- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI技术应用
AI应用软件开发的技术架构
AI应用软件开发的技术架构是传统软件架构（如微服务）与机器学习/深度学习系统（MLOps）的深度融合。 这种架构的核心挑战在于管理代码、数据和模型三个不断变化的资产，并确保整个系统能够持续学习、演进和部署。AI应用软件的技术架构通常可以划分为四个核心层次，形成一个完整的闭环系统：1. 基础设施与数据层（Foundation & Data Layer）这是整个AI应用的基石，负责提供计算能力和高质量的数据资产。硬件与计算基础设施AI应用严重依赖高性能计算资源。 复杂的AI应用模式：检索增强生成（RAG）对于基于大型语言模型（LLM）的应用，通常采用RAG架构来增强知识和准确性。知识库/向量数据库： 存储专有或实时知识文档。 架构总结：闭环与迭代AI应用软件的架构是一个围绕数据流动和模型迭代的闭环。
1.1K10编辑于 2025-10-20 - 来自专栏韩曙亮的移动开发专栏
【AI 大模型】大模型应用架构 ( 业务架构 - AI Embedded、AI Copilot、AI Agent | 技术架构 - 提示词、代理 + 函数调用、RAG、Fine-tuning )
, 可以调用 OpenAI 接口使用大模型的功能 ; 二、大模型应用 - 业务架构 1、AI Embedded 模式 应用程序 是 传统应用 , 大模型被嵌入到现有的应用程序或服务中 , 作为一个组成部分 技术架构 传统的 ChatGPT 和 文心一言 的用法 , 用户发一句 " 提示词 Prompt " , 大模型 回一句 " 输出结果 " ; 这是在 AI 大模型的基础上 , 套了一层对话应用的壳 Agent + Function Calling 技术架构 的 主体是一个应用程序 , 就不再是春对话方式了 , 应用程序还必须提供对应的 函数 API , 以供 AI 大模型 回调该 API 功能 API 功能 , 可以是 应用程序提供的 ; 也可以是 AI 大模型内置的 ; 该技术架构的工作流程如下 : 首先 , 用户的 应用程序 中 输入 " 提示词 " ; 然后 , 进行函数调用 , AI , 可以 将自己开发的应用功能嵌入到 AI 大模型中 , 将复杂的 逻辑 分解成 更小的 / 可管理的 部分 , 每个部分通过调用 不同的函数 实现 ; 3、RAG 技术架构 " RAG = Embeddings
1.8K21编辑于 2024-07-09 - 来自专栏全栈程序员必看
Dubbo架构(应用架构)
升级Spring版本到3.x 2、Dubbo整体架构 1、生命周期架构 上述所述为Dubbo内部交互图，主要包括： Provider 暴露服务的服务提供方 Consumer 调用远程服务的服务消费方 2、层级架构 Dubbo框架设计一共划分了10个层，而最上面的Service层是留给实际想要使用Dubbo开发分布式服务的开发者实现业务逻辑的接口层。 SPI 机制在第三方框架中也有所应用，比如 Dubbo 就是通过 SPI 机制加载所有的组件。不过，Dubbo 并未使用 Java 原生的 SPI 机制，而是对其进行了增强，使其能够更好的满足需求。 一致性的 ConsistentHashLoadBalance 基于加权轮询算法的 RoundRobinLoadBalance 4、Fifter链及Monitor监控统计 filter在dubbo中的应用非常广泛
1.4K31编辑于 2022-07-26 - 来自专栏存储公众号：王知鱼
从AI计算，追溯应用架构30载演进历程
开发速度下降、局部问题导致全局故障、无法对高负载模块进行独立扩展等问题，迫使行业寻求一种全新的架构范式。这场革命的核心是“解耦”——将应用功能彼此分离，并将应用与底层基础设施彻底分离。 微服务架构通过将庞大的单体应用拆分为一组小型的、独立的服务来解决这些问题。 它成为了事实上的“云操作系统”，使得大规模微服务架构在主流企业中的应用成为可能。 04 解耦范式分析 这一时期的架构演进揭示了更深层次的驱动力。首先，微服务转型是“康威定律”的一次主动应用。 一个设计糟糕的微服务系统，其维护成本和复杂性可能远超一个结构良好的单体应用。 表2：架构范式演进对比（单体 vs. AI原生） 特征 云原生架构 (Cloud-Native) AI原生架构 (AI-Native) 主要工作负载 无状态/有状态服务 (如Web API, 数据库) 分布式训练与推理 (如LLM训练, 图像生成
49910编辑于 2025-08-11 - 来自专栏智能化转型
重塑AI应用新范式：Athropic MCP架构深度解析
2025年被业界称为“智能体元年”，基于大模型的智能体开发成为大模型在企业应用的主要方式。那么如何管理大模型和外部数据源、工具、服务的交互？如何提升AI应用的开发效率？ Athropic推出的开源协议MCP（Model Control Protocol）为我们提供了搭建大模型AI应用系统的标准连接框架，有助于构建一个更为健壮的AI架构。01 什么是MCP？ 可以举一个例子来说明：MCP类似AI领域的“USB-C接口”，让AI应用（如Claude for Desktop）与数据源（如数据库、API）实现即插即用。 图 传统AI应用实现方式图 基于MCP协议的AI应用实现方式表 MCP与Function Calling的对比特性MCPFunction Calling协议性质通用标准（类似USB-C）厂商私有协议（如 尽管面临生态培育和技术优化挑战，但其在开发效率、安全性和扩展性上的优势，可能重塑AI应用开发范式。
1.5K11编辑于 2025-06-13 - 来自专栏智能时刻
「应用架构」应用架构行为准则
应用架构行为准则 应用程序架构是企业解决方案架构（ESA）的一个子集（图1）。应用程序架构既是一个过程（架构和设计）又是一个东西（可交付成果——架构的内容）。 应用程序架构帮助组织规划其在应用程序解决方案和其他系统中的投资。正在评估、设计和交付的应用程序解决方案必须能够与已建立的解决方案共存。 图1 应用程序架构存在于多个详细级别： 在概念层次上，企业架构（EA）策略和计划确保应用程序组合与其他形式的解决方案架构（业务、技术和信息）协同有效地发展。 应用程序架构的原则适用于所有类型的应用程序方法和解决方案。 在这个概念级别上，最能实现这些策略和计划以及应用程序架构规程的角色是企业解决方案架构师。 项目级的解决方案和应用程序架构师也可能被要求担任这个角色（或者至少就AA规划问题咨询）。
1K30发布于 2020-07-17 - 来自专栏WeaveFox
WeaveFox AI 全栈应用交付架构解析：Appwrite BaaS
2023年以来，AI辅助开发经历了从Copilot式的“行级补全”到v0、Lovable式的“页面级生成”的跨越。一段提示词需求描述，AI就能生成一个精美的React组件甚至是Web应用项目。 在Weavefox中，通过VibeCoding方式可以构建AI全栈应用——即支持后端逻辑与持久化存储，实现从“一段前端代码”到“一个线上运行产品”的端到端交付，支撑这些实现的背后是AI时代的应用基建BaaS 通过使用Appwrite这样的BaaS服务，Agent能够将“环境配置”转化为“API调用”，让AI无需理解底层Docker或K8s即可部署全栈服务，Weavefox也能够实现更快的构建和启动应用。 让AIAgent能够动态生成后端业务逻辑，动态部署与更新，将其封装在安全的后端环境运行，确保了整个应用架构的闭环。如何确保应用的数据安全？ BaaS是AI应用规模化的加速器BaaS的本质是将成熟的工业级后端能力“接口化”，让AI能够像搭积木一样组装出完整的、可生产的软件生态。
13610编辑于 2026-05-18 生成式AI模型平台的技术架构与应用
某中心Bedrock平台提供多模型生成式AI服务AWS服务在稳健基础上推动机器学习创新企业利用高端机器学习模型转型的过程中面临新挑战：团队需要协助撰写文档、总结复杂内容、构建对话式AI代理或生成定制化视觉效果 该平台集成多家领先机构的模型，包括：Stability AI的文生图模型（含Stable Diffusion）AI21 Labs的多语言大语言模型Anthropic的对话式模型Claude系列Cohere 安全与责任AI所有客户数据加密存储，第三方模型提供商无法访问Titan模型内置防护机制，通过红队测试检测毒性内容支持基于自有数据的模型微调，无需暴露原始数据检索增强生成（RAG）解决大语言模型知识滞后问题 某中心持续扩展模型生态，致力于为客户提供更丰富的模型选择和技术支持，推动生成式AI技术在各行业的负责任应用。
35710编辑于 2025-09-27- 来自专栏智能时刻
「企业架构」应用架构概述
在信息系统中，应用架构或应用架构是构成企业架构（EA）支柱的几个架构域之一 应用架构描述了业务中使用的应用程序的行为，重点是它们如何相互之间以及如何与用户交互。 应用架构试图确保组织创建复合架构所使用的应用程序套件是可伸缩的、可靠的、可用的和可管理的。 应用架构定义了多个应用程序如何准备一起工作。 应用架构师 应用架构师是计算机编程团队中的一名领导或技术经理，专门负责构建应用程序和使用的技术。 任务 应用架构师是组织中应用程序特定的一切的大师。 架构世界的标准在TOGAF中定义，开放组架构框架将EA的四个组件描述为BDAT（业务架构、数据架构、应用架构和技术架构， 根据组织的复杂程度，还需要考虑其他标准： EA的Zachman框架 联邦企业架构
2.7K20发布于 2020-07-20 - 来自专栏智能时刻
「应用架构」应用程序架构的当前趋势
本文有些不是最最新的，但是方法和思路也有借鉴意义，稍后会介绍Gantner的最新应用架构趋势。 架构师应该考虑适应这些新趋势 使用面向服务架构（service-oriented architecture，SOA），包含微服务(MSA)，构建应用程序，并集成内部商用现货（COTS）和遗留应用程序，以及业务合作伙伴应用程序和云服务 接受应用程序范例和模型 术语“应用程序架构”是指应用程序的结构和组织，包括其组件以及它们之间的交互/相互依赖模型。应用程序架构师应用架构范例，并使用常见的模式和模型来设计应用程序并定义其架构。 ： 范式 模型 结构和组织 范例： 架构范例（有时称为架构样式）是一个总体概念框架，它影响您设计应用程序的方式。 这些架构特性影响应用程序的性能、可伸缩性、健壮性、灵活性、可维护性和总体拥有成本。
85620发布于 2020-07-17 - 来自专栏架构之家
应用架构、技术架构、安全架构、部署架构
在日常软件项目开发与实施中，经常会涉及到各种架构图，如应用架构、技术架构、安全架构、部署架构。今天特意将这些架构图整理如下，提供给大家进行学习参考。 一、应用架构 二、技术架构 三、安全架构 四、部署架构 五、 有需要的同学，可以访问下面地址进行克隆，学习更多内容请访问： https://www.processon.com/u/5f633168e0b34d080d54c128
6.9K32编辑于 2022-12-28 针对AI应用进击-AMD DPU产品及架构简析
而随着AI浪潮带来的计算规模的进一步扩大，AMD也针对这类型业务演进了自己的CPU、GPU、DPU产品。 Pollara 400是全球首款符合UEC标准的AI网卡，可降低性能调优的复杂性，并有助于缩短生产时间。而Pensando Salina DPU可为AI系统提供高性能的前端网络。 实际上，AMD的DPU架构也很有特点。许多DPU是使用通用的CPU内核作为提供服务的主要元素，再辅以硬件加速器提供各种加速卸载功能： 而还有另外一种更先进的架构能提供更好的性能且更灵活。 AMD Pensado DPU采用的就是第二种架构方式。把Pensado芯片打开看，除了有通用的Arm NOC和PenAccel单元之外，还有非常多的MPU单元（P4 可编程架构的匹配处理单元）。 通过这种架构，AMD Pensando Elba DPU 在流水线处理方面，相比仅使用 Arm 内核能够实现更高的性能和更强的扩展性。并具有完全可编程性。
1K10编辑于 2025-05-30「AI + 低代码」应用开发平台的前端架构设计
有关后端模块架构的信息，请参阅后端模块系统。 架构概述前端包含五个架构上下文，每个上下文都有自己的入口点和初始化逻辑：入口点对比每个入口点服务于不同的目的并具有不同的初始化要求：入口点HTML 文件主脚本用途路由模式访问控制VTJ 提供者主应用frontend 或 History是否主应用架构主应用入口点服务于三个主要上下文：管理后台、工作台和认证页面。 NodeEnv.Development预览模式 (preview=true)启用开发功能生产环境NodeEnv.Production生产部署优化的运行时开发环境架构开发环境提供用于创建和编辑应用程序和模板的设计器界面 平台特定适配器每个平台提供用于平台特定 UI 操作的适配器函数：适配器接口总结VTJ.PRO 前端架构设计为一个多上下文系统，具有五个不同的入口点：主应用：具有全面路由和访问控制的管理后台和工作台Web
26110编辑于 2026-01-07Android应用架构
破茧成蝶：Android应用架构的演进与MVP/RxJava实战探索原始译文参考：小鄧子的简书（译者：小鄧子）本文是对IvánCarballo所撰写的关于Ribot团队多年来在Android移动端应用架构从原始石器时代到现代化解耦变迁过程的深刻重构与系统化总结 在一款商业级应用的漫长生命周期中，架构如果停留在粗放式的原始阶段，最终会演变成无法维护的代码绞肉机。 编年史I：石器时代的原生架构(2012起)在没有任何高阶三方网络库加持、把AsyncTask当作万能神草的年代，多数Android应用的架构极为粗暴，往往只含有简单粗暴的两个极度失衡的物理层：DataLayer 编年史III：集成MVP的全面现代化解耦架构随着MVP/MVVM这些前端分离架构思想在业界的全面大爆炸。对基于RxJava基座进行彻底的权责化分治便成了水到渠成。 TIP]观点与总结(Insights&Conclusion)没有任何架构是降生即仙神体。通过复盘这3段编年史。
11510编辑于 2026-04-28- 来自专栏C语言及其他语言
Android应用架构
这段时间，我们所构建的Android应用架构和技术也在不断地演变。本文将向您阐述我们的经验，错误以及架构变化背后的原因。 想象一个简单且常见的场景，应用需要加载一个博客文章列表，然后缓存这些条目到SQLite数据库，最后将他们展示到ListView等列表视图上。 考虑到经历了前几年的痛苦，我们开始考虑，一个新的应用程序体系架构看起来会是怎样的。因此，我们想出了这个。 ? 类似于第一种架构，这种体系架构同样被划分为Data Layer和View Layer。 不同的应用拥有不同数量的帮助类，但也存在着一些共性： PreferencesHelper：从SharedPreferences读取和存储数据。 不断地阅读和尝试，这样我们才能找到更好的方法来继续构建优秀的Android应用程序。
1.8K70发布于 2018-04-16 - 来自专栏架构狂人
架构应用总结
今天带来的是架构活动中的常见原则，在我们平时做技术方案，非功能设计时一定需要铭记于心这些方法论。 架构目标 高可用性 整体系统可用性最低99.9%，目标99.99%。 高可扩展性 系统架构简单清晰，应用系统间耦合低，容易水平扩展，业务功能增改方便快捷。 应用架构设计要点 稳定性原则 一切以稳定为中心 架构尽可能简单、清晰 不过度设计 解耦、拆分 稳定部分与易变部分分离 核心业务与非核心业务分离 主业务与辅业务分离 应用与数据分离 服务与实现细节分离 抽象化 应用抽象化：应用只依赖服务抽象，不依赖服务实现细节、位置 数据库抽象化：应用只依赖逻辑数据库，不需要关心物理库的位置和分片 服务器抽象化：应用虚拟化部署，不需要关心实体机配置，动态调配资源 松耦合 同步调用时 架构分解原则 架构依赖原则 依赖稳定部分 稳定部分不依赖易变部分 易变部分可以依赖稳定部分 要求：避免循环依赖 跨域弱依赖 跨业务域调用时，尽可能异步弱依赖 基本服务依赖 基本服务不能向上依赖流程服务
34520编辑于 2023-08-16 - 来自专栏Ryan Miao
现代企业架构框架-应用架构
应用架构的设计主要以应用（Application）的设计为核心，向外围可以延伸到平台型企业架构对于应用分层，分组的设计。 例如大家关注的以微服务为代表的分布式应用架构，以及此类架构模式下的常见问题，例如微服务如何划分如何组织，都是应用架构在这个粒度需要关注的问题。 同样，以应用为基准，向内部延伸又会涉及到应用内部的架构设计。例如常见的应用分层设计，领域驱动设计中提到的六边形架构、洋葱模型，包括领域对象的详细建模与设计，都是在应用架构这个粒度需要关注的问题。 而其中的领域对象设计在业务架构以及后续的数据架构中都会提及，本框架充分融合了企业架构与领域驱动设计的思想和方法，从业务架构到应用架构以及后续展开的数据架构，都秉承以领域对象设计作为架构的核心要素，跨越架构边界 我们建议通过建立应用架构与业务架构、数据架构的构建块映射来解决这个问题。
1.4K20编辑于 2022-09-21 - 来自专栏斑斓
业务架构映射为应用架构
由于有清晰的边界存在，这一做法并未混淆问题空间与解空间，却天然地搭建了一种映射方法，使得我们能够以较小成本将业务架构映射为IT架构中的应用架构。 映射体系如下图所示： 在图右侧所示的应用架构中，我旗帜鲜明地标记了前台、中台与后台，意味着我对应用架构的划分遵循了中台战略规划的思想。 在企业架构的应用架构中，中台仅占据了中间代表了“能力服务层”的一部分，体现为由应用组件构成的能力中心。 业务架构中纯粹表达业务的业务服务，在映射到应用架构时，被定义为应用组件需要公开在外的服务接口，我将其称之为“服务契约”，目的是体现服务调用者与服务提供者之间的一种”契约“关系。 从产品/能力中心/工具/框架到应用组件，再从应用组件到服务契约，都有领域驱动设计的对应模式或方法去实现，由此就能实现应用架构的真正落地。
83941编辑于 2023-03-23 Spring AI 核心架构解析：构建企业级 AI 应用的 Java 新范式
Spring AI 核心架构解析：构建企业级 AI 应用的 Java 新范式 随着生成式 AI 技术的迅猛发展，大语言模型（LLM）已从研究实验室走向企业生产环境。 一、Spring AI 核心架构与设计哲学 1.1 设计哲学：抽象即自由 Spring AI 的诞生，是 Spring 生态在生成式 AI 浪潮下的必然演进。 1.2 核心架构图（分层设计） +-------------------------------------------------------+ | 应用层 (Applications ，更可构建复杂的 AI Agent、知识问答系统、智能客服等企业级应用。 降低 AI 技术门槛：Java 开发者无需学习 Python 即可构建 AI 应用，推动“AI 民主化”。
1.3K10编辑于 2025-11-30本体模型+AI 大模型驱动的 AI 原生应用技术架构设计
架构定位与核心理念 1.1 系统本质 本架构描述的系统不是一个"加了 AI 功能的传统 CRUD 应用"，而是一套以本体模型为核心驱动力、以 AI 大模型为生成引擎和运行时智能引擎的 AI 原生应用架构 总体分层架构 整个系统采用单体应用、分层解耦的方式实现，共六个层次，自上而下依次为：本体模型层、语义注册层、后端服务层、AI 编排层、前端 Hybrid UI 层、数据存储层。 3.4 AI 编排层 AI 编排层是本架构区别于传统应用的核心差异点，负责将用户的自然语言意图路由到正确的执行能力。 五、SSE 流式输出架构 AI 对话必须支持流式输出，这是 AI 原生应用用户体验的基本要求。 本文档版本 1.0 | 基于合同管理 AI 原生应用技术架构设计文档 | 2026 年 4 月
68210编辑于 2026-04-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号