#架构

优秀的架构师,本质上是在为业务交易「期权」。 期权是什么?它是在未来某个时间点,以特定成本做某件事的权利,而不是义务。比如,我们今天不必精确预测明年的用户量,而是设计一个能够随时弹性增减服务器的系统。这个随时增减的能力,就是我们为未来买下的一个决策期权。我们推迟了「到底需要多少服务器」这个具体决策,直到我们掌握了更多真实的用户数据,从而能做出更明智的判断。 这个期权为什么如此值钱?答案是不确定性。金融学有个基本原理:市场波动性越大,期权的价值就越高。同样的道理,商业环境越是动荡、易变、不可预测,那些能让我们保留选择、灵活应对的架构期权,其价值就越大。当你的竞争对手因为一个突发事件而系统崩溃时,你的弹性架构就是让你反超的王牌。 这也就澄清了一个常见的误解:架构与敏捷是互斥的。恰恰相反,它们是应对不确定性的黄金搭档。 如果说敏捷是方向盘,它让我们能小步快跑、在持续反馈中不断调整方向;那么好的架构就是高性能的引擎和坚实的底盘,它赋予了我们快速转向、紧急刹车或猛然加速的能力,而车辆本身不会散架。 没有架构提供的底层能力,敏捷的快速转向只会变成混乱的原地打转;而没有敏捷提供的持续反馈,架构的强大引擎再厉害,也可能正全速驶向错误的目的地。
宝玉
5个月前
划重点:知道 Deep Research 智能体的架构后怎么更好的使用 这里课代表帮你划一下重点: 有记忆 这意味着中间结果会被保存下来。所以每次扣子空间的任务,你不仅可以看最终的网页,还可以看一些中间结果的 Markdow 等其他文件,这些文件有时候也会包含有价值的信息 有安全过滤 这意味着你就不用想着用它做什么模型不允许做的事情,基本上是徒劳的 有最强模型 由于 Deep Research 对模型能力要求特别高,这意味着各家都会用自己最强的模型出来做这件事,比如OpenAI 刚推出 Deep Research 时,它就是用的当时最新最强的 o3 模型,所以有些对模型能力要求高的任务,也可以让 Deep Research 来做,比如我就常用 Deep Research 分析代码库、参考代码库写一个 MCP 服务之类的,效果比普通对话模型效果还好。 有工具 这意味着它有一些特别的能力,比如代码执行、浏览器、PDF 解析、网页制作等,说明你可以借助它的一些工具来做一些报告之外的事情。比如我曾借助 OpenAI Deep Research 的 PDF 解析工具的能力,来帮我把 PDF 解析成 Markdown,甚至完整的翻译成中文。 特别值得一提的是,OpenAI 和 Gemini 的 Deep Research,只能使用默认的几个工具,但是像扣子空间,它的工具接入了 MCP 扩展,也就意味着可以接入现在火爆的 MCP 生态。比如说你要出行规划,就可以加上高德地图和墨迹天气的 MCP 扩展,让出行规划既能考虑天气因素,又能考虑交通拥堵、道路施工情况。 扣子空间不仅有官方的 MCP 扩展,比如官方 MCP 刚上新了水滴信用、音乐生成,另外你还可以自定义 MCP,「扣子开发平台」商店千余插件,个人无限 DIY 工作流,均可发布至「扣子空间」,让无限海量的MCP 为你的 Deep Research 任务所用。 除了这些 Deep Research 独有的功能,还不可忽视我们在使用 对话类 AI 应用时两个重要的元素:输入和输出。 输入: Deep Research 并非只能输入文本,你还可以输入URL、图片、PDF 等其他格式的内容 输出: 不同家的 Deep Research 支持的输出也不同,比如 OpenAI 的 Deep Research 只能输出 Markdown,Gemini 能将结果到处到 Google Docs,扣子空间则可以生成可交互的网页、图表,还可以生成 PPT。在扣子空间,你要是让它处理 PDF,还能拿到提取的文本文件。 当我们知道 Deep Research 的这些“秘密”之后,就不用再局限于用它去写个调研报告,还可以用它做很多其他事。