- 博客(116)
- 收藏
- 关注
RSS订阅原创 AI(学习笔记第三十三课)langchain v1.0(deep agent详细学习(5)`async subagent`)以及`steering`
本文摘要重点介绍了LangChain框架中的两个高级功能：async subagent和steering。 Async Subagent： 通过异步子代理实现任务并行处理，由supervisor协调任务状态。 示例代码展示了如何通过langgraph构建多代理架构，包含supervisor、researcher和coder三个角色，并通过langgraph.json配置代理关系。 执行时需设置环境变量PYTHONUTF8以确保编码兼容性。 Steering（Human-in-the-loop）： 允许在工具
2026-07-26 20:31:04
19
原创 aws(SAA/SAP边学边练)w1d1(IAM 深度)
本文摘要主要介绍了在AWS中IAM（身份和访问管理）的基础操作和实验内容，包括创建用户组（Group）、用户（User）、托管策略（Policy）以及自定义策略。通过实验1，学习了如何创建用户组并附加S3只读访问权限，创建用户并验证权限限制。实验2涉及自定义策略和行内策略的创建与应用，强调最小权限原则。实验3则介绍了角色（Role）的创建与信任策略，包括为EC2实例分配角色并验证权限，以及角色切换（Switch Role）的操作流程。这些实验帮助理解IAM的核心概念和实际应用，提升AWS账户的安全性和权限管
2026-07-05 17:07:35
71
原创 AI(学习笔记第三十二课)langchain v1.0(deep agent详细学习(4)`Multimodal/backend/subagent`)
本文摘要介绍了LangChain v1.0框架中深度代理(deep agent)的多模态功能开发。主要内容包括： 多模态支持：当底层大语言模型(如智谱AI)支持非文本输入时，深度代理也能实现多模态处理能力。 关键技术实现： 本地图片转base64编码 消息格式转换器，将LangChain消息格式转为智谱AI API格式 支持文本、图片URL、base64图片等多种内容类型 代码结构清晰，包含类型检查、错误处理和多种输入源适配，为构建多模态AI代理提供了完整实现方案。
2026-07-04 16:29:56
50
原创 aws(SAA/SAP边学边练)w0d0
指的是亚马逊云科技（Amazon Web Services）解决方案架构师认证的两个级别。对学习进行规划，进行咨询。之后的练习和学习都是围绕。时代，学习变得成本特别低，可以使用。时代的学习和练习生活开始了。的学习帮助，出题，练习，在。AWS 里的 SAA。后面是表示第几，比较。
2026-07-01 23:29:46
74
原创 AI(学习笔记第三十一课)langchain v1.0(dcode学习(3))
本文介绍了LangChain v1.0中sandbox和subagent的使用方法。sandbox（如Modal）用于安全运行不受信任的代码，安装配置后可通过dcode命令在隔离环境中执行任务。subagent可通过定义AGENTS.md文件创建专门功能的子代理，主代理通过task()调用子代理执行特定任务（如网络调研），保持上下文隔离。文中展示了使用researcher子代理调研FastAPI和Flask异步处理区别的实例，并提示后续将学习更多LangChain功能模块。
2026-06-23 22:55:37
60
原创 AI(学习笔记第三十课)langchain v1.0(dcode学习(2))
本文介绍了LangChain v1.0中Deep Agent Code（dcode）工具的内存（Memory）与技能（Skills）功能的使用方法。主要内容包括：1）Agent级别与Project级别Memory的创建与管理，通过markdown文件存储记忆信息；2）Skills的创建流程，包括编辑技能描述、添加支持资源（脚本、参考文档等）；3）社区Skills的安装方法。文章通过具体命令示例和截图展示了如何利用dcode实现AI代理的记忆存储与技能扩展功能，帮助开发者更好地管理AI代理的专业知识和工作流程
2026-06-21 15:28:15
44
原创 AI(学习笔记第二十八课)langchain v1.0(deep agent详细学习(3)`model`和`context engineering`)
modelmodel。
2026-06-14 15:35:51
37
原创 AI(学习笔记第二十九课)langchain v1.0(dcode学习(1))
本文介绍了LangChain v1.0中deep agents code的安装和使用过程。主要内容包括：在WSL环境下安装ripgrep和uv工具、配置国内镜像源、手动安装deepagents-code及其依赖、设置LLM（使用DeepSeek）和Tavily API密钥。特别指出了安装过程中需注意的坑：必须使用WSL而非Git Bash或CMD，且不要在venv环境中启动dcode。最后展示了dcode的基本使用示例，成功生成了一个简单的"Hello World"程序，并提到后续将学习mcp调用功能。文章
2026-06-10 22:59:35
222
原创 AI(学习笔记第二十七课)langchain v1.0(deep agent详细学习(3)`model`和`context engineering`)
本文主要介绍了LangChain中的Deep Agent开发相关内容，重点比较了本地(Local)和托管(Managed)两种Deep Agent的区别，并详细讲解了模型配置的两种方法。Local Deep Agent需要自行管理服务器、数据库和沙箱环境，而Managed Deep Agent则通过LangSmith云服务来运行Agent的各种功能。文章通过代码示例展示了如何使用init_chat_model API和直接字符串两种方式配置模型参数，并介绍了Provider Profiles功能，用于为特定
2026-06-06 18:03:19
62
原创 react native(学习笔记第七课) 英语打卡微应用（6）-优化一览表示画面
这篇文章摘要了React Native学习笔记第七课的内容，主要介绍了英语打卡微应用的前端开发进展。重点包括： 文章列表画面(ArticleListScreen)的初始化参数处理 在ArticleListScreen增加拍照按钮功能 后端实现文件系统下的英文文章保存，使用UUID作为唯一标识 前端显示文章列表并支持从拍照画面跳转 当前遇到的两个问题：一篇文章多次拍照的处理和GLM模型的1024字符限制 关键技术点涉及React Navigation路由配置、前后端数据交互(使用FastAPI)、文件系统操作
2026-05-30 11:35:54
88
原创 AI(学习笔记第二十六课)langchain v1.0(deep agent详细学习(2)skills等)
本文摘要主要介绍了LangChain框架中Deep Agent的skills和memory功能。在skills部分，详细说明了skill的规范结构（包含SKILL.md等文件）、示例文档以及如何在代码中调用skill（需配合fetch_url工具）。memory部分则讲解了StateBackend作为默认内存存储的使用方式，以及如何通过memory参数在backend中管理文件。文章通过具体代码示例展示了如何为Deep Agent添加技能和配置内存存储，帮助AI更好地执行任务。
2026-05-25 22:45:03
72
原创 react native(学习笔记第六课) 英语打卡微应用（5）- frontend的语音播放
React Native学习笔记第六课：英语打卡微应用前端开发 摘要：本文记录了React Native英语打卡微应用的前端开发过程，重点实现了AI自动总结英语文章标题和前端语音播放功能。后端代码修改包括：1) 让AI返回包含标题和正文的JSON结构；2) 调用TTS AI生成音频文件；3) 返回包含文章ID、标题、内容和音频URL的响应数据。前端修改包括：1) 实现文章列表展示(ArticleListScreen)；2) 添加文章详情页面(ArticleDetailScreen)；3) 集成语音播放功能。
2026-05-21 22:35:02
229
原创 AI(学习笔记第二十六课)langchain v1.0(deep agent详细学习(1))
本文介绍了LangChain的Deep Agent技术，这是一个专为处理复杂、多步骤任务设计的增强型Agent系统。文章首先概述了Deep Agent的四大核心功能：自主规划与任务分解、虚拟文件系统管理、子Agent委派机制以及生产级工程特性。随后通过示例代码演示了如何创建和使用Deep Agent，包括配置搜索工具、设定系统提示词等关键步骤。文章还探讨了Deep Agent的工作机制，如任务分解、网络检索和结果合成等，并指出其相比传统Agent更适合处理需要深度工作和状态管理的复杂场景。最后，作者提出了进
2026-05-20 23:16:28
1738
1
原创 react native(学习笔记第五课) 英语打卡微应用（4）- frontend的列表展示
本文介绍了React Native英语打卡微应用前端列表展示功能的开发过程。主要内容包括：1）重构代码结构，将原有单一App.tsx拆分为导航控制(AppNavigator)和多个功能页面；2）创建三个主要页面：Home（拍照识别）、ArticleList（文章列表）和ArticleDetail（文章详情）；3）实现导航功能，使用React Navigation库管理页面跳转；4）Home页面功能完善，包含拍照/相册选择、图片上传和AI语音转换功能；5）建立分支开发模式，通过article_list分支进行
2026-05-16 10:17:08
94
原创 AI(学习笔记第二十五课)langchain v1.0(deep agent入门)
本文比较了LangChain、LangGraph和Deep Agent三种AI开发框架的层级关系与功能差异。框架层（如LangChain）提供快速搭建基础模型的组件；运行时层（如LangGraph）专注于生产环境下的稳定执行和状态管理；编排控制层（如Deep Agent）则实现更复杂的任务规划和自主决策能力。Deep Agent构建于LangGraph之上，增加了规划能力、子代理管理等高级功能，而LangChain也采用LangGraph作为其后端处理复杂逻辑。三者形成从基础搭建到高级自主性的完整技术栈，适
2026-05-10 18:26:15
171
原创 react native(学习笔记第四课) 英语打卡微应用（3）-ocr的文字转化成语音文件（tts）
本文介绍了在React Native应用中实现文本转语音(TTS)功能的技术方案。文章首先讲解了使用智谱AI的TTS API服务进行文本到语音转换的基本原理，并展示了API调用界面截图。随后详细介绍了核心代码实现，包括构建TTS类、处理文本输入、调用API生成语音文件等功能。文中提供了完整的代码示例，重点说明了如何通过Python的requests库与智谱AI的TTS服务进行交互，以及如何将生成的语音保存为WAV文件。此外，还介绍了使用pytest进行单元测试的方法，包括测试文件的目录结构和测试用例编写。最
2026-05-10 10:34:29
147
原创 AI(学习笔记第二十四课)langchain v1.0(langgraph custom sql agent)
本文介绍了如何使用LangChain和LangGraph构建一个自定义SQL代理。主要内容包括： 配置SQLite测试数据库并连接，获取表结构信息 添加数据库交互工具：查询执行、模式获取、表列表和查询检查工具 定义工作流程步骤：列出表、获取模式、生成查询、检查查询 实现代理节点：创建获取模式节点、执行查询节点和列出表功能节点 通过将各节点连接形成工作流，该代理能够处理自然语言查询，自动生成和验证SQL语句，最终返回数据库查询结果。文中提供了完整的代码实现和结构说明，展示了如何利用LangChain的工具集和
2026-05-05 13:49:15
40
原创 react native(学习笔记第三课) 英语打卡微应用（2）-从上传图片开始
本文介绍了使用React Native开发英语打卡微应用的第二部分，重点实现了拍照和相册选择图片功能。前端使用react-native-image-picker库构建拍照和相册选择功能，并展示了界面效果。同时创建了基于Python+FastAPI的后端程序，用于处理图片上传、调用智谱AI进行文字识别，并将结果存入数据库。后端采用FastAPI框架，配置CORS以支持React Native应用访问，并实现了图片类型验证、大小限制等功能。文章提供了前后端代码示例和项目结构说明，为开发图片识别类应用提供了完整的
2026-05-04 16:57:15
542
原创 react native(学习笔记第二课) 英语打卡微应用（1）-开始构建
本文介绍了使用React Native开发"英语打卡小将"微应用的学习笔记。该应用旨在帮助英语学习者通过AI技术实现三大功能：1)使用OCR技术将扫描的英语文章图片转为文字；2)通过TTS技术将文字转为标准发音；3)利用语音识别技术对用户跟读进行评分。文章还展示了应用的整体架构图，并说明了开发目的：实践React Native移动开发、探索AI调用及LangChain交互。后续将通过Python后端逐步实现这些功能。
2026-04-15 22:18:08
110
原创 AI(学习笔记第二十三课)langchain v1.0(langgraph custom rag agent)
本文介绍了如何使用LangGraph构建自定义RAG代理的完整流程。主要内容包括： 数据预处理：从网页加载文档并分割成适合向量化的chunks（100 tokens大小，50 tokens重叠） 核心检索器创建： 使用内存向量存储和Ollama嵌入 创建检索工具函数，返回最相关的文档片段 查询生成组件开发： 基于MessagesState传递上下文和查询 使用DeepSeek模型判断是否需要检索或直接响应 支持单体测试验证组件功能 后续流程规划： 文档评分 问题重写优化 最终答案生成 图形组装和执行 整个过
2026-04-06 17:25:33
80
原创 AI(学习笔记第二十二课)langchain v1.0(SQL assistant-Skills)
本文介绍了如何为LangChain SQL助手Agent赋予技能（skills）的整体架构。主要内容包括：1）定义两种技能（sales_analytics销售分析和inventory_management库存管理），包含详细的数据表结构和业务逻辑；2）创建技能加载工具（skill load tool），通过@tool装饰器使Agent能调用该工具；3）构建技能中间件（skill middleware）和支持技能的Agent。文章还提供了完整代码示例，展示了如何实现渐进式技能披露（progressive di
2026-03-28 16:51:50
86
原创 react native(学习笔记第一课)环境构筑(hello,world)
之后，最终会出现在手机上这个安装程序。因为是自己的安装应用，所以这里选择安装。这里需要注意，环境安装需要的磁盘空间较大，事前请准备。注意：如果有啥问题，显示不出来，在手机上卸载程序，停止。这个文档已经相当详细，之后就开始环境的搭建。中的设定，会异常缓慢，解决办法是使用这里的。这里，编辑结束了之后，会开始向手机进行安装。没有问题，这里的手机应用就显示出来了。的鸿蒙华为手机，作为真机进行调试。将手机和电脑进行连接，之后在上面的。这里的命令，同时会启动一个。里面就会出现自己的手机。文件，进行主界面的更新。
2026-03-10 23:32:15
533
原创 AI(学习笔记第二十一课)langchain v1.0(knowledge base with routing)
本文介绍了LangChain v1.0中基于知识库的路由代理实现方法。主要内容包括：1）使用路由代理架构将大问题分解为小问题，由专业代理处理；2）环境准备和LLM模型配置；3）定义工作流状态类，包括输入输出格式和路由状态；4）创建特定领域的工具集，涵盖GitHub代码/PR/issue查询、Notion文档查询和Slack聊天记录查询；5）构建各领域专业代理。该架构适用于企业内部知识库查询场景，通过分类代理将问题路由到GitHub、Notion或Slack代理进行处理，最后汇总结果。
2026-03-08 22:40:50
97
原创 AI(学习笔记第二十课)langchain v1.0(manage workflow state)
本文介绍了使用LangChain构建基于状态机的客户支持工作流。主要内容包括：1) 通过自定义SupportState类管理对话状态（保修状态、问题类型）；2) 创建状态转换工具（record_warranty_status、record_issue_type）实现工作流步骤间的迁移；3) 使用DeepSeek作为核心LLM；4) 模拟客户支持场景，包含保修收集、问题分类、解决方案提供三个状态。该方案能有效管理多轮对话状态，自动处理简单问题或转接人工支持。示例代码展示了如何实现这一状态机工作流。
2026-02-22 10:16:29
109
原创 AI(学习笔记第十九课)langchain v1.0(personal assistant subagents)
本文介绍了LangChain v1.0中创建个人助理子代理(multi-agent)的实现方法。主要内容包括：1)通过.env文件安全管理API密钥；2)定义日历事件创建、邮件发送和时间段查询等工具函数；3)创建专门的子代理(calendar scheduling assistant和email assistant)；4)创新性地将子代理封装为工具函数使用；5)建立总管代理(supervisor agent)来协调各子代理；6)采用人机协作(HITL)审核机制。文章提供了完整的代码示例和实现细节，展示了如何
2026-02-08 23:26:06
134
原创 AI(学习笔记第十八课)langchain v1.0(voice Agent)
本文介绍了LangChain v1.0中的语音代理(Voice Agent)实现。主要对比了两种架构模式：架构A通过分离的语音转文本、文本处理和文本转语音组件实现，具有处理透明但复杂度高的特点；架构B则通过多模态模型直接处理音频，简化流程但灵活性较低。文章详细说明了采用AssemblyAI和Cartesia分别作为STT和TTS组件，并提供了前后端分离的demo应用架构及核心代码解析，包括WebSocket端点实现和数据处理流水线设计，展示了语音代理从音频输入到AI思考再到语音输出的完整处理流程。
2026-01-11 16:32:12
139
原创 AI(学习笔记第十七课)langchain v1.0(SQL Agent)
本文介绍了LangChain v1.0中SQL Agent的使用方法，主要包含以下内容：1) SQL Agent的工作原理，包括查询数据库表结构、生成SQL语句、执行并返回结果等流程；2) 配置步骤，包括设置大模型API、连接SQLite数据库；3) 自动生成的4个数据库工具功能；4) 系统提示词的编写规范；5) 创建SQL Agent并执行音乐数据库查询的完整示例。通过该技术，AI可以理解自然语言问题，自动生成并验证SQL查询，最终返回格式化结果。
2025-12-27 16:45:21
823
原创 AI(学习笔记第十六课)langchain v1.0(RAG Agent)
本文介绍了LangChain v1.0中RAG Agent的实现方法，主要包括以下内容： 整体架构说明：使用vector store进行检索增强生成，在RAG Agent中集成tools功能 实现步骤： 设置大模型（使用DeepSeek API） 通过WebLoader加载数据源并进行分割处理 使用Ollama Embeddings模型将文本向量化 定义检索工具（retrieve_context）实现相似性搜索 创建RAG Agent并配置系统提示词 应用示例：演示了如何向Agent提问关于任务分解标准方法
2025-12-20 16:20:49
696
原创 AI(学习笔记第十五课)从langchain的v0.3到v1.0
本文介绍了从LangChain v0.3升级到v1.0的学习过程，重点讲解了语义搜索功能。主要内容包括：1) 使用PyPDFLoader加载PDF文档并分割成多个Document对象；2) 通过RecursiveCharacterTextSplitter进行文本分块处理，设置chunk_size和chunk_overlap参数；3) 使用OllamaEmbeddings模型将文本块转换为768维向量；4) 使用InMemoryVectorStore存储向量并执行相似性搜索。文章通过Nike年报PDF文件示例
2025-12-11 00:05:04
811
原创 aws(学习笔记第五十二课) s3-eventbridge-ecs使用ecs并监视s3 event
本文介绍了使用AWS CDK构建一个S3事件触发ECS服务的架构。主要内容包括：1）创建S3存储桶并启用EventBridge事件通知；2）构建VPC和Fargate集群；3）设置SQS队列接收S3事件；4）部署Fargate服务（使用本地Python Flask应用作为容器镜像）；5）配置相关权限和事件路由规则。该架构实现了当S3存储桶发生对象创建事件时，通过EventBridge将事件发送到SQS队列，Fargate服务定期轮询队列并在Web界面显示事件信息。文章详细说明了CDK各组件配置要点，特别是容
2025-12-07 16:11:24
1162
原创 AI(学习笔记第十四课) 使用langchain的进行追踪聊天历史(add chat history)
本文介绍了使用LangChain框架实现聊天历史追踪(add chat history)的方法。主要内容包括： 概念说明：通过定义thread ID保存与LLM交互的HumanMessage、AIMessage和ToolMessage等记录，形成完整的聊天历史追踪。 实现方案： 采用LangGraph作为开发框架，构建包含三个节点的流程：查询响应、工具执行和结果生成 展示了核心代码实现，包括： 初始化嵌入模型和LLM(DeepSeek) 构建检索工具(retrieve) 定义三个处理节点(query_or_
2025-10-25 16:16:22
970
原创 AI(学习笔记第十三课) 使用langchain的callbacks和custom model class
本文介绍了LangChain中的callbacks机制和自定义模型类实现。主要内容包括：1）LangChain callbacks的作用是通过事件监控API调用过程，支持日志记录等功能；2）两种使用callbacks的方式：运行时传递和绑定到可运行对象；3）自定义聊天模型类的实现方法，以兼容没有官方集成的LLM。文章通过示例代码展示了如何继承BaseChatModel创建自定义模型类，并对比了Ollama和DeepSeek等不同模型的使用方式。这些技术可以帮助开发者更好地监控和管理LangChain应用程序
2025-10-19 16:58:03
1026
原创 AI(学习笔记第十二课) 使用langsmith的agents
AI Agents学习笔记摘要 本文介绍了LangChain框架中的AI Agents功能及其应用方法。主要内容包括： AI Agents概念：使用大模型作为推理引擎，动态决定执行哪些操作（API调用、工具调用等），而非仅返回静态文本。 关键技术与实现： 使用预定义工具（如Tavily搜索API） 创建检索工具（基于向量数据库） 传统LangChain调用方式（绑定工具后提问） Agent执行器： 通过AgentExecutor实现动态任务处理 支持记忆存储功能 集成LangSmith进行监控和调试 示例代
2025-10-14 22:42:25
901
原创 AI(学习笔记第十一课) 使用langchain的multimodality
本文介绍了AI多模态技术及其在LangChain中的应用。主要内容包括：1）AI多模态的定义，即同时处理文本、图像、音频和视频的能力；2）智谱AI作为DeepSeek的替代方案，提供2000万免费token用于学习；3）如何自定义大语言模型（LLM），通过继承BaseChatModel基类实现与智谱API的对接。文章还包含多模态数据处理（如图片转base64编码）和消息格式转换的代码示例，为开发者提供了实用的技术参考。
2025-10-11 22:38:13
848
原创 AI(学习笔记第十课) 使用langchain的AI tool
摘要：本文介绍了LangChain框架中AI工具的基本概念和使用方法。AI工具是Python函数与schema的结合，包含名称、描述和参数定义。文章详细讲解了三种创建工具的方法：(1)使用@tool装饰器从函数创建；(2)将LangChain Runnable对象转换为工具；(3)继承BaseTool类实现自定义工具。每种方法通过示例代码展示，并解释了工具绑定和调用流程，使LLM能够通过自然语言指令执行特定功能。
2025-10-08 00:06:11
1192
原创 AI(学习笔记第九课) 使用langchain的MultiQueryRetriever和indexing
本文介绍了LangChain中MultiQueryRetriever和索引功能的使用。MultiQueryRetriever能自动优化检索提示词，通过LLM生成多个相关查询并综合检索结果，提高检索质量。文中提供了使用Chroma向量数据库和Ollama嵌入模型的代码示例，展示了如何从网页加载内容并执行多查询检索。此外，文章还讲解了索引功能的重要性，它能避免文档重复写入，管理文档的哈希值、写入时间和来源ID。最后介绍了elastic search作为向量存储的集成方式，并详细说明了四种索引模式（none、in
2025-10-03 19:59:37
1063
原创 AI(学习笔记第八课) 使用langchain的embedding models
本文介绍了LangChain中embedding models的使用方法。首先解释了embedding model的基本概念，它能将文本转换为固定长度的语义向量，实现基于语义的文本检索。文章演示了如何使用Ollama本地模型将英文短句向量化，并展示了如何将embedding结果保存到本地数据库中。通过加载文本文件、分割文本内容并构建embedding store，最后实现了基于自然语言查询的语义搜索功能。整个过程展示了embedding model在文本处理和信息检索中的实际应用价值，特别是其能够理解语义并
2025-09-12 23:58:00
662
原创 AI(学习笔记第七课) 使用langchain进行文本切割
本文介绍了使用LangChain进行文本切割的必要性和方法。文本切割可解决现实文本长度不规则、模型输入限制、处理质量下降等问题，同时提高检索精度和优化计算资源。切割方法分为基于Token和基于Character两种：Token是AI处理文本的基本单位，可有效平衡语义和效率；Character则以人类可识别的字符为单位进行分割。文章提供了LangChain中两种切割方式的代码示例，分别展示如何按固定Token数量和字符长度分割网页文本内容。
2025-09-06 17:29:50
1154
原创 aws(学习笔记第五十一课) ECS集中练习(3)
本文总结了AWS ECS中Fargate服务的三种配置实践：1）单任务Fargate服务+网络负载均衡器，通过CDK代码创建集群和服务，并配置安全组规则；2）多任务Fargate服务+网络负载均衡器，通过自动扩展策略实现任务扩容；3）多任务Fargate服务+EFS存储。文章详细展示了每种配置的架构图、核心代码片段和部署验证过程，包括使用CloudShell解决网络问题的方法。所有实验均通过CDK工具部署，并提供了清理资源的命令。
2025-08-16 22:30:53
1124
原创 aws(学习笔记第五十课) ECS集中练习(2)
本文介绍了AWS ECS服务的两个重要配置练习：任务放置策略和网络配置。在任务放置策略部分，展示了如何通过三种策略控制任务分布：distinct_instances确保任务分布在不同实例上，packed_by将任务紧密打包到最少实例，spread_across实现跨可用区均匀分布。网络配置部分则演示了如何为ECS任务配置独立的弹性网络接口，通过VPC和子网选择实现容器网络隔离。两部分的练习都提供了完整的CDK代码实现，包括集群创建、自动扩展组配置、任务定义和服务部署等关键步骤，并附有架构图和CLI验证方法。
2025-07-30 23:03:08
818
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人