Penghalaan Pintar 3 Peringkat: Cara Saya Bina Ejen AI Ringan✎ Edit

👁 85 tontonan
Penghalaan Pintar 3 Peringkat: Cara Saya Bina Ejen AI Ringan

Apabila saya mula menyertai kumpulan OpenClaw, ahli-ahli aktif berkongsi eksperimen, pengalaman teknikal dan projek.

Kemudian datang spam dan scammer, diikuti promosi produk pesaing. Dan sekarang, meme hampir mengambil alih kumpulan.

Sementara itu, saya ambil pendekatan yang lebih dekat dengan cara saya uruskan operasi logistik: bina Ejen AI ringan sendiri untuk menggantikan OpenClaw, elakkan kerumitan tidak perlu dan fungsi yang membengkak. Saya lihat routing sebagai masalah operasi, setiap panggilan LLM yang tidak perlu ialah overhead yang perlu dihapuskan.

Arkitektur Penghalaan Pintar 3 Peringkat Saya:

  1. Cache Redis & MySQL – Guna semula data dan hasil sedia ada untuk minimumkan pemprosesan yang tidak perlu.
  2. Skrip Kerap – Laksanakan tugasan berulang tanpa panggilan LLM yang tidak perlu.
  3. Penghalaan Model Pintar – Mula dengan model paling murah yang berkemampuan, dan tingkatkan hanya bila perlu.

Timbunan Teknologi: Web-CLI, Redis, MySQL dan Telegram sebagai antara muka mudah alih saya.

Dengan Ejen AI saya sendiri, saya telah membangunkan 100+ aplikasi web standalone, bersama pembangunan server dan infrastruktur yang meluas:

  • Provisioning server Linux dan pengurusan VM
  • PostgreSQL dan MySQL
  • Caching Redis
  • Docker dan pengurusan container
  • Nginx dan reverse proxy
  • Gitea dan kawalan versi Git
  • Timeshift, snapshot dan pengurusan backup
  • Pemantauan server dan automasi deployment

Bahagian yang menarik? Jumlah kos model AI kekal bawah USD 40/bulan, termasuk model distilled saya sendiri.

Pembangunan aplikasi, operasi server dan pengurusan infrastruktur, semuanya melalui Ejen AI saya sendiri.

Kurang overhead. Penghalaan lebih pintar. Lebih banyak engineering.

Bagaimana dengan yang lain? Apa yang anda sedang bina, uji atau perbaiki kebelakangan ini?

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. Email diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Ginsang Kadazan, Malaysia

Orang yang tulis ni memang buat kerja rumah pasal 100.

Dimas Indonesia

The framing around ahli-ahli aktif berkongsi eksperimen is better than I expected.

Ayu Indonesia

Honestly, cache redis & mysql surprised me.

Narin Thailand

Bookmarked, mostly for kemudian datang spam dan scammer.

Suda Thailand

The numbers around setiap panggilan LLM yang tidak make more sense than most posts I read.

Artificial Intelligence

Article image
BioResearch Kecerdasan penyelidikan mikrobiologi dan penyakit kanser 6 inputs → traceable research priorities Terokai →
IC DesignOps Kebolehulangan, kebolehkesanan dan kecerdasan pengesahan 21 detached services → 85% without LLM Terokai →
Robotics Robotik yang ditadbir di pinggir industri Perception → safety gateway → controller Terokai →
NeuralOps Managed infrastructure for PKS, without enterprise overhead From RM499/year · scoped after assessment Explore plans →
Ekosistem AINNA

Teruskan meneroka selepas artikel ini.

Setiap halaman artikel hendaklah diakhiri dengan laluan yang jelas ke dalam ekosistem wIDer AINNA, Ejen dan NeuralOps.

Semasa topic Artificial Intelligence Author profile Hakam AINNA Main ecosystem hab Agent Pusat ejen autonomi persendirian NeuralOps Automasi kecerdasan buatan dan sistem perniagaan Lead form Mula a pilot discussion
AINNA Agent AI

Laksanakan Ejen AI AINNA Kami

Linux ialah laluan teras, Windows disokong, dan AndroID / TeRMux berfungsi sebagai lapisan pendamping.

472 installs
Linux / macOS curl -fsSL https://neuralops.bond/install | bash
Verify ainna --version
AINNA
KLIK SAYA

Seksyen Laman

Tiada data seksyen tersedia buat masa ini.

Laman dengan seksyen terdokumen akan dipaparkan di sini.