Blog
Blog
PHODAL

在上一篇文章《以 ROI 为中心的 AI 代码检视体系与分级》里,我们介绍了在不同的系统

昨天,和我的前同事(他们 Thoughtworks Global,我们前 Thoughtworks 中国区,现 Inspire)聊完 AI Code Review 之后,觉得有几个点非常不错

在新的 AutoDev MPP (Multiplatform Paradigm) 架构下,我们也基于 MPP Core 构建了 CLI 体系。而与免费送 Token 的 Gemini CLI 等相比,

依托于我们领先(于国内的)下一代开源的 AutoDev 架构,在最新发布的 AutoDev 多平台预览版(0.1.6)中,我们实现了 AutoDev Server 与

半年前,我在《AutoDev Next》那篇文章中介绍了 AutoDev 的下一代架构,其中一个核心方向就是:多端支持

过去两三年,我曾为多家公司的资深开发人员开展 Agent 开发培训;最近一个月,我也一直在为毕业生设计和培训 AI Agent。直到本周,

过去的一个多月里,一直在为毕业生进行软件工程与 AI 开发能力培训,直到最近才有空为 AutoDev 完善 A2A 能力的支持。顺带一提,毕业生

在过去的几年中,AI Agent 应用的开发方式经历了快速演变。生成式 AI 的高速发展,使得许多我们不久前构建的应用,很快就被视为“遗留系统”。

在AI应用快速发展的今天,框架选择和迁移策略直接影响着项目的成功。本文基于一个真实的企业级项目,深入分析从Microsoft Semantic Kernel迁移到Spring AI的完整实践过程,为同样面临技术选型的团队提供实战参考。

PS:本文的适用场景是:中大型老旧系统、大量的相同技术栈应用,即可以通过构建工具来获得规模化效应,进而在 ROI 的成本上获得更可观的收益。

Feeds

RSS / Atom

最近文章

关于作者

Phodal Huang

Engineer, Consultant, Writer, Designer

ThoughtWorks 技术专家

工程师 / 咨询师 / 作家 / 设计学徒

开源深度爱好者

出版有《前端架构:从入门到微前端》、《自己动手设计物联网》、《全栈应用开发:精益实践》

联系我: h@phodal.com

微信公众号: 最新技术分享

存档

分类

标签

作者