类目筛选
跟着 iLogtail 学习高质量软件建设
复杂的运行环境、巨大的部署量和高速发展业务迭代对 Agent 的软件工程质量带来了巨大挑战。基于阿里云可观测团队多年的开发和运维经验，本文将分享如何构建和执行可靠性工程策略。
用Prompt技巧激发无限创意
本文深入探讨当前最前沿的prompt engineering方案，结合OpenAI、Anthropic和Google等大模型公司的资料，以及开源社区中宝贵的prompt技巧分享，全面解析这一领域的实践策略。
ROS CDK魔法书：建立你的游戏王国（Java篇）
本文介绍了如何使用阿里云资源编排服务（ROS）的云开发套件（CDK）将2048小游戏部署到云端。ROS CDK允许使用编程语言定义和部署云资源，简化开发流程。ECS（弹性计算服务）提供灵活的计算资源，确保应用稳定运行。通过初始化工程项目、安装依赖、添加资源等步骤，可以轻松实现游戏的云端部署。文中详细描述了各步骤的操作方法及注意事项，帮助读者顺利完成部署。最后，通过简单命令即可删除资源栈，实现资源的高效管理。
iLogtail 进化论：重塑可观测采集的技术边界
iLogtail 作为一款开创性的轻量级日志采集器，历经 13 载风雨，始终致力于高效地从多元化的数据源中萃取、处理可观测信息，并无缝传输至阿里云日志服务或各类日志分析平台。今年，适逢 iLogtail 开源两周年的里程碑时刻，我们将回顾 iLogtail 的技术演进之路，领略其不断突破边界、引领可观测采集未来的创新力量。
海量大模型如何一键部署上云，函数计算 x ModelScope 社区给出答案
得益于阿里云函数计算的产品能力，魔搭 SwingDeploy 后的模型推理 API 服务默认具备极致弹性伸缩（缩零能力）、GPU 虚拟化（最小 1GB 显存粒度）、异步调用能力、按用付费、闲置计费等能力，这些能力帮助算法工程师大大加快了魔搭开源模型投入生产的生命周期。
Python 应用可观测重磅上线：解决 LLM 应用落地的“最后一公里”问题
为增强对 Python 应用，特别是 Python LLM 应用的可观测性，阿里云推出了 Python 探针，旨在解决 LLM 应用落地难、难落地等问题。助力企业落地 LLM。本文将从阿里云 Python 探针的接入步骤、产品能力、兼容性等方面展开介绍。并提供一个简单的 LLM 应用例子，方便测试。
Serverless + AI 让应用开发更简单
随着云计算和人工智能（AI）技术的飞速发展，企业对于高效、灵活且成本效益高的解决方案的需求日益增长。本文旨在探讨 Serverless 架构与 AI 技术的结合，如何通过 Serverless 函数计算和 AI 开发平台，助力企业简化应用开发流程，减少企业 AI 业务试错成本，加速业务创新，为企业业务发展提供无限可能。