AI 原生应用架构师升级指南如果你也是一名深耕传统微服务与云原生架构的架构师，那么我们正处于一个关键的转折点。大模型（LLM）的爆发不仅改变了人机交互，更深刻地重构了软件的底层逻辑。从云原生向 AI 原生的跃迁，本质上是从确定性状态与资源编排（Deterministic State & Resource Orchestration）向概率性推理与上下文编排（Probabilistic Inference & Context Orchestration）的思维进化。
BasicAI 标注规范AI 的三大基石是算法、算力和数据，BasicAI 作为一个 AI 数据标注平台，能够为 AI 模型训练提供丰富和多样的标注数据，这些数据大多是半结构化的 JSON，本文描述了 BasicAI 标注平台对外导入/导出时所涉及到的各类数据的格式规范，包括 Dataset、Data、Classification、Class、Annotation Object、Labelmap 等，以便算法工程师参考。
BasicAI 技术架构BasicAI 全面遵循云原生架构原则，采用容器化运行方式，并使用 Kubernetes 来编排容器和屏蔽底层基础设施差异，以保障服务性能的可扩展性，部署规模的可弹性，以及在故障情况下的服务韧性。前后端均按功能模块拆分为了多个独立服务，每个服务均可独立升级，还可根据客户需求灵活组合。应用服务均设计为无状态，结合 Kubernetes 的自动扩缩容机制，能够依据当前负载情况自动调整资源用量。
云原生 Java 微服务应用开发手册云原生环境的 Java 应用开发与传统的非容器化方式有许多不同之处，尤其是在构建和运行环节，传统方式需要构建 Jar 包，而云原生环境需要构建镜像，传统方式应用直接运行在操作系统之上，而云原生环境应用在容器内运行，传统方式应用只能在单机上运行，而云原生环境下借助于 Kubernetes 这样的容器编排工具，应用可以自动地被调度到任意的单个或多个节点上运行，更具弹性和容错性，本文将分享一些在云原生环境下开发一个真实的 Java 微服务应用的经验。
干净架构最佳实践Bob 大叔在 2012 年的一篇博文 The Clean Architecture 中提出了一种适用于复杂业务系统的软件架构方式。在干净架构出现之前，已经有一些其它架构，包括 Hexagonal Architecture、Onion Architecture、Screaming Architecture、DCI 和 BCE。这些架构在本质上都是类似的，都采用分层的方式来达到一个共同的目标，那就是分离关注。干净架构将这些架构的核心理念提取了出来，形成了一种更加通用和灵活的架构。
