类目筛选
AI大模型运维开发探索第五篇：GitOps 智能体
本文探讨了 Manus 智能体的设计及其与传统智能体的差异，重点分析了 CodeAct 机制对智能体执行效率的提升。作者通过《基于LLM的数据仓库》实验反思了交互接口选择的重要性，并提出操作系统和文件系统作为良好的自反馈交互系统。文章进一步结合 GitOps 和持续集成（CICD）理念，设计了一种低成本、可观测性强的智能体运行方案，包括计划智能体（Planner）和执行智能体（Executor）的协作流程。通过实际案例对比，展示了 GitOps 智能体与 Manus 的相似效果，并总结了其在记忆增强、推理可观测性、低成本部署及跨环境适配等方面的优势。最后提供了相关代码路径和参考材料。
基于ASK+TFJob快速完成分布式Tensorflow训练任务
本文介绍如何使用TFJob在ASK+ECI场景下，快速完成基于GPU的TensorFlow分布式训练任务。
通过定时SQL提取阿里云API网关访问日志指标
背景阿里云API网关服务提供API托管服务，提供了强大的适配和集成能力，可以将各种不同的业务系统API实现统一管理。API网关同时支持将API访问日志一键存储到日志服务，通过日志服务强大的查询分析能力，用户可以针对访问日志自定义计算多种指标，监测服务运行情况。继而通过定时SQL将结果指标直接存储到时...
日志服务 Scan 功能工作机制与最佳实践
大数据快速增长的需要泛日志（Log/Trace/Metric）是大数据的重要组成，伴随着每一年业务峰值的新脉冲，日志数据量在快速增长。同时，业务数字化运营、软件可观测性等浪潮又在对日志的存储、计算提出更高的要求。从时效性角度看日志计算引擎：数仓覆盖 T + 1 日志处理，准实时系统（搜索引擎、OLA...
安全防御四部曲---检测实践方案 （多产品结合）
本次方案主要是针对阿里云国际站客户，企业在实际使用阿里云的过程中如何做好运维检测的一些多产品结合的方案介绍。 本篇文章的重点会放在检测（Detection）部分，会具体介绍涉及使用产品配置，FAQ等等，同时对整体的理论框架进行简单的介绍，帮助大家更好理解本部分在运维工作中的分属情况，更好的建立整体性的概念。
Post-Training on PAI (3)：PAI-ChatLearn，PAI 自研高性能强化学习框架
人工智能平台 PAI 推出了高性能一体化强化学习框架 PAI-Chatlearn，从框架层面解决强化学习在计算性能和易用性方面的挑战。
从负载均衡到路由，微服务应用现场一键到位
本文基于常见的服务调用场景，以Ribbon负载均衡组件为例，展示了微服务洞察能力能够在关键的位置为我们还原与记录丰富的现场信息，使得原有的黑盒场景能够便捷直观地被观测到。在微服务架构下，类似的不便观测的重要场景还有非常多，都可以借助微服务洞察能力来监测或是在异常时辅助排查。同时，全链路灰度是微服务治理中比较重要的一个场景，我们在落地全链路灰度的过程中最让人头大的两个问题就是流量路由不生效以及流量逃逸，我们借助于微服务洞察能力可以快速定位与解决全链路灰度相关的问题。
大规模 Spring Cloud 微服务无损上下线探索与实践
“从一次常见的发布说起，在云上某个系统应用发布时，重启阶段会导致较大数量的 OpenAPI、上游业务的请求响应时间明显增加甚至超时失败。随着业务的发展，用户数和调用数越来越多，该系统又一直保持一周发布二次的高效迭代频率，发布期间对业务的影响越来越无法接受，微服务下线的治理也就越来越紧迫。”
