博客 / 列表

u_14902238 - 探秘 AgentRun丨為什麼應該把 LangChain 等框架部署到函數計算 AgentRun

阿里雲函數計算 AgentRun 全新發布後，我們整理了“探秘 AgentRun”系列文章，本系列將梳理企業落地Agent 常見難題，給出具體解法，助力 Agentic AI 快速走進生產級環境。歡迎加入“函數計算 AgentRun 客户羣”與我們交流，釘釘羣號：134570017218。 當你已經用 LangChain、AgentScope、LangGraph 等框架開發了 Age

雲計算 , bash , server , 企業級 , 雲原生

u_14902238 - 快速上手：LangChain + AgentRun 瀏覽器沙箱極簡集成指南

前言 在 Agentic AI 時代,智能體需要與真實世界交互,而瀏覽器是連接虛擬世界與現實世界的重要橋樑。AgentRun Browser Sandbox 為智能體提供了安全、高性能、免運維的瀏覽器執行環境,讓 AI Agent 真正具備"上網"的能力——從網頁抓取、信息提取到表單填寫、自動化操作,一切皆可實現。 AgentRun Browser Sandbox 介紹 什麼

環境變量 , 生命週期管理 , 雲計算 , 雲原生 , typescript

u_14902238 - AgentRun 實戰：快速構建 AI 輿情實時分析專家

輿情分析是企業感知市場脈搏、預警公關危機的“聽診器”，然而傳統的輿情分析系統更像是一個個“手工作坊”，面臨數據收集效率低、分析深度不夠、實時性差等問題，經常反饋之後，等企業拿到報告時，輿論熱點早已轉移，錯過最佳時間。這些挑戰，正是所有輿情繫統開發者共同的痛點。 本方案將基於真實的代碼實現，向您介紹如何使用函數計算 AgentRun 平台，構建一個現代化的“輿情分析專家”，該系統不僅實

輿情分析 , f5 , 5e , 雲計算 , 雲原生

u_14902238 - 探秘 AgentRun｜流量一大就癱瘓？如何解決AI 模型調用之痛

阿里雲函數計算 AgentRun 全新發布後，我們整理了“探秘 AgentRun”系列文章，本系列將梳理企業落地Agent 常見難題，給出具體解法，助力 Agentic AI 快速走進生產級環境。歡迎加入“函數計算 AgentRun 客户羣”與我們交流，釘釘羣號：134570017218。 在《通過無代碼創建的 Agent，如何用高代碼進行更新？》文章中，我們提到過一個真實用户的痛點

雲計算 , API , 自定義 , 阿里雲 , 雲原生 , serverless

u_14902238 - AgentRun Sandbox SDK 正式開源！集成 LangChain 等主流框架，一鍵開啓智能體沙箱新體驗

讓智能體開發更輕盈，讓雲端運行更安全——AgentRun Sandbox SDK 開源發佈，賦能 Agentic AI 快速落地 引言：構建面向未來的 Agentic AI 基礎設施 在大模型與智能體（Agent）技術迅猛發展的今天，開發者不僅需要強大的模型能力，更亟需一個安全、彈性、易用且可擴展的運行環境來承載複雜的 Agent 邏輯。為此，我們正式推出函數計算

雲計算 , server , 雲原生 , typescript , Python

u_14902238 - 阿里雲 Serverless 計算 11 月產品動態

精選文章 算力成本降低 33%，與光同塵用 Serverless AI 賦能影視商業內容生產 ModelScope 模型一鍵上線？FunModel 幫你 5 分鐘從零到生產 助力企業構建 AI 原生應用，函數計算 FunctionAI 重塑模型服務與 Agent 全棧生態 【本不該故障系列】從 runC 到 runD：SAE 如何化解安全泄露風險 從代碼到生產推理服務

雲計算 , 阿里雲 , 雲原生 , serverless

u_14902238 - 阿里雲新發的AgentRun 有哪些“大招”，一文詳解來了

AI Agent 正從技術概念快步走向生產應用。然而，當開發者試圖將原型推向生產環境時，一道巨大的“生產化鴻溝”隨之顯現：眾多開源框架雖提供了強大的“大腦”，卻缺失了企業級應用賴以為生的“基礎設施”。 開發者實現從“原型”到“產品”的每一步，都充滿了基礎設施的挑戰。要跨越這道鴻溝，需要的不僅僅是更聰明的模型，而是能全面解決這些問題的基礎設施平台。這正是我們

雲計算 , server , 基礎設施 , 雲原生 , 開發者

u_14902238 - AgentScope 擁抱函數計算 FC，為 Agent 應用提供 Serverless 運行底座

在 AI Agent 應用加速落地的今天，開發者和企業普遍面臨三大核心痛點：部署成本高、運維複雜度高、資源利用率低。為應對這些挑戰，AI Agent 與雲原生、Serverless 架構的深度融合正成為行業新趨勢。我們很高興地宣佈，AgentScope 正式集成基於阿里雲函數計算（Function Compute, FC）的全新 Serverless 運行時，為多智能體應用提供“按需啓動

雲計算 , 運維 , server , 雲原生 , 開發者

u_14902238 - ModelScope 模型一鍵上線？FunModel 讓你 5 分鐘從零到生產

下一個AI爆款應用，或許就從您點擊"立即部署"的那一刻開始！ 一、前言：AI 浪潮下的模型訴求 在當今這個全民 AI 的時代，快速入門 AI，趕上時代的浪潮，成為了大家當下最熱切的追求和期盼。於是，模型作為 AI 場景的載體，隨着 AI 技術的不斷髮展，在持續的，如雨後春筍般出現在大家的視野中，可謂是種類繁雜，功能齊全，從不同方面滿足大家對 AI 的需求。例如在 A

雲計算 , 自定義 , 雲原生 , 開發者 , 迭代

u_14902238 - 【本不該故障系列】告別資源“不確定性”，SAE如何解決剛性交付核心困境

作者：娜米 資源的剛性交付，不是雲上天生就具備的能力。當選擇自建或自管理一個 Kubernetes/ECS 資源池時，就必須直面一個殘酷的現實：所依賴的底層 IaaS 資源本身就是非剛性的。 阿里雲上 ECS 有多代實例規格（如 g6、c7i、r8y 等），基於 Intel、AMD 及自研倚天 ARM 芯片，但這並不保證在任何時刻、任何地域、任何可用區，所需要的那款機型就一定有庫

Pod , 雲計算 , 運維 , 異構 , 雲原生

u_14902238 - 從代碼到生產推理服務：DevPod 全流程部署 DeepSeek-OCR 模型實戰指南

開發調試到生產上線，全流程僅需一個工作區——DevPod重新定義AI工程化標準，當開發與部署不再割裂，模型價值才真正釋放。 簡介 告別碎片化開發體驗，DevPod 打造從代碼到服務的一站式閉環。本文手把手演示在函數計算 Funmodel 上完成 DeepSeek-OCR 模型從雲端開發、本地調試到生產部署的完整工作流，讓模型真正走出實驗室，實現分鐘級服務化，重塑 A

雲計算 , 雲原生 , paddle , 開發者 , ide

u_14902238 - 【本不該故障系列】從 runC 到 runD：SAE 如何化解安全泄露風險

對於大多數客户而言，使用 Serverless 容器服務時最核心的顧慮始終是安全性與租户隔離能力。確實，並非只要採用了容器技術、實現了資源共享，就天然具備穩定可靠的安全保障。容器本身只是隔離手段之一，其安全邊界高度依賴底層運行時模型。在非阿里雲 SAE 的環境中，客户在使用基於 runC 的「共享資源的產品」「且沒有使用安全容器的」的容器產品時，就曾因共享內核架構的固有侷限而遭遇嚴重故障

多租户 , 文件系統 , 雲計算 , 運維 , 雲原生