ModelEngine Flex:ai包含多个关键功能模块，具体如下： 显存/算力控制模块：负责硬件资源显存和算力两类资源的申请，分配与回收，通过限制应用程序使用硬件资源时占用的显存和算力，隔离不同容器中使用的XPU资源，实现硬件资源的虚拟化。 XPU设备插件（XPU-Device-Plugin）：兼容硬件资源（如NVIDIA GPU）生命周期的管理，增加XPU虚拟资源的生命周期管理，实现硬件资源

魔擎开源社区上线已经近一年的时间了。为了给用户带来更好的使用体验，我们特邀您进行体验调查。 ❤️ 我们会对优质答卷赠送答谢礼品。快抽出2分钟时间并留下宝贵意见吧。  调查问卷二维码：

最近，Coze 开源的代码中包含了一个名为 Eino 的框架，其基于 Go 语言的组件化设计和图编排能力引发了开发者对 AI 应用开发效率的关注。而与此同时，在 Java 生态中默默耕耘的 FEL 框架，也因其简洁流畅的任务编排能力，逐渐走入更多工程师的视野。然而，真正的成熟框架，不能只停留在“简单”或“强大”的单一体验上。我们渴望的是能快速落地、易于维护的解决方案，而不是陷入复杂的架构设计中。这

上周末，杭州的科技氛围因一场盛会而变得格外热烈。汇聚了众多关注人工智能的企业与开发者，议题涵盖了从智能体前沿技术到真实落地应用的方方面面。在大会上，华为高级工程师、ModelEngine Nexent 项目负责人带来的题为《如何用 AI 制造 AI，智能体如何落地真实企业》的分享，引起了不少关注。他系统梳理了智能体在企业应用中面临的挑战，并介绍了 Nexent ——一个，为智能体的开发与应用提供了

这里我已经写好了一个时间插件来获取当前时间，插件包放在了这里（ https://github.com/loveTsong/demo/releases/download/modelengine-time-plugin/time-plugin.zip ），可以直接拿来使用和体验。上期我们介绍了在 ModelEngine 的应用编排中使用 MCP 服务来扩展大模型节点的能力，其实 ModelEngine

模型调参到凌晨？80%的精力却耗在了找数据、洗数据上。这不是你的问题，是工具该进化了？如果你正在为模型微调或RAG应用准备数据，那么你肯定对下面的场景深恶痛绝：数据收集：从NAS、S3、数据库里手动扒数据，格式五花八门，心力交瘁。数据清洗：写脚本去重、过滤、标注，代码比业务逻辑还长，繁琐易错。数据合成：为微调绞尽脑汁制造高质量的指令- 回答对，效率低下。知识准备：为RAG切割文档、向量化，效果不佳

大模型 MCP（Model Context Protocol，模型上下文协议）是 Anthropic 推出的开源标准化协议，被业界称为“AI领域的USB-C”接口。1. 这里我们使用了 modelscope 的 MCP 服务，以 time 的服务为例，进入页面：https://modelscope.ai/mcp/servers/@modelcontextprotocol/time。4. 更多精彩内

最近，Coze 开源的代码中包含了一个名为 Eino 的框架，其基于 Go 语言的组件化设计和图编排能力引发了开发者对 AI 应用开发效率的关注。而与此同时，在 Java 生态中默默耕耘的 FEL 框架，也因其简洁流畅的任务编排能力，逐渐走入更多工程师的视野。然而，真正的成熟框架，不能只停留在“简单”或“强大”的单一体验上。我们渴望的是能快速落地、易于维护的解决方案，而不是陷入复杂的架构设计中。这

这里我已经写好了一个时间插件来获取当前时间，插件包放在了这里（ https://github.com/loveTsong/demo/releases/download/modelengine-time-plugin/time-plugin.zip ），可以直接拿来使用和体验。上期我们介绍了在 ModelEngine 的应用编排中使用 MCP 服务来扩展大模型节点的能力，其实 ModelEngine

上周末，杭州的科技氛围因一场盛会而变得格外热烈。汇聚了众多关注人工智能的企业与开发者，议题涵盖了从智能体前沿技术到真实落地应用的方方面面。在大会上，华为高级工程师、ModelEngine Nexent 项目负责人带来的题为《如何用 AI 制造 AI，智能体如何落地真实企业》的分享，引起了不少关注。他系统梳理了智能体在企业应用中面临的挑战，并介绍了 Nexent ——一个，为智能体的开发与应用提供了