网站开发如何下载服务器文档电商平面设计主要做什么

网站开发如何下载服务器文档,电商平面设计主要做什么,国有资产处网站建设,dede本地搭建网站Eino是字节跳动开源的大模型智能体框架#xff0c;采用分层架构设计#xff0c;提供智能体引擎、模型适配器等核心组件#xff0c;支持多模型集成、工具调用和流式处理。文章通过智能客服和代码审查助手案例展示实际应用#xff0c;并详细介绍性能优化、错误处理和监控等最…Eino是字节跳动开源的大模型智能体框架采用分层架构设计提供智能体引擎、模型适配器等核心组件支持多模型集成、工具调用和流式处理。文章通过智能客服和代码审查助手案例展示实际应用并详细介绍性能优化、错误处理和监控等最佳实践帮助开发者快速构建AI智能体应用。深入浅出大模型智能体框架 Eino前言在人工智能技术飞速发展的今天大模型智能体AI Agent正在成为推动技术革新的重要力量。作为字节跳动开源的 CloudWeGo 生态系统中的重要一员Eino 框架应运而生为开发者提供了一个强大而灵活的大模型智能体开发解决方案。本文将深入剖析 Eino 框架的设计理念、核心架构以及实际应用帮助读者全面了解这个备受关注的开源项目。什么是 EinoEino 是由字节跳动 CloudWeGo 团队开源的大模型智能体框架旨在为开发者提供一套完整的、生产级的智能体开发工具链。作为 CloudWeGo 生态系统的重要组成部分Eino 继承了该系列项目一贯的高性能、高可用、易扩展的设计理念。项目背景随着 GPT、Claude 等大语言模型的兴起AI 智能体的应用场景越来越广泛。然而开发一个功能完善、性能优异的智能体系统并非易事。开发者需要面对诸多挑战•复杂的模型调用管理不同模型厂商的 API 接口各异调用方式不统一•上下文管理困难长对话中的上下文管理和状态保持•工具集成复杂与外部系统、数据库、API 的集成•性能优化难题高并发场景下的响应速度和资源利用•可观测性缺失智能体行为的监控和调试Eino 框架正是为了解决这些问题而设计它提供了一个统一的开发平台让开发者能够专注于业务逻辑的实现而不需要关注底层的技术细节。核心设计理念Eino 框架的设计理念可以概括为以下几个核心原则1.简单易用• 提供简洁的 API 接口降低学习成本• 丰富的文档和示例快速上手• 完善的工具链提升开发效率2.高性能• 基于 Go 语言开发充分利用并发优势• 优化的内存管理支持大规模部署• 异步处理机制提升响应速度3.可扩展• 插件化架构支持自定义组件• 灵活的配置系统适应不同场景• 开放的接口设计易于二次开发4.生产就绪• 完善的错误处理和恢复机制• 丰富的监控和日志功能• 支持 Kubernetes 部署适应云原生环境Eino 框架架构整体架构Eino 框架采用了分层架构设计从上到下依次为┌─────────────────────────────────────┐│ Application Layer ││ (应用层) │├─────────────────────────────────────┤│ Agent Framework ││ (智能体框架层) │├─────────────────────────────────────┤│ Component Layer ││ (组件层) │├─────────────────────────────────────┤│ Infrastructure Layer ││ (基础设施层) │└─────────────────────────────────────┘应用层Application Layer应用层是开发者直接接触的层面提供了• 智能体定义和配置接口• 业务逻辑开发框架• 对话管理工具• 插件扩展机制智能体框架层Agent Framework智能体框架层是 Eino 的核心包含• 智能体生命周期管理• 对话状态管理• 决策和推理引擎• 工具调用协调器组件层Component Layer组件层提供了各种可复用的组件• 模型适配器支持 OpenAI、Claude、本地模型等• 工具集成器数据库、API、文件系统等• 记忆管理器短期记忆、长期记忆• 监控和日志组件基础设施层Infrastructure Layer基础设施层提供了底层的支撑能力• 网络通信框架• 配置管理• 服务发现• 数据存储接口核心组件详解1.智能体引擎Agent Engine智能体引擎是 Eino 的核心组件负责协调智能体的各个部分工作// 伪代码示例type AgentEngine struct { modelAdapter ModelAdapter toolManager ToolManager memoryManager MemoryManager decisionEngine DecisionEngine}func (e *AgentEngine) Process(ctx context.Context, input *Input) (*Output, error) { // 1. 获取上下文 context : e.memoryManager.GetContext(ctx) // 2. 决策引擎分析 decision : e.decisionEngine.Analyze(ctx, input, context) // 3. 调用相应工具 result : e.toolManager.Execute(ctx, decision.Tools) // 4. 调用模型生成响应 response : e.modelAdapter.Call(ctx, ModelRequest{ Input: input, Context: context, Tools: result, }) // 5. 更新记忆 e.memoryManager.Update(ctx, response) return response, nil}2.模型适配器Model Adapter模型适配器提供了统一的模型调用接口支持多种大模型type ModelAdapter interface { Call(ctx context.Context, req *ModelRequest) (*ModelResponse, error) Stream(ctx context.Context, req *ModelRequest) (-chan *ModelResponse, error) GetCapabilities() *ModelCapabilities}// 支持的模型类型type ModelType stringconst ( ModelTypeOpenAI ModelType openai ModelTypeClaude ModelType claude ModelTypeLocal ModelType local ModelTypeCustom ModelType custom)3.工具管理器Tool Manager工具管理器负责智能体与外部系统的交互type ToolManager struct { tools map[string]Tool mu sync.RWMutex}type Tool interface { Name() string Description() string Execute(ctx context.Context, params map[string]interface{}) (interface{}, error) Validate(params map[string]interface{}) error}// 示例工具天气查询type WeatherTool struct{}func (t *WeatherTool) Name() string { return get_weather }func (t *WeatherTool) Description() string { return 获取指定城市的天气信息 }func (t *WeatherTool) Execute(ctx context.Context, params map[string]interface{}) (interface{}, error) { city : params[city].(string) // 调用天气 API return getWeatherFromAPI(city)}4.记忆管理器Memory Manager记忆管理器负责智能体的状态管理和上下文保持type MemoryManager struct { shortTermMemory *ShortTermMemory longTermMemory *LongTermMemory contextWindow *ContextWindow}func (m *MemoryManager) AddMessage(ctx context.Context, msg *Message) error { // 添加到短期记忆 m.shortTermMemory.Add(msg) // 如果需要转移到长期记忆 if m.shortTermMemory.Size() m.contextWindow.MaxSize() { archived : m.shortTermMemory.ArchiveOldest() m.longTermMemory.Store(archived) } return nil}func (m *MemoryManager) GetContext(ctx context.Context) []*Message { // 合并短期和长期记忆 return append(m.longTermMemory.GetRelevant(), m.shortTermMemory.GetAll()...)}核心特性解析1.多模型支持Eino 框架提供了统一的模型适配层支持多种主流大模型•OpenAI GPT 系列GPT-3.5、GPT-4、GPT-4 Turbo 等•Anthropic ClaudeClaude 2、Claude 3 系列•本地模型支持通过 OpenAI API 兼容接口调用本地部署的模型•自定义模型通过标准接口可以轻松集成新的模型// 配置不同模型config : eino.Config{ Models: map[string]eino.ModelConfig{ gpt-4: { Type: eino.ModelTypeOpenAI, Endpoint: https://api.openai.com/v1, APIKey: os.Getenv(OPENAI_API_KEY), Model: gpt-4, }, claude-3: { Type: eino.ModelTypeClaude, Endpoint: https://api.anthropic.com, APIKey: os.Getenv(ANTHROPIC_API_KEY), Model: claude-3-sonnet-20240229, }, },}2.工具系统Eino 的工具系统是其最强大的特性之一它允许智能体与外部世界进行交互工具类型•API 调用工具与外部 REST API 交互•数据库工具读写数据库信息•文件系统工具操作本地或远程文件•计算工具执行数学计算、数据分析•自定义工具开发者可以定义自己的业务逻辑工具工具调用示例// 定义一个搜索工具type SearchTool struct { searchEngine SearchEngine}func (t *SearchTool) Execute(ctx context.Context, params map[string]interface{}) (interface{}, error) { query : params[query].(string) results, err : t.searchEngine.Search(ctx, query) if err ! nil { return nil, fmt.Errorf(search failed: %w, err) } return map[string]interface{}{ results: results, count: len(results), }, nil}// 注册工具toolManager.Register(SearchTool{ searchEngine: NewGoogleSearchEngine(),})3.流式处理Eino 支持流式处理可以实时输出大模型的生成结果func streamResponse(ctx context.Context, agent *eino.Agent, input string) error { stream, err : agent.Stream(ctx, eino.Input{ Message: input, }) if err ! nil { return err } for chunk : range stream { if chunk.Error ! nil { return chunk.Error } // 实时输出 fmt.Print(chunk.Content) // 检查上下文取消 if ctx.Err() ! nil { return ctx.Err() } } return nil}4.插件系统Eino 提供了灵活的插件系统支持功能扩展type Plugin interface { Name() string Version() string Init(ctx context.Context, config map[string]interface{}) error Execute(ctx context.Context, input interface{}) (interface{}, error)}// 示例插件内容安全检查type ContentSafetyPlugin struct { checker *ContentChecker}func (p *ContentSafetyPlugin) Execute(ctx context.Context, input interface{}) (interface{}, error) { msg : input.(*Message) // 检查内容安全 if err : p.checker.Check(msg.Content); err ! nil { return nil, fmt.Errorf(content safety check failed: %w, err) } return input, nil}5.监控和可观测性Eino 提供了完善的监控和可观测性功能// 指标收集type Metrics struct { RequestCount prometheus.Counter ResponseTime prometheus.Histogram ErrorRate prometheus.Counter TokenUsage prometheus.Counter}// 分布式追踪func (e *AgentEngine) Process(ctx context.Context, input *Input) (*Output, error) { ctx, span : tracer.Start(ctx, AgentEngine.Process) defer span.End() // 记录请求指标 e.metrics.RequestCount.Inc() start : time.Now() output, err : e.processInternal(ctx, input) // 记录响应时间 e.metrics.ResponseTime.Observe(time.Since(start).Seconds()) if err ! nil { e.metrics.ErrorRate.Inc() span.RecordError(err) } return output, err}实战案例案例1智能客服机器人让我们通过一个实际的案例来展示如何使用 Eino 框架构建一个智能客服机器人。需求分析• 自然语言对话能力• 查询订单信息• 处理退换货请求• 转接人工客服• 多轮对话管理实现步骤1. 初始化项目package mainimport ( context fmt log github.com/cloudwego/eino github.com/cloudwego/eino/components github.com/cloudwego/eino/tools)func main() { // 初始化配置 config : eino.Config{ Model: eino.ModelConfig{ Type: eino.ModelTypeOpenAI, Model: gpt-4, APIKey: your-api-key, }, } // 创建智能体引擎 agent, err : eino.NewAgent(config) if err ! nil { log.Fatal(err) } // 注册工具 registerTools(agent) // 启动服务 startServer(agent)}2. 注册客服相关工具func registerTools(agent *eino.Agent) { // 订单查询工具 agent.RegisterTool(tools.OrderQueryTool{ DB: database.NewOrderDB(), }) // 退换货处理工具 agent.RegisterTool(tools.ReturnRequestTool{ OrderService: service.NewOrderService(), }) // 人工客服转接工具 agent.RegisterTool(tools.HumanHandoverTool{ CustomerService: service.NewCustomerService(), }) // 商品信息查询工具 agent.RegisterTool(tools.ProductInfoTool{ ProductDB: database.NewProductDB(), })}3. 实现对话逻辑func handleConversation(ctx context.Context, agent *eino.Agent, userInput string) { // 构建输入 input : eino.Input{ Message: userInput, Context: map[string]interface{}{ user_id: user123, session_id: session456, history: getConversationHistory(user123), }, } // 处理用户输入 output, err : agent.Process(ctx, input) if err ! nil { log.Printf(Error processing input: %v, err) fmt.Println(抱歉我遇到了一些问题请稍后再试。) return } // 输出响应 fmt.Println(机器人:, output.Message) // 保存对话历史 saveConversationHistory(user123, userInput, output.Message)}4. 启动 HTTP 服务func startServer(agent *eino.Agent) { http.HandleFunc(/chat,func(w http.ResponseWriter, r *http.Request) { var req struct { Message string json:message UserID string json:user_id } if err : json.NewDecoder(r.Body).Decode(req); err ! nil { http.Error(w, err.Error(), http.StatusBadRequest) return } ctx : context.WithValue(r.Context(), user_id, req.UserID) output, err : agent.Process(ctx, eino.Input{ Message: req.Message, }) if err ! nil { http.Error(w, err.Error(), http.StatusInternalServerError) return } json.NewEncoder(w).Encode(output) }) log.Println(Customer service bot started on :8080) log.Fatal(http.ListenAndServe(:8080, nil))}案例2代码审查助手另一个常见的应用场景是代码审查助手它可以自动检查代码质量、提供建议和修复方案。核心功能• 代码质量分析• 安全漏洞检测• 性能优化建议• 代码格式化• 自动生成测试用例实现示例// 代码审查工具type CodeReviewTool struct { analyzer *codeanalyzer.Analyzer}func (t *CodeReviewTool) Execute(ctx context.Context, params map[string]interface{}) (interface{}, error) { code : params[code].(string) language : params[language].(string) // 分析代码 issues : t.analyzer.Analyze(ctx, codeanalyzer.Request{ Code: code, Language: language, }) // 生成报告 report : ReviewReport{ Summary: generateSummary(issues), Issues: issues, Suggestions: generateSuggestions(issues), Score: calculateScore(issues), } return report, nil}// 智能体配置func createCodeReviewAgent() *eino.Agent { config : eino.Config{ Model: eino.ModelConfig{ Type: eino.ModelTypeOpenAI, Model: gpt-4, APIKey: os.Getenv(OPENAI_API_KEY), }, SystemPrompt: 你是一个专业的代码审查助手。你的任务是1. 仔细审查代码发现潜在问题2. 提供具体的改进建议3. 解释问题的原因和影响4. 给出修复方案5. 保持友好和建设性的语调, } agent, _ : eino.NewAgent(config) // 注册代码审查工具 agent.RegisterTool(CodeReviewTool{ analyzer: codeanalyzer.New(), }) // 注册代码格式化工具 agent.RegisterTool(CodeFormatTool{}) // 注册测试生成工具 agent.RegisterTool(TestGeneratorTool{}) return agent}性能优化1.并发处理Eino 框架充分利用 Go 语言的并发特性支持高并发处理func (e *AgentEngine) ProcessConcurrent(ctx context.Context, inputs []*Input) ([]*Output, error) { var wg sync.WaitGroup results : make([]*Output, len(inputs)) errors : make([]error, len(inputs)) for i, input : range inputs { wg.Add(1) gofunc(idx int, in *Input) { defer wg.Done() result, err : e.Process(ctx, in) if err ! nil { errors[idx] err return } results[idx] result }(i, input) } wg.Wait() // 检查错误 for _, err : range errors { if err ! nil { return nil, fmt.Errorf(concurrent processing failed: %w, err) } } return results, nil}2.缓存机制为了提高性能Eino 实现了多级缓存机制type CacheManager struct { l1Cache *lru.Cache // 内存缓存 l2Cache *redis.Client // Redis 缓存 l3Cache *sql.DB // 数据库缓存}func (c *CacheManager) Get(ctx context.Context, key string) (interface{}, error) { // L1 缓存 if val, ok : c.l1Cache.Get(key); ok { return val, nil } // L2 缓存 val, err : c.l2Cache.Get(ctx, key).Result() if err nil { c.l1Cache.Add(key, val) return val, nil } // L3 缓存 var dbVal string err c.l3Cache.QueryRowContext(ctx, SELECT value FROM cache WHERE key ?, key).Scan(dbVal) if err nil { c.l2Cache.Set(ctx, key, dbVal, time.Hour) c.l1Cache.Add(key, dbVal) return dbVal, nil } return nil, fmt.Errorf(key not found)}3.资源池化对于频繁创建和销毁的资源Eino 使用对象池技术type ModelClientPool struct { pool sync.Pool}func NewModelClientPool() *ModelClientPool { return ModelClientPool{ pool: sync.Pool{ New:func() interface{} { return ModelClient{ client: http.Client{ Timeout: 30 * time.Second, }, } }, }, }}func (p *ModelClientPool) Get() *ModelClient { return p.pool.Get().(*ModelClient)}func (p *ModelClientPool) Put(client *ModelClient) { // 重置客户端状态 client.Reset() p.pool.Put(client)}部署和运维1.Docker 部署Eino 支持 Docker 容器化部署FROM golang:1.21-alpine AS builderWORKDIR /appCOPY go.mod go.sum ./RUN go mod downloadCOPY . .RUN CGO_ENABLED0 GOOSlinux go build -o eino-agent ./cmd/agentFROM alpine:latestRUN apk --no-cache add ca-certificatesWORKDIR /root/COPY --frombuilder /app/eino-agent .COPY --frombuilder /app/config ./configEXPOSE 8080CMD [./eino-agent]2.Kubernetes 部署apiVersion: apps/v1kind: Deploymentmetadata: name: eino-agentspec: replicas: 3 selector: matchLabels: app: eino-agent template: metadata: labels: app: eino-agent spec: containers: - name: eino-agent image: eino-agent:latest ports: - containerPort: 8080 env: - name: OPENAI_API_KEY valueFrom: secretKeyRef: name: api-keys key: openai-api-key resources: requests: memory: 512Mi cpu: 500m limits: memory: 1Gi cpu: 1000m livenessProbe: httpGet: path: /health port: 8080 initialDelaySeconds: 30 periodSeconds: 10 readinessProbe: httpGet: path: /ready port: 8080 initialDelaySeconds: 5 periodSeconds: 53.监控配置使用 Prometheus 和 Grafana 进行监控# prometheus.ymlglobal: scrape_interval: 15sscrape_configs: - job_name: eino-agent static_configs: - targets: [eino-agent:8080] metrics_path: /metrics scrape_interval: 5s最佳实践1.架构设计原则•单一职责每个工具只负责一个特定功能•松耦合组件之间通过接口交互避免直接依赖•可测试性编写可测试的代码使用依赖注入•可扩展性预留扩展点支持功能扩展2.错误处理func (e *AgentEngine) Process(ctx context.Context, input *Input) (*Output, error) { // 输入验证 if input nil { return nil, fmt.Errorf(input cannot be nil) } if input.Message { return nil, fmt.Errorf(message cannot be empty) } // 上下文检查 if ctx.Err() ! nil { return nil, fmt.Errorf(context canceled: %w, ctx.Err()) } // 业务逻辑处理 output, err : e.processInternal(ctx, input) if err ! nil { // 记录错误日志 log.Printf(Error processing input: %v, err) // 返回友好的错误信息 return nil, fmt.Errorf(processing failed: %w, err) } return output, nil}3.日志记录func (e *AgentEngine) Process(ctx context.Context, input *Input) (*Output, error) { // 记录请求开始 logger : log.WithFields(log.Fields{ request_id: GetRequestID(ctx), user_id: GetUserID(ctx), message_len: len(input.Message), }) logger.Info(Processing request started) start : time.Now() deferfunc() { logger.WithFields(log.Fields{ duration: time.Since(start), }).Info(Processing request completed) }() // 业务逻辑 output, err : e.processInternal(ctx, input) if err ! nil { logger.WithError(err).Error(Processing failed) return nil, err } logger.WithFields(log.Fields{ output_len: len(output.Message), tokens_used: output.TokenUsage, }).Info(Processing succeeded) return output, nil}生态和社区1.项目生态Eino 作为 CloudWeGo 生态系统的一部分与其他项目紧密集成•Kitex高性能 RPC 框架用于服务间通信•Netpoll高性能网络库提供底层网络支持•HertzHTTP 框架用于构建 Web 服务•Volo异步运行时提供异步编程能力2.社区贡献•开源协议Apache 2.0 协议允许商业使用•贡献指南详细的贡献文档和代码规范•Issue 管理积极响应用户反馈和问题•版本发布定期发布新版本持续改进3.学习资源•官方文档https://eino.cloudwego.io•GitHub 仓库https://github.com/cloudwego/eino•示例项目丰富的示例代码和最佳实践•社区论坛活跃的讨论区和技术支持未来展望1.技术演进•多模态支持支持图像、音频、视频等多模态输入•分布式架构支持大规模分布式部署•边缘计算支持边缘设备部署•联邦学习支持隐私保护的分布式学习2.功能增强•智能路由根据请求特征智能选择模型•自动优化自动优化性能和资源使用•可视化工具提供更丰富的可视化和调试工具•模板系统提供更多预置模板和场景解决方案3.生态发展•插件市场建立插件生态系统•模型商店支持更多模型提供商•工具集成与更多第三方工具集成•行业解决方案提供特定行业的解决方案总结Eino 作为一个新兴的大模型智能体框架凭借其优秀的架构设计、丰富的功能和活跃的社区支持正在成为 AI 智能体开发领域的重要选择。通过本文的深入分析我们可以看到设计先进Eino 采用了现代化的架构设计具有高扩展性和高性能功能完整提供了从基础模型调用到复杂工具集成的完整解决方案生态丰富作为 CloudWeGo 生态的一部分与其他项目形成了强大的技术栈生产就绪完善的企业级特性适合生产环境部署对于开发者来说Eino 提供了一个强大而灵活的开发平台可以帮助快速构建高质量的 AI 智能体应用。无论是初创公司还是大型企业都可以从 Eino 的技术优势中受益。随着 AI 技术的不断发展Eino 框架也在持续演进和完善。我们相信在开源社区的共同努力下Eino 将会成为一个更加成熟、更加智能的智能体开发框架为推动 AI 技术的发展和应用做出重要贡献。​最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】​​为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。​​资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌​​​​如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】**​