ROS2 = Robot Operating System 2，机器人开发中间件，不是真正操作系统，运行在 Linux（主力 Ubuntu）上。作用：统一机器人硬件驱动、传感器通信、算法调度、仿真、上位机交互，支持机械臂、移动小车、人形机器人、自动驾驶。对比 ROS1：抛弃 Master 单点故障，采用 DDS 分布式通信，支持多机、实时性、嵌入式（Jetson / 单片机）。

ROS2 = Robot Operating System 2，机器人开发中间件，不是真正操作系统，运行在 Linux（主力 Ubuntu）上。作用：统一机器人硬件驱动、传感器通信、算法调度、仿真、上位机交互，支持机械臂、移动小车、人形机器人、自动驾驶。对比 ROS1：抛弃 Master 单点故障，采用 DDS 分布式通信，支持多机、实时性、嵌入式（Jetson / 单片机）。

内容、电商、会员 CDP、订单系统互相独立，数据无法统一渲染页面；营销改页面必须前端开发介入，上线周期长；多数据源拼接页面加载慢、白屏、性能差；AI 能力零散，仅能改文案，无法自动化页面搭建、优化。体验编排中间层，不替换企业现有系统，只做统一聚合、可视化组装、AI 自动化，实现「开发一次组件，营销无代码搭建全渠道页面」。降本增效：营销自主搭建页面，减少前端开发工单，活动上线周期从周级缩短至小时级；

MotionBricks 是 NVIDIA 联合苏黎世联邦理工、西蒙菲莎大学、德州大学奥斯汀发布于 SIGGRAPH 2026 的，一套模型同时服务 3A 游戏角色动画与人形机器人全身控制，解决传统动画状态机臃肿、机器人运动生成延迟高、动画与机器人技术割裂三大痛点，核心由两大核心技术构成。

AutoGen 是一个开源编程框架，用于构建 AI 代理并促进多个代理之间的合作以解决问题，通过创建多个可定制、可对话、可协作的 AI 智能体，利用自然语言交互实现任务分工、工具调用与流程自动化，支持 RAG、代码执行、人机协作等场景，是构建 Agentic AI 系统的主流工具。第二步，由「控制台」进入「火山方舟」的模型广场找到你想要的模型，这里我们用「DeepSeek-V3」，右上角选择「AP

LangChain 就是一个把大模型（LLM）变成“能干活的智能体”的标准化框架。它不是模型，而是一套“流水线 + 零件库 + 调度中心”。

我独立做过一个私有化 RAG 多智能体问答系统，核心解决企业内部文档不能上公网、隐私安全的问题。流程分五步：1）文档接入：支持 PDF/Word 等格式上传；2）语义切块：1000 字符、200 重叠，平衡语义完整和噪声；3）向量化入库：用 Embedding 把文本转向量，本地向量库存，Redis 缓存对话历史；4）检索排序：先向量粗排 Top8，再重排选 Top3，提升相关性；

AutoGen 是一个开源编程框架，用于构建 AI 代理并促进多个代理之间的合作以解决问题，通过创建多个可定制、可对话、可协作的 AI 智能体，利用自然语言交互实现任务分工、工具调用与流程自动化，支持 RAG、代码执行、人机协作等场景，是构建 Agentic AI 系统的主流工具。第二步，由「控制台」进入「火山方舟」的模型广场找到你想要的模型，这里我们用「DeepSeek-V3」，右上角选择「AP

开发了一个生产级的多智能体协作系统，实现基于本地大模型的智能文档问答。系统采用4个专门化Agent（协调者、研究员、分析师、写作师）协同工作，通过RAG技术实现私有文档的智能检索与问答。项目解决了传统单模型问答的局限性，实现了任务分解、并行处理、结果整合的完整Agent协作流程。

我的思考过程第一轮筛选：OpenAIAPI首先被我排除。一是企业级私密文件数据不能上传云端；二是长期使用API费用不低；三是公司网络可能访问不了。隐私是第一位的。第二轮对比：vLLM被排除。它虽然吞吐量高，但主要针对GPU服务器场景。我的开发机只有16GB内存，vLLM加载7B模型都很吃力。而且vLLM的配置复杂，需要自己写Dockerfile、配置GPU驱动，对于原型验证阶段太重了。第三轮决策：