路由 Pintar 3 Peringkat: Cara Saya Bina AI 智能体 Ringan✎ Edit

👁 85 views
路由 Pintar 3 Peringkat: Cara Saya Bina AI 智能体 Ringan

Apabila saya mula menyertai kumpulan OpenClaw, ahli-ahli aktif berkongsi eksperimen, pengalaman teknikal dan projek.

Kemudian datang spam dan scammer, diikuti promosi produk pesaing. Dan sekarang, meme hampir mengambil alih kumpulan.

Sementara itu, saya ambil pendekatan yang lebih dekat dengan cara saya uruskan operasi logistik: bina AI 智能体 ringan sendiri untuk menggantikan OpenClaw, elakkan kerumitan tidak perlu dan fungsi yang membengkak. Saya lihat routing sebagai masalah operasi, setiap panggilan LLM yang tidak perlu ialah overhead yang perlu dihapuskan.

Arkitektur 路由 Pintar 3 Peringkat Saya:

  1. Cache Redis & MySQL – Guna semula data dan hasil sedia ada untuk minimumkan pemprosesan yang tidak perlu.
  2. Skrip Kerap – Laksanakan tugasan berulang tanpa panggilan LLM yang tidak perlu.
  3. 路由 模型 Pintar – 开始 dengan model paling murah yang berkemampuan, dan tingkatkan hanya bila perlu.

Tech 技术栈: Web-命令行, Redis, MySQL dan Telegram sebagai antara muka mudah alih saya.

Dengan AI 智能体 saya sendiri, saya telah membangunkan 100+ aplikasi web standalone, bersama pembangunan server dan infrastruktur yang meluas:

  • Provisioning server Linux dan pengurusan VM
  • PostgreSQL dan MySQL
  • Caching Redis
  • Docker dan pengurusan container
  • Nginx dan reverse proxy
  • Gitea dan kawalan versi Git
  • Timeshift, snapshot dan pengurusan backup
  • Pemantauan server dan automasi deployment

Bahagian yang menarik? Jumlah kos model AI kekal bawah USD 40/bulan, termasuk model distilled saya sendiri.

Pembangunan aplikasi, operasi server dan pengurusan infrastruktur, semuanya melalui AI 智能体 saya sendiri.

Kurang overhead. 路由 lebih pintar. Lebih banyak engineering.

Bagaimana dengan yang lain? Apa yang anda sedang bina, uji atau perbaiki kebelakangan ini?

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Kenji Japan

这篇文章适合团队用来开始讨论guna semula data dan hasil。

Sofia Spain

我特别喜欢setiap panggilan LLM yang tidak这一部分,内容没有把实施过程说得太简单。

Aina 马来西亚

如果有更多diikuti promosi produk pesaing的数据和结果会更完整。

Farid 马来西亚

收藏了,主要是为了apabila saya mula menyertai kumpulan。

Siti 马来西亚

关于arkitektur 路由 pintar 3 peringkat的例子很实用,适合团队继续讨论。

人工智能

Article image
生物研究 微生物学与癌症疾病研究情报 6 个输入 → 可追溯的研究优先级 探索 →
IC 设计运营 可重复性、可追溯性与验证智能 21 个独立服务 → 85% 无需 LLM 探索 →
机器人技术 工业边缘的受管控机器人技术 感知 → 安全网关 → 控制器 探索 →
中小企业AI 在您的中小企业内构建AI能力 6 build tracks → in-house capability 探索 →
AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 人工智能 Author profile Hakam AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

472 installs
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。