先说清楚概念。本文说的「边缘部署」，指的是把模型推理放到靠近数据产生的地方执行，而不是集中到云端 GPU 集群。端侧设备：手机、平板、车机、智能音箱，推理直接发生在用户设备上。边缘服务器/盒子：工业控制器、边缘网关、视频分析盒子，通常部署在工厂、园区、门店。嵌入式设备：MCU、开发板、机器人、无人机等资源更受限的场景。与云端部署相比，边缘部署的核心差异不是「模型能不能跑」，而是「在受限的算力、内存

S（Standard，标准）：统一智能体的数据格式、通信协议、状态模型与质量要求，让异构系统“说同一种语言”。K（Knowledge，知识）：规范工业知识的表达、抽取、存储与推理方式，让专家经验与机理模型可被智能体理解和使用。I（Interoperability，互操作性）：保障智能体与 MES、SCADA、ERP、PLC、机器人等既有工业系统之间的无缝协同。I（Intelligence，智能）：

订阅到消息后，用Function节点把故障码映射成中文标签，再连到Dashboard的Gauge（仪表盘）和Chart（趋势图）节点，就能实时看到每台设备的健康状态。如果告诉你，用一块不到60元的ESP32开发板，加上一颗ADXL345振动传感器，就能在设备端实时识别轴承故障，准确率高达99.6%，推理延迟不到5毫秒——你信吗？一个完整的TinyML实战工程，从传感器采集、FFT频谱分析、特征提取

if stride!return out本文从 ResNet 的残差思想出发，完整实现了一个基于 CIFAR-10 的图像分类实战项目。残差连接让深层网络训练成为可能BasicBlock 与 Bottleneck 分别适用于浅层与深层网络数据增强与学习率调度对最终精度影响显著预训练权重迁移是提升小数据集性能的有效手段ResNet 作为计算机视觉的基石模型，理解它的原理与实现，对后续学习 Dense

MCP 是一种基于 JSON-RPC 2.0 的开放协议，定义了 AI 应用（Host）与外部工具/数据源（Server）之间的标准化通信方式。理解了 MCP 协议的核心概念与通信机制从零实现了 MCP Server 与 Client搭建了完整的 AI Agent 工具链掌握了 HTTP 传输与安全实践。