本篇是面向云原生工程师的 PyTorch 深度学习入门笔记，从 Tensor、Autograd、线性回归讲到逻辑回归、DataLoader 和二分类指标。

基于 VMware 与 Ubuntu 搭建一主二从 Kubernetes 集群，包含网络配置、节点加入与 Nginx 部署验证流程。

KServe = 让 Kubernetes 不只是跑容器，而是能用 InferenceService、ServingRuntime 等资源来统一部署和管理 AI 模型推理服务的平台。

我很庆幸，还好我是年轻人，有足够的勇气、有足够的精力，去追逐时代的步伐。

因为功能需求与复杂度的增加，最近我把一个脚本爬虫重构成了`爬虫网关`。为了达到代码 “更干净” 的目地， 也是遇到了很多难以攻克的难题。

本篇文章介绍了一个AI工具系统设计，重点讨论了协议统一、权限管理和可控性。通过分层架构（domain、service、infrastructure），实现了灵活、安全、可扩展的工具调用机制，确保权限清晰、工具扩展低成本，同时优化了性能和用户体验。

Go GC 的演进，本质上不是频繁换算法，而是围绕“更短暂停、更稳正确性、更低尾延迟、更适配容器与现代 CPU”这几件工程目标，一步步从标记清扫走到混合写屏障，再走到 Green Tea。

ChatModelAgent 的本质不是替你调一次模型，而是让模型以 Agent 的方式持续做决策、执行动作、输出过程，并允许你把工程逻辑插进运行链路。

ChatModelAgent 的本质不是替你调一次模型，而是让模型以 Agent 的方式持续做决策、执行动作、输出过程，并允许你把工程逻辑插进运行链路。

ADK 单独抽象出 Agent，本质上是为了把一次智能体执行统一成“有身份、有输入协议、有请求级配置、有事件流输出、还能表达转交/中断/退出行为”的可组合运行单元，而不只是一次 Prompt 调用。