Categories

第 129 頁

AI 工具解析

Stagehand 這類瀏覽器 agent 工具，真正該學的是少用 AI

Agno 值得現在看嗎？真正缺的不是又一個 agent，而是能被管理的 agent 平台

Opik：LLM 產品上線後真正缺的不是更多 demo，而是 trace、eval 和監控回到同一個地方

Guardrails AI：LLM 上線不能只相信模型聽話，輸入輸出驗證要變成產品邊界

AutoGen：多 agent 真正難的不是多叫幾個角色，而是把對話、工具和控制權收成工程系統

TensorRT-LLM：開源模型推理要榨出效能，最後常常會回到 NVIDIA 生態的硬底層

Chroma：RAG 不是把向量存起來就好，真正要補的是 AI search infrastructure

DeepEval：AI 產品不能只靠感覺驗收，LLM 評測正在變成工程團隊的測試層

KServe：模型服務上線真正麻煩的不是包成 API，而是讓推理變成 Kubernetes 上的穩定平台

Ray：AI 規模化真正麻煩的不是多開幾台機器，而是把分散式工作變成可操作系統