<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[梓芮]]></title><description><![CDATA[learning]]></description><link>https://blog.youkuaiyun.com/u010691082</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u010691082]]></copyright><item><title><![CDATA[企业级 AI 治理与 FinOps——成本分摊、EU AI Act 合规、AI Platform Engineering]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/158922283</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/158922283</guid><author>u010691082</author><pubDate>Wed, 11 Mar 2026 11:42:06 +0800</pubDate><description><![CDATA[摘要（149字） 企业级AI治理面临三大核心挑战：成本失控（GPT-5部署案例中账单激增580%）、合规风险（EU AI Act检查导致业务停摆）和治理碎片化。本文提出四层治理框架，覆盖从基础设施到业务合规的全栈方案，重点包含： FinOps体系：Token成本归因、PTU优化决策、自动化预算管控 合规工程化：EU AI Act/NIST RMF合规检查清单与Purview审计方案 平台工程：内部AI PaaS统一管控模型资产与API访问 治理成熟度：五级评估模型与跨部门协作机制 核心结论：AI治理需从合规]]></description><category></category></item><item><title><![CDATA[Azure AI Foundry 生产部署与 MLOps——蓝绿部署、模型版本管理、多区域高可用、PTU 成本优化]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/158883725</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/158883725</guid><author>u010691082</author><pubDate>Tue, 10 Mar 2026 13:47:27 +0800</pubDate><description><![CDATA[本文深入探讨了将AI系统从概念验证(POC)推进到生产环境的完整解决方案。针对企业级AI系统面临的模型版本管理、全球延迟控制、成本优化和高可用性等核心挑战，文章提出了Azure AI Foundry MLOps的全景架构，涵盖Prompt版本控制、CI/CD评估门控、蓝绿/金丝雀部署策略、多区域高可用设计等关键技术。重点内容包括：MLOps全生命周期管理、模型版本控制与自动更新策略、PTU成本优化数学模型、智能路由与容量规划，以及生产级SRE实践和55+项检查清单。核心观点指出，生产级AI系统是集版本控制、]]></description><category></category></item><item><title><![CDATA[Azure AI Foundry 安全架构：RAI / RBAC / 网络隔离 / 数据治理]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/158837989</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/158837989</guid><author>u010691082</author><pubDate>Mon, 09 Mar 2026 09:46:58 +0800</pubDate><description><![CDATA[摘要 本文深入探讨Azure AI Foundry的企业级安全架构，从威胁面分析到防御体系构建。AI Agent在获得工具调用、数据库访问等能力后，其安全风险显著高于传统应用，可能面临提示注入、权限滥用等新型威胁。文章系统性地介绍了微软的防御框架： 纵深防御体系：涵盖责任AI框架、内容安全过滤、身份访问控制、网络隔离等7层防护 核心安全组件：包括Prompt Shields防护提示注入、Entra ID实现RBAC、Private Endpoints保障网络隔离、Azure Key Vault管理加密密钥 ]]></description><category></category></item><item><title><![CDATA[Azure AI Foundry 全栈可观测性：Metrics / Traces / Logs / SLO / 成本归因]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/158730562</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/158730562</guid><author>u010691082</author><pubDate>Fri, 06 Mar 2026 09:50:03 +0800</pubDate><description><![CDATA[本文系统探讨Azure AI Foundry可观测性体系的五大支柱：链路追踪(Traces)、指标监控(Metrics)、日志分析(Logs)、质量评估(Evaluation)和成本归因(Cost Attribution)。通过OpenTelemetry标准化追踪、Azure Monitor监控指标、Log Analytics分析日志、AI Evaluation SDK量化质量，以及Token用量追踪，构建AI Agent生产环境的全栈可观测能力。文章强调可观测性是AI Agent可信赖运行的前提条件，并提]]></description><category></category></item><item><title><![CDATA[AI Agents 开发实战：从单体 Agent 到多 Agent 协作系统]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/158653584</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/158653584</guid><author>u010691082</author><pubDate>Wed, 04 Mar 2026 13:56:05 +0800</pubDate><description><![CDATA[摘要 本文是《Azure AI全栈实践》系列第4篇，重点探讨AI Agent系统的演进与实践。从单一LLM调用到多Agent协作的复杂系统，文章系统介绍了Microsoft Agent Framework(MAF)的核心架构、Foundry Agent Service的生产级能力，以及五大多Agent编排模式。内容涵盖Agent-to-Agent(A2A)协议实战、持久化记忆实现、企业级工作流设计等关键主题，所有代码示例基于azure-ai-projects 2.0.0b3版本，可直接在Azure AI F]]></description><category></category></item><item><title><![CDATA[Azure AI Search + RAG 架构实战 —— 企业知识库智能问答系统]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/158579005</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/158579005</guid><author>u010691082</author><pubDate>Mon, 02 Mar 2026 16:12:50 +0800</pubDate><description><![CDATA[本文深入探讨如何构建生产级的企业知识库RAG系统，基于Azure AI Search从原理到实践全面解析。文章首先指出演示级RAG与生产级RAG的关键差距，后者包含查询预处理、混合检索、重排序和生成等完整流程。核心内容涵盖文档切块策略（固定大小/语义边界/层次化）、向量索引设计、混合检索（BM25+向量+RRF融合）、Cohere Rerank 4精排、Foundry IQ智能检索等关键技术环节，并提供可直接运行的Python代码和生产实践指南。通过三层架构演进（朴素RAG→混合RAG→智能Agentic ]]></description><category></category></item><item><title><![CDATA[Azure OpenAI Service 深度实践：GPT-5.2 企业级部署与优化]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/158501661</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/158501661</guid><author>u010691082</author><pubDate>Sat, 28 Feb 2026 13:51:00 +0800</pubDate><description><![CDATA[本文深入探讨Azure OpenAI Service的企业级实践，聚焦GPT-5.2模型的应用全流程。内容涵盖模型选型、部署架构设计、Prompt工程、Function Calling、多模态集成、微调策略等核心环节，并提供生产环境弹性容错与成本优化方案。通过对比不同模型特性与部署类型，帮助企业根据业务需求选择最优技术方案，实现从开发到规模化运营的AI全栈落地。]]></description><category></category></item><item><title><![CDATA[Azure AI 全景图：Microsoft Foundry 统一平台]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/158457033</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/158457033</guid><author>u010691082</author><pubDate>Fri, 27 Feb 2026 10:02:09 +0800</pubDate><description><![CDATA[摘要：Microsoft Foundry作为企业级AI平台，整合模型、智能体、知识与治理四大核心能力，推动AI从单点工具向生产级系统跃迁。平台提供11,000+模型选型、智能体服务编排、知识推理引擎及统一治理中心，支持企业构建自动化AI工作流。通过统一智能层架构，打破数据孤岛，实现协作、分析与应用数据的深度融合，为企业AI规模化落地提供端到端解决方案。]]></description><category></category></item><item><title><![CDATA[SQL 语言基础：游标及游标更新操作]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146902406</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146902406</guid><author>u010691082</author><pubDate>Thu, 03 Apr 2025 08:55:55 +0800</pubDate><description><![CDATA[在 SQL Server 中，不带ORDER BY子句的查询返回的是一个集合，而带有ORDER BY子句的查询返回的是一种被称为游标（cursor）的对象。游标允许逐行处理查询结果集。使用游标违背了关系模型，关系模型要求按照集合来考虑问题。游标对记录进行操作会带来一定开销。分别对每一记录操作，以及一段在幕后用游标完成类似物理处理的代码，比集合操作慢许多倍。需要为解决方案的物理操作写很多代码。游标允许逐行处理查询结果集，但应谨慎使用，因为它们可能带来性能开销和复杂性。展示了如何使用和。]]></description><category></category></item><item><title><![CDATA[SQL 语言基础：批处理与流程控制]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146901464</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146901464</guid><author>u010691082</author><pubDate>Wed, 02 Apr 2025 08:56:24 +0800</pubDate><description><![CDATA[批处理是指作为一个单元进行分析和执行的一组命令。如果分析成功，SQL Server 会尝试执行批处理。如果批处理中存在语法错误，整个批处理将不会提交。以下代码包含三个批处理，其中第二个批处理中存在语法错误（第二个查询中的FOM应该是FROMGO-- 错误: 应该是 FROMGO批处理是作为一个单元进行分析和执行的一组命令，变量的作用域仅限于定义它们的批处理。最佳实践建议将 DDL 和 DML 语句分开。GO命令可以支持正整数参数，表示重复执行前面的批处理指定的次数。流程控制元素包括。]]></description><category></category></item><item><title><![CDATA[SQL 语言基础：事务]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146571749</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146571749</guid><author>u010691082</author><pubDate>Tue, 01 Apr 2025 09:38:38 +0800</pubDate><description><![CDATA[在多用户环境中，SQL Server 需要处理对同一数据的并发访问。通过使用锁来隔离不一致的数据，可以解决阻塞状态问题。通SQL Server 中事务的定义、锁定机制以及不同的隔离级别是事务处理和并发控制是数据库管理中非常重要的内容，合理使用这些技术可以确保数据的一致性和完整性。]]></description><category></category></item><item><title><![CDATA[SQL 语言基础：分组集（Grouping Sets）、CUBE 和 ROLLUP]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146570988</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146570988</guid><author>u010691082</author><pubDate>Mon, 31 Mar 2025 10:17:57 +0800</pubDate><description><![CDATA[在 SQL Server 中，分组集（Grouping Sets）、CUBE 和 ROLLUP 是用于生成报表和数据仓库处理的强大工具。它们允许你在一个查询中定义多个分组集，从而简化复杂的聚合查询。SQL Server 中的分组集（Grouping Sets）、CUBE 和 ROLLUP 提供了强大的数据分组和聚合功能，适用于生成报表和数据仓库处理。通过这些功能，可以在一个查询中定义多个分组集，从而简化复杂的聚合查询，并使用 GROUPING 和 GROUPING_ID 函数准确标识结果行和分组集的关联。]]></description><category></category></item><item><title><![CDATA[T-SQL 语言基础：逆透视转换]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146502442</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146502442</guid><author>u010691082</author><pubDate>Fri, 28 Mar 2025 16:12:33 +0800</pubDate><description><![CDATA[逆透视转换功能强大，用于转换和汇总数据。可以高效地创建复杂报告并执行高级数据分析。]]></description><category></category></item><item><title><![CDATA[T-SQL 语言基础：透视转换]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146505586</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146505586</guid><author>u010691082</author><pubDate>Thu, 27 Mar 2025 08:46:28 +0800</pubDate><description><![CDATA[透视转换功能强大，用于转换和汇总数据。可以高效地创建复杂报告并执行高级数据分析。]]></description><category></category></item><item><title><![CDATA[T-SQL 语言基础：集合运算练习]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146423366</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146423366</guid><author>u010691082</author><pubDate>Wed, 26 Mar 2025 06:00:00 +0800</pubDate><description><![CDATA[地理解和掌握集合运算的实际应用。]]></description><category></category></item><item><title><![CDATA[T-SQL 语言基础： 集合运算(Union, Intersect, Except)]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146422993</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146422993</guid><author>u010691082</author><pubDate>Tue, 25 Mar 2025 09:01:48 +0800</pubDate><description><![CDATA[在 SQL Server 中，集合运算用于对两个输入查询结果进行操作。集合运算包括并集 (Union)、交集 (Intersect) 和差集 (Except)。这些运算可以处理包含重复记录的多集。集合运算结果中的列名由第一个查询决定，两个查询必须包含相同的列数且相应列的数据类型必须兼容。-- 集合运算时对输入两个集合（更确切的说，应该是多集运算）参与运算的集合可以是由两个输入的查询结果。-- 多集不是真正的集合，可以包含重复的记录。]]></description><category></category></item><item><title><![CDATA[T-SQL 语言基础：表表达式_练习]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146370923</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146370923</guid><author>u010691082</author><pubDate>Mon, 24 Mar 2025 09:48:25 +0800</pubDate><description><![CDATA[通过这些练习题，您可以更好地理解和掌握派生表、公用表表达式、视图及其他相关概念和技术。希望这些示例和练习能帮助您提高 SQL 查询的技能。返回每个雇员处理过的订单的最近日期。### 练习 2-1。]]></description><category></category></item><item><title><![CDATA[T-SQL 语言基础：表表达式__视图]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146340917</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146340917</guid><author>u010691082</author><pubDate>Fri, 21 Mar 2025 09:05:14 +0800</pubDate><description><![CDATA[视图是一个虚拟表，通过查询定义并存储在数据库中。视图可以简化复杂查询、提高代码的可维护性，并提供数据的逻辑表示。视图和内联表值函数（inline TVF）是两种可重用的表表达式。它们的定义存储在数据库对象中，一旦创建，视图就是数据库的永久部分。]]></description><category></category></item><item><title><![CDATA[T-SQL 语言基础：表表达式__公用表表达式（CTE）]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146336375</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146336375</guid><author>u010691082</author><pubDate>Thu, 20 Mar 2025 10:02:09 +0800</pubDate><description><![CDATA[公用表表达式（CTE）是一种命名的临时结果集，可以在一个SELECTINSERTUPDATE或DELETE语句的执行范围内使用。CTE 是 ANSI SQL 1999 及以后版本标准的一部分。CTE 是和派生表很相似的另一种形式，但具有更多的优势，如支持递归查询和在同一查询中多次引用。-- T-SQL 中使用的 WITH 子句有几种不同的目的-- 用 WITH 定义 CTE 时，同一代码段中前面的语句（如果存在）必须使用分号结束。]]></description><category></category></item><item><title><![CDATA[T-SQL 语言基础：表表达式__派生表]]></title><link>https://blog.youkuaiyun.com/u010691082/article/details/146334757</link><guid>https://blog.youkuaiyun.com/u010691082/article/details/146334757</guid><author>u010691082</author><pubDate>Wed, 19 Mar 2025 10:49:54 +0800</pubDate><description><![CDATA[派生表是嵌套在FROM子句中的子查询。它们的作用范围仅限于包含它们的查询。派生表可以简化查询逻辑，解决复杂问题，并规避某些语言限制。表表达式是一种命名的查询表达式，代表一个有效的关系表，可以像其他表一样在数据处理语句中使用。SQL 支持四种类型的表表达式：派生表、公用表表达式、视图和内联表值函数。派生表通过嵌套子查询简化了复杂查询的逻辑，使得代码更具可读性和可维护性。它们的作用范围仅限于包含它们的查询，因此更适用于一次性查询任务。]]></description><category></category></item></channel></rss>