-Agent——管理生命周期（PA） u启动envoy u热重启envoy u监控envoy u优雅关闭envoy启动envoy ü监听/etc/certs目录 ü生成envoy静态配置文件envoy-rev0.json ü通过exec.Command启动 envoy并监听状态 • 文件配置文档 • 启动参数文档热重启envoy热重启涉及以下步骤 • Pilot-Agent只是负责启动S，其他步骤由envoy完成。 未完成的工作 • 5. 在P优雅关闭过程中，S会从共享内存中获取stats • 5. 到了时间S通知P自行关闭 • 6. S升级为P • 官方博客：Envoy hot restart什么时候会进行热重启？监控envoy ü获取非正常退出状态 ü抢救机制触发 ü抢救令牌减少一个（总共10个） ü在2(n-1) * 200毫秒后执行（为什么不立即执行） ü失败再次触发抢救机制 ü10个令 istio-certs • secret: • optional: true • secretName: istio.default证书过期 üroot-cert.pem 实际有效期1年，没有找到更新方式，手动更新？ ücert-chain.pem 和 key.pem 实际有效期90天，程序控制有效期45天 ü证书过期会被重新生成并挂载到/etc/certs ü触发envoy热启动ü方案一： •

稳健性-活跃度 作为 AI 开发生态中的关键组 成部分，本部分图表中的开发 框架、大模型及相关工具在活 跃度的表现各有千秋。 如应用开发平台 Dify 受行业 技术更新影响较小，其活跃度 始终保持着较高水平；而大语 言模型 MOSS 则较易受技术 更新影响，活跃度随时间整体 呈下滑趋势。 18 / 111 OSS Compass Insight 本部分图表仅用于数据展示，不涉及先后排名 创新力-组织活跃度 难产的隐忧，直言有限 的算力约束让 OpenAI 面临迭代优先级的艰难抉择，在通往 AGI 的道路上一路高歌猛进的领头 羊似乎撞上了“算力墙”。 除此之外，能耗、资金，难以根除的幻觉，有限的知识更新速率、有限的上下文宽度、高昂 的运营成本等等，都让外界对大模型的发展忧心忡忡。面对棘手的困境与难题，大模型的未来， 又该何去何从呢？ 下一代“明星产品” “算力墙”下，模型效果边际收益递减， TOT（思维树）【5】等技术的加持下，大模型正在学习拆解自己的“思维”，OpenAI 的 o1 就是 典型案例，强化了推理能力的同时，也大大缓解了幻觉问题。 2. 大模型做不到的，“现存工具”强势补位。 无法持续更新的知识库，可以通过 RAG（Retrieval Augmented Generation，检索增强 生成）来解决。 RAG 的出现，让各界越来越深刻地认识到，大模型没必要存储那么多知识，只需要如何使

，这里尽量详细的描述你的数据]  用10张精美的绘图，展示数据变量之间的关系或潜在的分 析思路，包括展示数据分析的直方图和箱线图。  呈现关键变量之间的配对散点矩阵图和小提琴图，以及常 用的相关性热图等，每张图都有详细的解释。 其他常用英文指令 Prompts（指令） 描述 Prompts（指令） 描述 Can you load and preview the data? 加载，预览一下数据 生成综述案例：斯坦福 STORM（英文版） 生成综述案例：斯坦福 STORM（中文译版） ***附加知识*** DeepSeek+DeepResearch 基本知识介绍 DeepSeek：颠覆出圈，霸榜热议 2 0 2 3 年 7 月 D e e p S e e k 成 立 2 0 2 3 年 1 1 月 2 日 首个开源代码大模型 DeepSeek Coder发布 2 0 2 3 年 1 场景进行定制，从而更好 地满足需求 社区支持 使其在学术研究和工业应 用中具有广泛的应用前景 可解释性和可靠性 需要采取措施确保模型的 可靠性和可解释性 社区参与 需要社区成员的共同参与 维护和更新，需要较高的 社区活跃度和凝聚力 安全性 需要采取措施确保模型的 安全性和隐私保护 模型 训练成本 调用成本 （输入/百万 tokens） 调用成本 （输出/百万 tokens） DeepSeek-V3

处理理延迟 0.2 毫秒 2 毫秒 性能（单核，开启两个限流和 prometheus插件） 18000 1700 支持流量量复制和故障 是 否 注⼊ 是 否 支持SkyWalking 是 否 插件热更新 新增、删除、更新插件不用 重载服务 无, 每次都需要重载 服务 二次开发 难度低 难度中等 本地技术支持 有, 1小时响应 无 定期巡检和培训 有 无 基于 Apache APISIX 的全流量网关 Nginx

 bvar::Window : 获得某个bvar在一段时间内的累加值。 Window衍生于已存在的bvar，会自动更新。  bvar::PerSecond : 获得某个bvar在一段时间内平均每秒 的累加值。PerSecond也是会自动更新的衍生变量。 21/33监控指标的采集与存储 Curve使用开源的监控工具Prometheus采集监控指标，大致 流程为： 1 ansible 确认集群 状态 28/33易升级  Client易升级 为避免Curve client升级影响QEMU，Curve Client采用了Client- Server架构，以支持热升级。 升级Curve Client只需重启NEBD Server，业务IO中断时间一般在5 秒之内（右图为1.0版本实测结果）。  MDS易升级 自动化滚动升级——先升备再升主，确保升级过程中只发生一次主

我们需要一种新型的、为云而生的业务承载平台，去应对上述问题。 微服务应 用 大型 单体 应用 VM/服务器 VM/服务 器 VM/服务 器 VM/服务 器 目 标  支持微服务级别的细粒度资源隔离  支持快速扩缩容  支持热升级，服务更新不影响业务可用性  支持服务的快速地部署、扩展、故障转移  支持更细致、自动化的运维，快速恢复  …… 过去 现在 未来 云原生的业务承载平台？ 什么是云原生->为云而生 没有出现，Docker公司还差点死了 1 9 9 6 年 戴 尔 提 出 云 计 算 理 念 2006年亚马逊率先推出 了弹性计算云（EC2） 分水岭 云原生 Docker： 抽象云资源，使 得更容易使用 微服务： 加快业务迭代更新 从支持应用不同维度发展，最终走在了一起 2010年WSO2提出 类云原生的概念 云原生应用相比传统应用的优势 低成本 高敏捷 高弹性 云原生应用 传统应用 部署可预测性 可预测性 不可预测 抽象性

Protocol（简称为 MCP，一套标准 GRPC 协议）19/24 质量保障体系 • CICD • 单元测试 • 性能基准自动测试 • 监控报警 • 版本升级机制 • Envoy 热更新机制 • 灰度发布机制：业务灰度+流量灰度 • 演练测试 • 业务回归验证20/24 一些坑 • Envoy 目前编译版本存在 Bug • 在 Istio pilot 升级到加入 accesslog

的情况下，通过概率性选择生成内容，而非基 于真实世界的知识库或逻辑推理，这使得其输 出不仅难以信赖，且可能误导用户。 形成原因 除AI幻觉这一关键缺陷外，潜在的缺点与局限还包括 可解释性、计算成本、数据偏见、实时更新、数据安 全、个人隐私、恶意输出等。 幻觉类型 数据可用 性 理解 能力 深度 语境精 确度 外部信息 整合能力 逻辑推理和 抽象能力 典型错误表现 数据误用 有数据 低 高 高 中 热点筛选：设定热点选择的标准， 如话题热度、受众契合度等 • 角度创新：指导找到差异化的切 入点，避免同质化表达 • 时机把握：明确内容发布的最佳 时间窗口 热点借力内容生成需求： 话题背景：[当前热点] 热度指标：[热搜排名/话题讨论量] 目标受众：[用户群体] 差异化要求： - 分析现有观点角度 - 提出新的切入点 - 设计反直觉表达 传播策略： - 话题标签选择 - 关键意见领袖互动设计 - 评论引导策略 应用示例 提示语设计应突出场景描述 和情绪表达，使内容富有感 染力。 提示语应帮助AI生成节奏明 快、表达简洁的内容，去除 冗余信息，确保信息传递高 效且不失趣味。 节 奏 鲜 明 与 简 洁 高 效 贴 近 热 点 与 用 户 需 求 提示语设计需引导AI关注当 下流行话题，创作具有话题 性和吸引力的内容。 �抖音内容创作的核心原则 1 高度视觉化与短时吸引力 3 强互动性与挑战性 2 情绪饱满与娱乐性

的情况下，通过概率性选择生成内容，而非基 于真实世界的知识库或逻辑推理，这使得其输 出不仅难以信赖，且可能误导用户。 形成原因 除AI幻觉这一关键缺陷外，潜在的缺点与局限还包括 可解释性、计算成本、数据偏见、实时更新、数据安 全、个人隐私、恶意输出等。 幻觉类型 数据可用 性 理解 能力 深度 语境精 确度 外部信息 整合能力 逻辑推理和 抽象能力 典型错误表现 数据误用 有数据 低 高 高 中 热点筛选：设定热点选择的标准， 如话题热度、受众契合度等 • 角度创新：指导找到差异化的切 入点，避免同质化表达 • 时机把握：明确内容发布的最佳 时间窗口 热点借力内容生成需求： 话题背景：[当前热点] 热度指标：[热搜排名/话题讨论量] 目标受众：[用户群体] 差异化要求： - 分析现有观点角度 - 提出新的切入点 - 设计反直觉表达 传播策略： - 话题标签选择 - 关键意见领袖互动设计 - 评论引导策略 应用示例 提示语设计应突出场景描述 和情绪表达，使内容富有感 染力。 提示语应帮助AI生成节奏明 快、表达简洁的内容，去除 冗余信息，确保信息传递高 效且不失趣味。 节 奏 鲜 明 与 简 洁 高 效 贴 近 热 点 与 用 户 需 求 提示语设计需引导AI关注当 下流行话题，创作具有话题 性和吸引力的内容。 �抖音内容创作的核心原则 1 高度视觉化与短时吸引力 3 强互动性与挑战性 2 情绪饱满与娱乐性

中的本地 commit，也类似于缓存，会 在适当的时机更新，但是并没有缓存过期（expiration）的概念。 Nacos 配置模型 基础模型 上图是 Nacos 配置管理的基础模型： 25 > Nacos 架构 1. Nacos 提供可视化的控制台，可以对配置进行发布、更新、删除、灰度、版本管理等功能。 2. SDK 可以提供发布配置、更新配置、监听配置等功能。 3. SDK 通过 GRPC config_tags_relation 配置的标签表，在发布配置的时候如果指定了标签，那么会把标签和配置 的关联信息存储在该表中。  his_config_info 配置的历史信息表，在配置的发布、更新、删除等操作都会记录⼀条数据，可 以做多版本管理和快速回滚。 Nacos 架构 < 28 Nacos 内核设计 Nacos ⼀致性协议 为什么 Nacos 需要⼀致性协议 Nacos 在 MemberLookup 中，方便利用 ServerMemberManager 的存储、查询能力，后者 afterLookup 则是⼀个事件接口，当 MemberL ookup 需要进行成员节点信息更新时，会将当前最新的成员节点列表信息通过该函数进行通知给 ServerMemberManager，具体的节点管理方式，则是隐藏到具体的 MemberLookup 实现中。 接着来介绍下当前 Nacos