#应用架构
共 13 篇相关文章
第 1 章 FDE 范式的起源与定义演进:从伊拉克战场到 2026 AI 焦点
本章一句话 :FDE 不是 2026 年凭空冒出来的新概念,而是一套被 Palantir 在战场、情报与企业项目中反复打磨了二十年的"前沿部署"打法;大模型的出现只是让它从"特种作战"变成了"AI 时代的标配岗位"。 1.1 一个被反复追问的问题:FDE 到底是什么 2026 年 5 月,一条短视频…
第 3 章 头部公司 FDE 模式深度拆解
本章一句话 :FDE 不是铁板一块——Palantir、OpenAI、Anthropic、IBM、国内云各有各的 FDE 变体,理解这些差异,是判断"自己公司该学谁"的前提。 3.1 Palantir:FDE 的起源与标准制定者 谈 FDE,绕不开 Palantir。它不仅是这个岗位的发明者,更是迄…
第 5 章 Echo-Delta-Dev 三角编队:Palantir 的底层逻辑
本章一句话 :FDE 之所以能规模化,关键不在"招到一个超人",而在于 Palantir 把"前沿部署"拆成了 Echo / Delta / Dev 三种专精角色,让普通人通过紧密协作,组合出超人的效果。 5.1 为什么需要三角编队:一个人做不到 如果让一个人同时承担"钻进客户挖问题 + 写生产代码…
第 13 章 制造业:AI 视觉质检、预测性维护与工业大脑
本章一句话 :制造业 FDE 的本质,是把 AI 嵌进产线、设备、MES 这套"物理 数字"系统——从视觉质检的相机→推理→剔除闭环,到预测性维护,价值直接体现在良品率和停机率上。 13.1 制造业 AI 落地的特征 制造业 FDE 和金融/医疗不同,它面对的是 物理世界 : 特征一:OT/IT 融…
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"…
深度专题六 模型部署与推理优化:vLLM、量化与生产级推理
专题定位 :把模型变成"可调用的服务",并让它在客户的算力/成本约束下跑得快、跑得省,是 FDE 的硬功夫。本专题深入推理服务化、量化、性能优化、成本控制。 一、推理服务化:从模型权重到生产 API 模型权重(.safetensors)不能直接被业务调用,要变成"服务"。 推理服务的职责 接收请求(…
深度专题十五 Agent 行业应用深度案例集
本专题不谈"AI 改变世界"的口号，只回答一个问题：在一个具体行业的真实业务现场，Agent 到底长什么样、怎么分工、怎么衡量、怎么回本。每个行业都按"业务痛点 → Agent 架构（人机分工 / 工具链 / MCP / HITL）→ 关键指标 → ROI"四段式拆解，并标注信息来源。凡公开可核证的…
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、…
深度专题三十二 多模态 AI 落地实战
一、多模态 AI 的 2026 现状 2026 年的"多模态"已经从 2023 年的"文生图 demo 大爆发"走向了一个更冷静、也更工程化的阶段。其特征可以用三句话概括： 生成质量过了"能用"门槛、理解能力过了"准用"门槛、成本过了"敢用"门槛 。 具体来看五条主线： 文生图 全面收敛到三档：闭源…