写点什么

系统技术架构文档

收录了 系统技术架构文档 频道下的 50 篇内容

系统架构图逆向工程:用 GPT-Image 识别系统拓扑图并生成技术文档
系统架构图逆向工程:用 GPT-Image 识别系统拓扑图并生成技术文档

编写和维护技术文档是每个研发团队最头疼的“技术债”。随着项目交接或时间推移,许多系统往往只留下一张布满各类云服务图标、连线交错的系统拓扑图,详细的架构文档早已遗失。如今,利用 菲菲AI(neneai.cn )这类 AI 模型聚合平台,开发者可以直接将系统架

#人工智能
AI agent搭建平台
GPT Image 2
AI 架构中的 “油水难融” 时刻
AI 架构中的 “油水难融” 时刻

当确定性系统与非确定性AI行为相遇,软件架构正面临如同“油水混合”般的挑战。架构师需用意图、治理与系统思维锚定智能系统,本文介绍的V型影响画布正是以人类信任为核心、应对这一变革的架构框架。

OpenAI 提出 Harness Engineering:Codex 智能体驱动大规模软件开发
OpenAI 提出 Harness Engineering:Codex 智能体驱动大规模软件开发

OpenAI 提出名为 Harness Engineering 的内部工程新方法论,通过 AI 智能体驱动软件开发全流程关键环节。

AI 时代的架构治理
AI 时代的架构治理

生成式 AI 时代代码易得,但架构一致性难以保障,传统评审模式无法适配 AI 生成效率。本文介绍声明式架构,通过将 ADR 与事件模型转为自动化规则,实现轻量化合规路径,在去中心化治理的同时保持整体协同。

跟上 AI 的节奏:为演进式架构构建上下文存储库
跟上 AI 的节奏:为演进式架构构建上下文存储库

AI虽可快速完成大部分开发工作,但会隐藏架构隐患。建立统一存放于代码仓库的上下文存储库,整合规范设计文档、TDD测试、自动化架构校验工具,以此实现人与AI安全协同迭代系统。

将可理解性作为架构特性:无法理解的系统无法安全演进
将可理解性作为架构特性:无法理解的系统无法安全演进

在演进式架构中,系统应该设计成可以吸收并适应不断变化的需求和环境。但要真正实现这种适应性,团队成员需要对系统本身有深刻的理解。

基于 Apache Camel 编排智能体与多模态 AI 管道
基于 Apache Camel 编排智能体与多模态 AI 管道

本文探讨了如何基于 Apache Camel 搭建具备智能体能力的多模态 AI 系统。该方案的核心组成部分包含大语言模型推理、检索增强生成(RAG)以及图像分类。

昇腾管推理、鲲鹏管Agent,Agentic AI 让 CPU 重回舞台中央
昇腾管推理、鲲鹏管 Agent,Agentic AI 让 CPU 重回舞台中央

是否实现全域内存统一编址和内存语义?

架构变更案例:面向演进式架构的实用方法
架构变更案例:面向演进式架构的实用方法

架构变更案例拓展了架构决策记录(ADR)的设计思路,用于评估各项决策后续可能发生的变更,能够挖掘隐藏的预设条件,协助团队预估变更的撤回成本与可逆程度。

软件从现实开始:知识驱动计算(KDC)的Reality First主张
软件从现实开始:知识驱动计算(KDC)的 Reality First 主张

当 AI 应用开始在运行时解释数据、选择工具并影响业务状态时,数据表示中的遗漏和歧义可能直接转化为行动风险。

虚拟座谈会:机器时代的安全——专家解读 AI 威胁的演变
虚拟座谈会:机器时代的安全——专家解读 AI 威胁的演变

本次虚拟座谈会汇聚了业界顶尖的实践者,共同探讨 AI 威胁的演变趋势。他们还将审视传统安全方法的局限性,以及抵御未来攻击所需的关键技能。

Uber 借助智能体系统实现设计文档自动化
Uber 借助智能体系统实现设计文档自动化

在 Uber 的工程博客上,Ian Guisard 介绍了 uSpec,这是一个用于自动创建组件设计规范的智能体系统。借助 AI 代理和开源的 Figma Console Model Context Protocol(MCP),Uber 将撰写详细文档所需的时间从数周缩短到了几分钟。

4.5个月迁走1200个微服务:腾讯云参与印尼运营商云转型,AI开始接管迁移全流程
4.5 个月迁走 1200 个微服务:腾讯云参与印尼运营商云转型,AI 开始接管迁移全流程

项目涉及十余家本土伙伴,跨语言、跨团队协作链条较长~

超越 RAG:用 Spring Boot 构建具备上下文感知能力的 AI 系统
超越 RAG:用 Spring Boot 构建具备上下文感知能力的 AI 系统

检索增强生成(RAG)可以有效将大语言模型的输出与外部知识对齐,但它并不会建模运行时上下文,例如用户身份、会话状态或业务约束,而这些正是企业应用所依赖的关键要素。 上下文增强生成(CAG)是在现有 RAG 流程之上的扩展,通过引入一个显式的上下文管理器,在不需要重新训练模型或改动检索基础设施的前提下,对运行时上下文进行组装和规范化。 在基于 Java 的系统中,这种模式可以通过 Spring Boot 清晰地实现:在现有的检索器和 LLM 服务之上增加一层上下文编排逻辑,从而保持既有的应用结构和部署方式不变。 将“上下文”视为一等架构要素,有助于提升系统的可追踪性和可复现性,使得在受监管或多租户环境中可以清晰解释 AI 响应的生成过程。 CAG 模式为以文档为中心的 RAG 原型提供了一条渐进式演进路径,使其发展为具备上下文感知能力的企业级 AI 服务,同时保留已有投入和系统稳定性。

构建大规模自治体系
构建大规模自治体系

本文提出了一个用于架构去中心化的实用框架,通过采用清晰的决策边界、共同原则以及“护栏”(而非“门禁”)来对齐局部决策,实现大规模一致性。

Instacart 推出 Blueberry AI 助手,帮助值班工程师处理线上故障
Instacart 推出 Blueberry AI 助手,帮助值班工程师处理线上故障

Instacart 推出 AI 事故响应系统 Blueberry,在生产故障发生时为值班工程师补充信息、推断故障根源,以此加快线上问题排查处理速度。

打破向量检索的局限:RAG 混合检索实践
打破向量检索的局限:RAG 混合检索实践

本文分析了纯向量检索架构 RAG 流程存在的局限性,并介绍了内部全量检索应用如何借助倒数排名融合(RRF) 整合 BM25 与向量检索结果来优化检索方案。

从入鸿蒙到 AI Native:系统与 AI 融合下的应用智能化跃迁|AICon深圳
从入鸿蒙到 AI Native:系统与 AI 融合下的应用智能化跃迁|AICon 深圳

AI 时代,应用正在从“用户主动打开的 App”演进为“系统 Agent 可理解、可调用、可编排、可安全执行的服务能力”。

停止编码的那天,就是失去架构判断力的开始:一位 30 年架构师的 AI 生存指南
停止编码的那天,就是失去架构判断力的开始:一位 30 年架构师的 AI 生存指南

“作为架构负责人,同时仍保持动手实践,这是团队中唯一有效的软件开发方式。”

系统技术架构文档专题_资料-InfoQ中文网