#可观测性
共 16 篇相关文章
第 7 章 CDEF 四阶段方法论与 2026 演进(Context / Design / Engineer / Feedback)
本章一句话 :把第 6 章的方法论内核,落成一个可执行的"四阶段流程"——Context 勘探 → Design 设计 → Engineer 工程 → Feedback 反馈,这是 FDE 在真实项目里"照着走"的操作手册。 7.1 CDEF 是什么 CDEF 是对 FDE 工作流程的一种结构化归纳…
第 8 章 AI Agent 时代的 FDE:人机混合作战单元与 MCP
本章一句话 :2026 年,FDE 的最大变化是——TA 不再只是"自己搭系统",而是变成"指挥一队 AI Agent 搭系统"的指挥官;而 MCP(Model Context Protocol)成了连接 Agent 与企业系统的标准接口。 8.1 从"人搭系统"到"人指挥 Agent 搭系统" 2…
第 9 章 驻场工程化技术栈:LLM 选型 / RAG / Agent / 推理 / 量化 / 可观测
本章一句话 :FDE 在客户现场要搭一个能跑的 AI 系统,靠的是一套从模型到可观测的七层技术栈;本章给出 2026 年生产级选型与可照抄的命令/配置。 9.1 技术栈全景图:七层 一个完整的企业 AI 系统,FDE 需要打通七层技术栈: FDE 不需要在每层都是专家,但必须能" 端到端打通 "——…
第 16 章 物流与供应链:调度、履约与 Agent 化运营
本章一句话 :物流/供应链是 FDE 岗位爆发最快的行业之一——Salesforce Agentforce for Supply Chain、Stord、Kinaxis、Brillio 都在重金招募;FDE 的价值在于把调度、履约、仓储这些"运营重"的场景,用 AI Agent 变成可自主运行的系统…
深度专题二 Agent 编排实战:六种拓扑、HITL、状态契约与故障应对
专题定位 :Agent 编排是 2026 年 FDE 的核心技能(本书第 8 章),但"知道有哪些框架"和"能在客户现场把多 Agent 系统跑稳"是两回事。本专题深入编排拓扑、状态契约、HITL 设计、故障应对的实战细节。 一、从"调一个 LLM"到"编排一群 Agent" 单次 LLM 调用是"…
深度专题九 MLOps 与持续交付（LLM 应用的工程化）
9.1 为什么传统 MLOps 框架在 LLM 时代失灵 把一个 GPT 4o 或 Qwen Max 接进业务，看上去只是"调一次 API"，但只要它进了生产链路，就会立刻撞上和传统 ML 流水线完全不同的几条事实： 核心论断：传统 MLOps 管的是"模型权重 + 特征"，LLM MLOps 管的…
深度专题十七 多 Agent 编排代码级实战
当单 Agent 跑通一个 demo 之后，下一个真正的工程难题是：怎么把多个 Agent 串成一条可控、可观测、可中断、可回滚的流水线。本专题不谈概念图，全部以可运行代码呈现：从 LangGraph 的最小骨架，到三 Agent 协作、HITL 中断恢复、CrewAI 角色编排、MCP 工具暴露、…
深度专题二十 AI 系统可观测性与 SRE
传统软件系统的 SRE 方法论（Google SRE 一书奠定的 SLI/SLO、错误预算、runbook、事故复盘体系）经过二十年沉淀已相当成熟。但当被运维的对象从"确定性函数"变成"概率性语言模型"时，这套方法论必须被重新校准：同样的指标名（延迟、错误率、吞吐）含义发生了漂移，还必须新增一整层"…
深度专题二十五 FDE 工具链生态全景(2026)
一句话定位:FDE 的现场交付能力,本质是用"七层工具栈 + 一张选型速查表"把客户业务问题压成可上线的系统。本专题按"模型 → 推理 → 检索 → 编排 → 数据 → 评估可观测 → MLOps → 低代码 → 部署"九层,给真实工具清单、定位与选型建议。 25.1 为什么 FDE 必须有一张工具…