35 lines
1.3 KiB
Markdown
35 lines
1.3 KiB
Markdown
# 开场白
|
||
|
||
**【承上启下，建立技术演进的连贯性】**
|
||
|
||
前面我们学习了AI原理和部署实践，
|
||
那今天呢？我想和大家聊聊：AI到底该怎么'用好'？
|
||
|
||
**【痛点共识】**
|
||
|
||
- 算法懂了、模型也能跑，但落地时到底该用 Agent 还是工作流？
|
||
- SSE、WebSocket、HTTP 流到底怎么选，用户等待体验怎么优化？
|
||
- 供应商 vs 私有化怎么权衡，成本到什么阶段再自建？
|
||
|
||
**【今天我们做什么】**
|
||
|
||
- 用一个真实案例（订单诊断）贯穿：Agent 负责意图与解释，工作流负责确定性执行与回退重试
|
||
- 给出阶段化选型：原型用 Python，生产用 Go（Eino/LangChainGo），并给出目录模板与工程要点
|
||
- 拆解流式传输与体验优化：选择建议、并行与降级、渐进式输出
|
||
- 评估成本与私有化阈值：用数据而不是感觉做决定
|
||
|
||
**【你将带走】**
|
||
|
||
- 可直接复用的 Go 项目目录模板与 Python 原型示例
|
||
- 流式传输最佳实践与选择建议
|
||
- 一套成本评估与私有化决策表
|
||
- 常见坑清单与规避方法（幂等、错误码、记忆与状态分离）
|
||
|
||
**【一句话总结】**
|
||
|
||
选择 > 实现，适合 > 先进；聪明交给 Agent，稳定交给工作流。
|
||
|
||
**【开始吧】**
|
||
|
||
接下来 72 分钟，我们用融合方案把“能用”变成“好用、可持续”。
|