prompt版本管理、语义评估、成本治理等能力。核心对象包括Trace、Span、Generation等，通过SDK插桩实现数据采集。AgentOps是继DevOps、MLOps后的新一代运维范式，为智能应用提供可观测性、质量评估和安全护栏等关键功能。
2026-07-28 20:30:42
476
原创 Envoy-第十章-维护更新与最佳实践
本文介绍了Envoy代理系统的维护更新与最佳实践知识体系。主要内容包括： 版本管理：详细说明Envoy的版本发布周期、LTS版本选择策略，以及包含决策层、路径规划层、兼容性矩阵层和回滚策略层的系统性升级架构。 升级策略：提供三种升级方案： 滚动升级：基于热重启(Hot Restart)能力实现无缝升级 蓝绿部署：通过完全隔离的新旧版本部署确保安全性 金丝雀发布：结合Istio实现精细流量控制的小范围验证 配置管理：推荐采用GitOps方式管理配置，通过ArgoCD等工具实现配置的版本控制和自动化部署。 文中
2026-07-27 21:42:57
212
原创 Envoy-第九章-应用场景实战
Envoy API网关实战摘要 本部分介绍了基于Envoy构建API网关的架构设计与配置实现。关键点包括： 架构设计： 采用分层架构，包含TLS终止、限流、鉴权和路由等核心组件 支持多种客户端接入（Web/Mobile/第三方API） 可路由至多个后端微服务（用户/订单/产品/支付服务） 核心配置： 通过Listener实现443端口监听和TLS终止 采用JWT认证过滤器实现安全管控 配置本地限流策略（10000请求/秒） 详细路由规则定义（不同服务路径、超时和重试策略） 完善的访问日志记录（请求ID、方法
2026-07-26 21:55:58
23
原创 Envoy-第八章-源码解析与二次开发
本文摘要： Envoy专业技术培训知识体系第八章重点解析了Envoy的源码结构与二次开发方法。源码结构分为api（Protobuf API定义）、source（核心实现）、test（测试代码）等主要目录，采用分层架构设计，包含顶层入口层、核心管理层、基础能力层和扩展实现层。文章详细分析了启动流程（server.cc）和Listener初始化（listener_manager_impl.cc）的核心代码实现，展示了Envoy从命令行解析到事件循环运行的整体流程，以及Listener配置的动态更新机制。该知识体
2026-07-26 21:55:25
48
原创 Envoy-第七章-监控告警与故障排查
本文摘要（148字）： Envoy的可观测性体系基于指标、日志和追踪三大支柱构建，提供从监控到根因分析的完整能力。Prometheus通过/stats/prometheus接口采集Envoy指标，建议15秒以上的采集间隔。关键监控指标包括请求数、错误率、延迟、连接数等，并给出了典型告警阈值。监控数据流包含采集层（Prometheus）、存储层（TSDB）和可视化层（Grafana），形成完整的监控告警闭环。文中通过Mermaid图表展示了各组件协同关系，并提供了Prometheus配置示例和核心指标表。
2026-07-26 21:53:21
35
原创 Envoy-第六章-性能调优与参数优化
本文摘要： 《Envoy专业技术培训知识体系》第六章聚焦于性能调优与参数优化，主要内容包括： 性能基准测试：对比Envoy与Nginx/HAProxy在不同场景下的性能表现，提供优化建议 关键参数配置：详细列出启动参数和配置项的默认值及调优建议 内核调优：提供完整的TCP参数、连接跟踪和内存相关内核优化配置 实践优化方案： 零拷贝转发技术 连接复用配置 线程绑核脚本 内存池优化（jemalloc/tcmalloc） 异步日志配置 文档适用于Envoy 1.30+和Istio 1.22+版本，为生产环境部署提
2026-07-26 21:52:47
72
原创 Envoy-第五章-xDS控制平面
本文摘要： 《Envoy专业技术培训知识体系》第五章深入解析xDS控制平面，重点介绍了xDS协议架构、REST-JSON与gRPC两种实现方式的对比，以及增量xDS（Delta xDS）和聚合发现服务（ADS）的核心机制。文章通过Mermaid图表展示了xDS控制平面的完整架构拓扑，详细比较了SotW全量推送与Delta增量推送的差异，并阐述了ADS如何通过单一gRPC流实现资源依赖的原子性推送。该内容适用于Envoy 1.30+和Istio 1.22+环境，为开发者提供从原理到实践的完整指导。
2026-07-26 21:52:16
68
原创 Envoy-第四章-高级特性与生产实践
本文摘要主要介绍了Envoy作为数据面代理的高级流量治理功能，重点阐述了其核心能力架构与实现机制。主要内容包括： 流量治理体系：涵盖路由、分割、镜像、故障注入、重试、超时、限流和熔断等能力，通过过滤器链串联实现 关键功能实现： 流量分割：支持权重分配、Header匹配和路径路由三种策略 流量镜像：可配置比例将请求复制到影子集群 故障注入：支持延迟和异常注入测试系统容错 技术特点： 基于过滤器链的模块化设计 支持运行时动态调整参数 多种策略可组合使用 应用场景：灰度发布、金丝雀部署、影子测试、容错验证等生产环
2026-07-26 21:50:10
54
原创 Envoy-第三章-核心组件深度解析
/ 自定义HTTP Filter开发示例public:// 解码过滤器接口（处理下游请求）// 编码过滤器接口（处理上游响应）private:// 自定义参数// Filter工厂public:// 1. 获取请求头信息if (!// 2. 根据阈值判断是否拦截// 3. 添加自定义头// 处理请求体数据// 添加自定义响应头// 清理资源。
2026-07-26 17:46:51
62
原创 Envoy-第二章-安装部署与基础配置
v1.0 |：从原理架构到源码解析再到二开优化的完整知识体系：Envoy、xDS、Filter Chain、Listener、Cluster、Endpoint、Hot Restart、二开优化。
2026-07-26 17:46:16
45
原创 Envoy-第一章-核心概念与架构原理
Envoy是一个开源的高性能、可扩展的服务代理，由Lyft公司于2016年开源，现已成为CNCF（云原生计算基金会）的毕业项目。Envoy专为云原生架构设计，采用C++编写，以数据平面（Data Plane）的核心组件身份，解决了微服务架构中服务间通信的复杂性、可观测性和可靠性问题。核心定位服务代理（Service Proxy）：以Sidecar形式部署在每个服务实例旁，透明拦截所有进出流量边缘代理（Edge Proxy）：作为API网关，处理南北向流量。
2026-07-26 17:45:46
34
原创 eBPF-第十一章-维护更新与最佳实践
本文摘要： 《eBPF维护更新与最佳实践》聚焦eBPF程序在生产环境中的全生命周期管理。文章详细分析了eBPF技术栈的三个关键兼容性层面：Linux内核版本、libbpf用户态库版本和BTF信息，并提供了内核版本与eBPF特性对照表、libbpf版本兼容性矩阵等实用参考数据。 核心内容包括： CO-RE机制的四大组件及其实现跨内核可移植的原理 BTF兼容性的两层结构和验证方法 内核升级前的兼容性检查清单 版本兼容性关系图展示各组件协同工作流程 文章强调生产环境建议使用5.10 LTS及以上内核版本，并提供了
2026-07-26 17:40:52
59
原创 eBPF-第十章-应用场景实战
本文系统介绍了eBPF技术在云原生领域的核心应用场景，重点聚焦四大方向：网络、可观测性、安全和性能优化。文章通过架构解析和对比表格，详细阐述了Cilium如何利用eBPF重构Kubernetes网络数据平面，替代传统kube-proxy+iptables方案，实现高效负载均衡和细粒度网络策略。内容包含Cilium的组件架构、部署方式、性能优势，以及eBPF在Socket层和TC层的负载均衡实现原理。整体呈现了eBPF技术从内核观测到数据平面编程的演进路径，为生产环境落地提供实践指导。
2026-07-26 17:40:18
61
原创 eBPF-第九章-源码解析与二次开发
步骤文件操作1在添加2实现BPF_CALL_x与3在的 switch 中返回 proto4添加用户态可直接调用的封装5添加 selftests 覆盖新 Helper// tools/lib/bpf/bpf_helper_defs.h（libbpf 自动生成的调用封装）// BPF 程序侧SEC("xdp")return ret;在添加枚举值...BPF_PROG_TYPE_MY_CUSTOM, // 新增实现与（在新文件如使用注册宏声明（在。
2026-07-26 17:30:51
124
原创 eBPF-第八章-故障排查与调试
eBPF 程序的生命周期跨越「编译 -> 加载 -> 运行」三个阶段，每个阶段的故障特征、排查工具和修复方法截然不同。建立系统化的故障分类体系，是高效排查的前提。eBPF 程序从源码到运行的完整链路如下：开发者编写 BPF C 源码，经 Clang 编译生成 BPF 字节码（.o 文件），由用户态加载器通过 系统调用提交字节码，Verifier 进行静态安全验证，JIT 编译为原生机器码，最后 Attach 到内核 Hook 点执行。任何一个环节出错，都会导致程序无法正常工作。修复修复修复修复修复修复修复
2026-07-26 17:30:19
150
原创 eBPF-第七章-监控告警与可观测性
本章系统介绍基于eBPF的可观测性体系建设，重点涵盖三大核心支柱：指标监控、日志采集和分布式追踪。eBPF通过内核级探针技术实现零侵入、低开销的全栈观测能力，相比传统方案具有显著优势。文章详细解析了eBPF可观测性架构，包括内核探针层、数据聚合层和工具对接层，并提供了BCC工具集的具体使用示例，如CPU剖析(profile)和磁盘IO分析(biolatency)等，帮助构建深度监控能力。
2026-07-26 17:29:29
130
原创 eBPF-第六章-性能调优与参数优化
本文摘要： 《eBPF 第六章 性能调优与参数优化》深入解析了eBPF高性能的底层机制与优化方法。文章首先从架构层面分析了eBPF的四大性能优势来源：JIT编译、内核态执行、无系统调用开销和验证器保证，通过量化对比展示其相比传统工具的性能优势（8倍吞吐量提升）。随后建立了完整的eBPF性能指标体系，涵盖吞吐量、延迟、CPU开销等6个维度，并通过Mermaid图表系统梳理了影响eBPF性能的5大类20+因素。重点章节详细讲解了内核关键参数调优，包括JIT开关（bpf_jit_enable）、JIT硬化（bpf
2026-07-26 17:28:13
258
原创 eBPF-第五章-网络编程与XDP实战
eBPF 网络编程与XDP实战摘要 本文深入探讨了eBPF在网络协议栈中的关键编程技术，重点分析了XDP、TC和Socket Filter三种网络Hook点的特性与应用场景： 网络Hook点全景：eBPF在Linux网络协议栈各层（驱动层、TC层、Socket层等）提供可编程Hook点，越靠近网卡性能越高但功能受限。 核心组件对比： XDP：运行在网卡驱动层，性能最高（24Mpps/核），适合DDoS防护和负载均衡，但无法访问sk_buff TC：位于流量控制层，支持双向处理和包修改，适合QoS和策略路由
2026-07-26 17:26:43
273
原创 eBPF-第四章-eBPF程序开发指南
本文对比分析了eBPF四大开发框架（BCC、libbpf+CO-RE、bpftrace和Aya）的特性与适用场景。BCC适合快速原型开发但依赖运行时编译；libbpf+CO-RE具有最佳性能和可移植性，适合生产环境；bpftrace提供即时排障能力；Aya则面向Rust生态的安全敏感应用。文章通过架构图和示例代码详细展示了BCC框架的双层开发模型，包括如何编写Python脚本嵌入C程序，运行时编译加载流程，以及一个完整的系统调用追踪示例。最后给出了框架选型建议：快速验证用bpftrace，生产工具用libb
2026-07-26 17:26:02
201
原创 eBPF-第三章-核心组件与数据结构深度解析
本文深入解析eBPF核心组件与数据结构，重点剖析BPF虚拟机架构和验证器机制。BPF虚拟机采用精简指令集设计，包含10个64位寄存器、ALU单元、512字节栈等核心部件，指令格式固定为8字节编码。验证器作为eBPF安全体系的核心，通过四个阶段的工作流程（包括指令数检查、控制流分析等）确保程序安全性，防止内核崩溃和内存越界。文章详细介绍了寄存器约定、指令分类及验证器工作原理，为理解eBPF的性能边界和安全模型提供技术基础。
2026-07-26 16:38:31
208
原创 eBPF-第二章-环境准备与安装部署
本文摘要介绍了eBPF环境准备与安装部署的关键要点。主要内容包括： 内核版本要求：详细列出不同Linux内核版本对eBPF特性的支持情况，推荐生产环境使用5.10 LTS或6.1 LTS内核。 内核配置选项：说明必须启用的内核编译选项，如CONFIG_BPF、CONFIG_BPF_SYSCALL等核心配置。 硬件架构支持：比较不同硬件架构对eBPF的支持程度，x86_64和ARM64为生产首选。 操作系统支持：提供主流Linux发行版对eBPF的支持矩阵，包括Ubuntu、RHEL等。 开发工具链：简要说明
2026-07-26 16:36:35
409
原创 eBPF-第一章-核心概念与架构原理
eBPF核心概念摘要 eBPF是一项革命性的Linux内核技术，允许在内核空间安全运行沙箱化程序，将内核转变为可编程实体。它从1992年的经典BPF发展而来，2014年扩展为eBPF，引入64位寄存器、BPF Maps、验证器等核心机制。eBPF现已成为云原生基础设施基石，支撑Cilium、Pixie等关键项目。 eBPF核心概念体系包含： BPF VM：执行字节码的虚拟机 Verifier：确保程序安全的静态分析器 BPF Maps：内核与用户空间的数据共享结构 Hook Points：程序挂载的内核位置
2026-07-26 16:34:20
268
原创 基于Rocky Linux 9 通过kubeadm部署Kubernetes + containerd + Cilium + Kube-vip高可用集群应用实践
本文详细介绍了在Rocky Linux 9上部署高可用Kubernetes集群的技术方案。采用三主节点架构，通过kubeadm工具集成了containerd容器运行时、Cilium网络插件（基于eBPF替代kube-proxy）和Kube-vip负载均衡组件。架构设计重点实现了控制平面的高可用性，包括etcd集群的Raft共识机制、API Server的VIP负载均衡，以及Cilium提供的高性能网络数据平面。拓扑图清晰展示了各节点组件间的交互关系，特别是kube-vip的VIP浮动机制和Cilium的跨节
2026-04-29 23:06:43
515
原创 第11章：综合实践与学习路线
本文整合了LLM部署的综合实践与学习路线，从方案选择到生产部署提供全流程指导。核心内容包括： 部署方案对比：详细分析公有云API、自建开源和混合方案的成本、性能、可控性等维度，提供决策矩阵和成本模型。 典型应用场景：覆盖知识库问答、智能客服、代码助手等场景的架构设计和最佳实践，包括流程优化和关键指标。 难题解决方案：针对幻觉、长文本处理、多语言支持等技术难点提出具体应对策略。 实施路线图：分阶段（PoC→MVP→生产）的16周实施计划，包含各阶段技术栈选择、实施步骤和交付成果。 全文通过流程图、决策矩阵等形
2025-11-19 20:58:27
1051
原创 第10章：工具与框架地图
LLMOps技术栈概述 本章系统梳理了LLMOps领域的技术栈，呈现为五层架构： 基础设施层：Kubernetes/Prometheus提供基础支撑 数据层：Milvus/Qdrant等向量数据库处理检索任务 训练层：Transformers/PEFT/DeepSpeed实现高效微调 推理层：vLLM/TensorRT-LLM等优化推理性能 应用层：LangChain/LlamaIndex等框架实现应用编排 重点对比了三大应用框架： LangChain：通用应用编排，强在Agent/Chain设计 Llam
2025-11-19 20:57:33
876
原创 第9章：Agent与工作流编排
Agent与工作流编排摘要 Agent是具有自主决策能力的智能系统，通过LLM理解任务并调用工具完成复杂目标。本章介绍了： Agent核心概念：包含感知、记忆、规划、执行、反思五大组件，与传统程序的固定流程不同，Agent能动态决策和自主适应。 工作模式： ReAct：交替进行推理和动作执行 Plan-and-Execute：先规划再执行复杂任务 Multi-Agent协作：多个Agent分工合作 核心能力： 工具调用：集成搜索、计算、API等工具 记忆系统：包含短期对话记忆和长期知识存储 规划能力：任务分
2025-11-18 20:41:50
498
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人