AIOps · AI Infrastructure

Build systems that think.

记录训练基础设施、故障排查、Agent 开发与 RAG 的真实工程实践。

内容概览持续更新

529篇工程笔记

GPU / RDMA / NCCLAgentic RAGKubernetes / AIOps

篇技术笔记

个内容分类

张图表与插图

个接地问答助手

覆盖的技术板块

从底层训练基础设施到上层 Agent 应用,实战为主。

训练底座、故障排查、NCCL、DCGM、RDMA 与推理优化

Agent 应用、RAG、Function Calling 与多智能体协同

TCP/IP、Clos、Spine-Leaf、防火墙与网络攻防

系统设计、Kubernetes、算法与大厂真题复盘

容器编排、持续交付、监控与高可用部署

笔记里高频出现的技术栈。

PyTorchCUDANCCLRDMAInfiniBandvLLMLangGraphRAGFunction CallingMulti-AgentKubernetesDockerPrometheusCI/CDNginxRedisMySQLTCP/IPClosSpine-LeafGoPython

问它博客里的技术问题。有据必给引用，库外会诚实说明，也能帮你写代码和画图。