登录社区云，与社区用户共同成长
邀请您加入社区
为遵守国家网络实名制规定，未绑定将限制内容发布与互动
2025年10月16日，在第27届中国国际软件博览会期间，开源中国郑州研发中心总经理常毅受邀出席“人工智能+软件”分论坛，并发表题为《智能 DevOps，企业级 DevOps 全域智能体系》的主题演讲。大模型与智能体的出现，使DevOps开始从“流程自动化”迈向“任务智能化”。智能DevOps可以理解为：在需求、设计、编码、测试、交付和度量等研发流程中，引入具备上下文理解、任务规划和工具调用能力的
2026 年 7 月 16 日，GOAI 世界人工智能开源大赛（Global Open-source AI Challenge）官方网站 goaihz.com 正式上线，报名通道面向全球开放。
《AI Agent记忆系统的演进与未来》摘要：随着AI从聊天机器人向智能体（Agent）演进，记忆系统（Memory）成为关键技术瓶颈。本文剖析了Agent记忆系统的核心设计：区分工作记忆（Context）与长期记忆（Memory），采用人类启发的三级分层架构（工作记忆/短期记忆/长期记忆），并揭示其存储内容远超聊天记录，涵盖用户画像、项目知识和行为经验。作者指出全量记忆注入Prompt的不可行性
《从单体到微服务：Multi-Agent架构如何重塑AI系统》摘要：本文探讨了AI系统从单Agent向Multi-Agent架构的演进过程。作者指出，随着任务复杂度提升，单Agent系统面临Prompt膨胀、上下文爆炸、推理成本攀升等问题，这与早期单体软件架构的困境如出一辙。Multi-Agent架构通过专业分工（如Planner、Data、Report等独立Agent）显著降低系统复杂度，其设计
人工智能早已不再是只存在于科研实验室里的前沿概念，而是渗透进日常办公、衣食出行、工业生产、医疗教育等方方面面的实用技术。不管是日常使用的智能对话工具、一键生成图文视频的创作软件，还是工厂里自动作业的机械臂、出行时辅助驾驶的车辆，背后都离不开 AI 技术的支撑。
大模型技术这几年一路狂飙，算力和模型能力早就不是瓶颈了，但 Gartner 的数据却给行业泼了盆冷水，2026 年预计会有超 60% 的企业 AI 项目烂尾，核心症结其实不在模型，而是数据基础设施彻底跟不上了。
摘要： 随着AI从ChatBot向Agent演进，Runtime（运行时环境）的重要性日益凸显。Runtime作为Agent的"神经系统"，负责任务调度、上下文管理、工具编排、状态管理和推理调度等核心功能，决定了Agent的执行效率与稳定性。与传统ChatBot的单次推理不同，Agent需要管理复杂任务的生命周期，Runtime通过优化资源调度、减少模型调用次数，显著降低推理成本并提升任务成功率。
很多人认为，Agent 只是让大模型多了一双"手"。实际上，Agent 更像是让大模型拥有了一套完整的工作流程。相比传统 ChatBot，一次 Agent 任务可能包含几十次模型推理、多个工具调用以及持续增长的上下文。因此，一个 Agent 消耗的算力，往往远超一次普通对话。随着 Agent 应用越来越普及，真正决定 AI 成本的，也不再只是 GPU 的算力，而是整个执行链路的效率。
2026 年的企业 AI 赛道，全面进入“能不能用好 AI”的价值兑现期，Google Cloud 在今年 4 月的 Next 2026 大会上正式提出 Agentic Enterprise（智能体企业） 全新战略，将 Gemini Enterprise Agent Platform 定位为 Vertex AI 的进化核心载体，直指当前企业 AI 落地的普遍痛点。
本文探讨了AI基础设施中带宽(Bandwidth)的重要性日益凸显的现象。随着GPU算力提升，大模型推理性能的瓶颈已从计算能力转向数据传输效率。文章分析了GPU"吃不饱"的原因：Transformer架构需要频繁访问模型参数和KV Cache，使AI推理成为内存和带宽密集型任务。作者指出，现代AI优化已进入"数据流时代"，需要关注整个计算链路的数据传输能力，包括HBM、PCIe、NVLink等各个
