企业AI出海：从模型选型到部署形态，合规该怎么设计
本文解析商务部AI出口管制新规，聚焦架构师如何应对技术出境合规挑战。提出“让能力跨境、别让技术跨境”原则，详解境内推理、境外部署、端侧轻量化三种部署形态的合规要点，并强调在选型阶段即需评估交付形态、推理位置、更新方式及改造成本，推动合规前置化。
00 · DDD 系列导读：这条路线怎么走
本系列共11篇，系统讲解DDD：从“为何需要”到“三大实战案例与落地路线图”。涵盖战略设计、战术设计、架构落地三条主线，Java代码+Mermaid图示，支持按需跳读或系统学习。
肖加森：TheAI Reproducibility Challenge，AI的可复现性挑战
传统软件工程追求确定性：同样的输入、同样的代码、同样的环境，应该得到同样的结果。可复现性曾经是测试、审计、合规和工程协作的基础。而在AI原生系统中，模型输出具有概率性，数据分布会漂移，提示词会改变行为，工具调用会产生连锁反应，Agent工作流会引入新的不确定性。于是，一个关键命题出现了：如果AI系统无法被可靠地复现，我们如何相信它？如何测试它？如何交付它？如何让它进入生产环境、组织流程和产业系统？
非互联网与互联网数据平台的差异
本文对比传统企业与互联网数据平台的演进差异：用户、角色、技术栈与数据源迥异；梳理了1991—2011年传统五阶段四种架构及Inmon/Kimball模型思想；并解析互联网平台三阶段演进——从Hadoop引入、数据产品化到全员用数，伴随治理挑战升级。
FDE岗位的生命周期探析：风口之下，长期价值在哪？
本文深度解析FDE（前沿部署工程师）岗位的真实生命周期：它并非短期风口，而是企业数字化深水区的长期刚需。随着低代码普及，基础执行岗将萎缩，但“懂技术+懂行业+能落地+扛结果”的复合能力将持续稀缺。岗位或去标签化，但核心价值穿越周期。
