Pasukan AI Kecil di Dalam Setiap Pelayan✎ Edit

👁 898 views
Pasukan AI Kecil di Dalam Setiap Pelayan

Beberapa bulan lalu, satu persoalan mula timbul dalam proses perancangan operasi saya: jika AI semakin menjadi sebahagian daripada operasi harian, mengapa ia perlu duduk di luar infrastruktur kita? Saya mahukan AI lebih rapat dengan perniagaan-beroperasi di dalam pelayan sendiri, memahami sistem kita, dan mengikut peraturan operasi yang kita tetapkan.

Dari situ, kami membangunkan ejen AI secara langsung di atas pelayan sendiri. Dalam susunan semasa, kami menjalankan tiga ejen AI berbeza, setiap satu disesuaikan mengikut keperluan operasi tertentu. Pada hakikatnya, setiap pelayan yang kami operasikan kini mempunyai Pengurus IT, Pentadbir Pelayan, dan Pembangun yang dikuasakan oleh AI dan bekerja 24/7-memantau, menyelenggara, menyahagal ralat, dan terus membina sistem.

Secara keseluruhannya, ejen-ejen ini telah menyiapkan pembangunan lebih 250 sistem detached. Kami juga sedang membangunkan dua susunan serupa untuk domain Bahasa Melayu dan Bahasa Cina, masing-masing dengan pengetahuan, aliran kerja, dan keperluan operasi yang berbeza.

Konsep detached 系统 ini penting kerana saya tidak percaya setiap tugas perlu bergantung berterusan kepada LLM atau perkhidmatan AI pihak ketiga. Apabila aliran kerja, parser, automasi, atau proses telah direka bentuk dengan betul, ia harus dapat beroperasi secara bebas manakala ejen AI memberi tumpuan kepada pembangunan aras tinggi, penyeliaan, penyelesaian masalah, dan pembuatan keputusan.

Senibina pilihan saya ialah 人类 → 私有 AI 代理 → 分离式系统 → Servers / Databases / APIs / MCP / 应用.

  • Ini memberi kami kawalan yang lebih besar ke atas data, privasi, kebenaran, ingatan, pemilihan model, aliran kerja, penerapan, kos operasi, dan integrasi sistem.

Saya masih melihat MCP, cloud AI, API, dan platform pihak ketiga sebagai alat yang bernilai. Tetapi saya lebih suka mereka menjadi pilihan yang boleh digunakan infrastruktur kami, bukannya pergantungan yang menentukan infrastruktur. Bagi saya, peringkat seterusnya AI bukanlah tentang membina AI yang semakin pandai bercakap-ia tentang membina AI yang mampu mengendali, menyelenggara, membangunkan, dan mengautomasi sistem sebenar 24/7 sambil secara progresif mengurangkan pergantungan luar yang tidak perlu.

#Artificial智能 #AIAgents #NeuralOps #分离式系统 #AI基础设施 #LocalAI #自动化 #MCP #SystemDevelopment #DigitalTransformation

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
Omar United Arab Emirates

这篇文章把dan bekerja 2 24讲得比一般的AI介绍更具体。

Layla Jordan

视觉和结构让setiap satu disesuaikan mengikut keperluan的概念更容易掌握。

Kenji Japan

我喜欢文章对mengapa ia perlu duduk di保持务实的态度。

Sofia Spain

这篇文章对secara progresif mengurangkan 24的解释很清楚,实际操作的重点也很容易理解。

Aina 马来西亚

这篇内容让我更容易理解为什么pembangunan lebih 250 250值得关注。

Farid 马来西亚

Kami juga sedang membangunkan dua这个说法我要拿回去跟同事讨论。

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 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 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 →
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 Siti Nur Najiha 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.

15 downloads
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。