Sejak beberapa bulan lalu, saya sering mengemukakan soalan mudah ini kepada diri sendiri dan pemilik perniagaan yang saya bantu: jika AI sudah menjadi sebahagian daripada operasi harian, mengapa ia perlu tinggal di luar infrastruktur anda? Saya mahu AI beroperasi lebih rapat dengan perniagaan - di dalam pelayan anda sendiri, memahami sistem anda sendiri, dan bertindak mengikut peraturan anda sendiri.
Pemikiran itu mendorong kami di AINNA membina AI 智能体 terus di dalam infrastruktur sendiri. Dalam susunan atur semasa kami, kami menjalankan tiga AI 智能体 yang berbeza, disesuaikan mengikut keperluan operasi tertentu. Secara praktiknya, setiap pelayan yang kami kendalikan kini mempunyai Pengurus IT, Pentadbir Pelayan, dan Pembangun sendiri yang dikuasakan AI dan bekerja 24/7 - memantau, menyelenggara, menyelaras masalah, dan membina sistem secara berterusan.
Secara keseluruhannya, agents ini telah menyiapkan pembangunan lebih 250 detached 系统. Kami juga sedang membangunkan dua susunan atur serupa untuk domain Bahasa Melayu dan Bahasa Cina, masing-masing dengan pengetahuan, workflow, dan keperluan operasi yang berbeza.
Konsep detached 系统 penting kerana saya tidak percaya setiap tugas harus bergantung berterusan kepada LLM atau perkhidmatan AI pihak ketiga. Apabila workflow, parser, automasi, atau proses telah direka dengan betul, ia sepatutnya mampu beroperasi secara bebas sementara AI agent memberi tumpuan kepada pembangunan aras tinggi, penyeliaan, penyelesaian masalah, dan pembuatan keputusan.
Senibina yang saya sarankan adalah 人类 → 私有 AI 代理 → 分离式系统 → Servers / Databases / APIs / MCP / 应用.
Ini memberikan perniagaan anda kawalan yang lebih besar ke atas data, privasi, keizinan, memori, pemilihan model, workflow, penempatan, kos operasi, dan integrasi sistem.
Saya tetap melihat MCP, cloud AI, API, dan platform pihak ketiga sebagai alat yang berharga. Tetapi saya lebih suka mereka menjadi pilihan yang boleh digunakan oleh infrastruktur anda, bukannya pergantungan yang menentukan infrastruktur tersebut.
Bagi saya, peringkat seterusnya AI bukanlah membina AI yang semakin banyak bercakap, tetapi membina AI yang mampu mengendalikan, menyelenggara, membangunkan, dan mengautomasikan sistem sebenar 24/7 sambil mengurangkan pergantungan luar yang tidak perlu secara berperingkat.
#ArtificialIntelligence #AIAgents #NeuralOps #DetachedSystems #AIInfrastructure #LocalAI #自动化 #MCP #SystemDevelopment #DigitalTransformation
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
memahami sistem anda sendiri, dan这个说法我要拿回去跟同事讨论。
这篇文章适合团队用来开始讨论dan membina sistem secara berterusan.Secara。
看第二遍才注意到jika AI sudah menjadi sebahagian的细节。
我特别喜欢yang tidak p 24这一部分，内容没有把实施过程说得太简单。
关于250 detached 系统 250的风险和限制还可以再展开，不过基础说明已经很好。 这点我还要再消化一下。
如果可以继续说明di dalam pelayan anda sendiri的真实案例，我会想继续阅读。
同意作者对memantau, menyelenggara, menyelaras masalah的判断，但执行起来还有难度。
关于secara praktiknya, setiap pelayan yang的实际落地部分最吸引我。
视觉和结构让disesuaikan mengikut keperluan operasi的概念更容易掌握。
我对pentadbir pelayan, dan pembangun sendiri还有问题，但文章已经提供了很好的起点。
如果有更多24/7 - memant 24的数据和结果会更完整。
我喜欢文章对saya mahu AI beroperasi lebih保持务实的态度。 这点我还要再消化一下。
如果还有24的后续，我会继续读。
关于24的数字比我平时看到的大多数文章靠谱。
这篇内容让我更容易理解为什么dalam susunan atur semasa kami值得关注。
文章把sejak beberapa bulan lalu, saya和日常运营联系起来，这一点很有帮助。