软件工程师罗小东，多年架构和平台产品设计经验，目前在研究平台产品与新技术结合中。

愿景

• 【操作】之前的平台手工驾驶的汽车，要变成智能化自动驾驶汽车
• 【成长】之前的平台是死的，要把它变成能自我成长和演化的

概述

这里指的基础平台指软件基础平台，包括K8S容器化、DevOps技术平台、微服务平台、数据治理平台、人工智能等

前期基础平台建设的情况，在这个过程中差不多经历有几个年头，也从这个过程中不断的接触和引入新的技术体系，形成一套标准平台体系，标准平台化产品。

针对的场景依然是中小型项目和团队。

下面是前期平台项目演化的过程：

• 一版(ACS)：提取出非需求性模块，提供基础的权限服务，类似ruoyi
• 二版(ACP_1.0)：形成集成数据治理和数字中台型模块，从产品化提供服务，类似于CDH
• 三版(ACP_2.0)：形成SaaS形态，中台化，形成标准型输出，思路类似于金蝶云苍穹
• 四版(AIP)：形成智能自动驾驶形态，自我演化和成长，形成新智能体平台(方向)

以下为简称及项目开源(Apache-2.0协议)地址:

• ACS alinesno-cloud-service
• ACP alinesno-cloud-platform
• AIP alinesno-infrastructure-platform

同时在建设过程中，不断记录和完善，整理出一些建设经验参考，相关建设过程经验和参考材料电子书:

从零建设数字中台产品与运营实践

重构设计的方向

前期曾经结合大模型与实时计算服务进行结合，还有代码生成器结合，历史设计的原因始终无法达到最优效果。

为什么要重构？

主要原因是发现原来的设计思维已经在大模型时代存在代差，不是落后一点，而是感受到不是一个维度的架构和方案设计理念，俗称降维打击 :-)

所谓的重构设计，不仅仅是将前期的经验和产品设计融合在一起，而在针对的是未来3-5年行业市场的发展进行的规划，除了一些新框架版本的升级以外，更多是产品型的思路，还有与传统型平台产品的区别。

这个也是在前期落地过程中的一直想解决的痛点。

之前的平台手工驾驶的汽车，要变成智能化自动驾驶汽车

基础平台的管理运维一直是无法规避的痛点，类似于一辆汽车，在建造出来的同时，还需要匹配的能力的人员、团队、资金、项目等才能开启，承认每一步都有文档材料，每一步过程都有技术支持，但当开出的那一刻，油费就在燃烧。比如：

• 实施过程需要运维工程师规划，对服务器配置要求、网络情况进行梳理；
• 前期使用需要技术架构师的培训和指导，人员技术培训；
• 中间问题处理需要高级工程师的指导，各种小组问题和会议；
• …

这里会产生很多的沟通成本，时间成本，管理成本等，往往是一个项目的组的成本，这个过程的投入和产出比，是否达到预期还需要看团队人员的基本情况。再比如后期的管理：

• 团队的投入：架构师团队，包括技术、数据、运维，基本上都是技术经理级别；
• 项目的支撑：太小的项目不需要，中等的项目在犹豫，大项目不差钱，会有一种鸡肋感；
• 平台的维护：几百上千份的材料，后期问题的处理还有收集，产品技术的沉淀等；
• …

在经历过问题，会思考遇到的这些平台是否能做引导或者自我处理。

这里引入平台自动驾驶的概念，在减少人工干预或者不需要人工的处理下，结合前期的实施经验，主要体现在几个方面：

• 部署实施：平台在不同的项目条件下做的最合理化的自动实施和运维管理；
• 运维管理：优化在最低级别的场景方面，保护平台提高基础平台的稳定性和可控性；
• 知识库：结合大模型Agent知识库给不同的人员岗位角色提供材料和引导建议；
• AI团队：针对于不同的知识库虚拟出不同的大模型Agent岗位角色，形成多Agent团队；
• 问题处理：在运行出现问题的情况下给出问题的分析和合理化建议甚至修复；
• 自动化：每个节点结合自动化执行，并结合日志可视化监控预警；
• …

以下为Agent团队自定义模式:

通过不断的采集数据分析和数据管理上，对数据进行资产管理，再结合输入值，形成输出值。平台自动驾驶管理更加自动化和智能化，结合实践过程中的指导和管理的最佳实践。

之前的平台是死的，要把它变成能自我成长和演化的

假如在没有人工介入的基础下，平台基本上就是一套软件或者代码，升级依赖的是产品经理或者维护人的经验水平来进行。但是行业是在发展的，商机是在不断出现的，
行业市场竞争力也不断的变化，业务场景需求也是不断的在变化。知识库在使用过程中，也是在不断的知识库沉淀。

在这个过程中，是否可以结合大数据分析，使得平台变成自我演化。

这里并不能说做到完全的自我处理，同样需要人工的介入，但是整个自我演化流程需要走起来。这里对平台的演化，从几个角度来进行的处理，主要是：

• 自我感知能力：对运行的自我数据进行采集管理，除了本身的运行数据还包括互联网数据，第三方数据，数据沉淀到数据资产中；
• 自我学习沉淀：在数据采集过程中，对于有作用的数据进行数据资产的管理和沉淀，形成一套针对性的知识库；
• 自我决策执行：根据采集到的数据和设定的规则，自主做出决策并执行相应的操作，可以极大地提高平台的效率和响应速度；
• 服务自我添加：在运行过程中能够自动检测到新的服务需求，并动态添加相应的服务模块或功能，快速响应新的业务需求和变化；
• 文档自我输出：具备文档自我输出的能力，即能够自动生成和更新相关文档、报告等资料。

在这个过程中，我们依然无法做到多强大的能力，依然需要人工介入，但是介入的过程和节点是不一样的，由原来的主动变成被动形式去完成这个工作，形成一套自己的管理运作方式。

这里主要集成匹配的服务套件如下:

• 数据治理套件：数据治理体系，包括采集、清理、任务编排、数据资产沉淀等；
• 技术研发套件：技术规范、代码生成和服务沉淀，服务角色资产的管理；
• 大模型Agent套件：包括逻辑推理、agent角色设定和知识库的结合，AI团队的设定和管理优化等；
• 自动化编排套件：设置规则管理，结合自定义的数据资产接口进行自动化操作；
• 可视化监控套件：过程的可视化监控管理，预警管理还有全链路的监控管理；

这些套件本身就是属于平台管理体系，以轻量型为主，这里就不再过多阐述，只是过程中不断的融合和调试，将整个成长和演化流程进行理顺。更多的类似于数据治理+自动化结合的思路，针对的场景不同，结合的结果也同样不同。

业务和团队赋能模式

进行团队赋能，团队私有化模式，形成中小团队业务壁垒和新能力。团队赋能模式旨在提升团队的整体素质和执行效率，使团队能够更好地适应市场变化和业务需求。以确保团队能够在市场中的角色地位，自我优势等，形成高效协作、创新思维和持续学习。

在平台化过程中输出的能力，包括如下:

• 提供标准化接口和定制化方案；
• 提供团队基础研发能力、数据治理能力、大模型Agent能力等；
• 业务服务结合数字化创新解决方案；
• 提供技术支持和项目解决方案支持；
• 提供过程技术指导和落地方案；
• …..

进行业务赋能，团队智能体模型管理，结合业务形成最新的业务模式。业务赋能模式旨在提升企业的核心业务能力和竞争力，使团队能够在市场竞争中脱颖而出。

这可能包括优化业务流程、引入新技术、开拓新市场等方面的工作，以实现业务的持续增长和发展。

通过团队智能体模型管理，结合业务形成最新的业务模式，企业可以更好地适应市场需求，提高运营效率和创新能力。例如，一家零售企业可以利用数据分析和智能营销模型，个性化推荐产品，结合大模型聊天模型，提升销售额和客户忠诚度。

其它

基础能力的建设类似于基建，在新的高速，能源模式下达到快速通罗马的效果，在这个过程中，结合自身的业务特点，能力等形成自己的产品线。基础平台的建设也是类似，规避掉基础为零的东西。

新平台产品架构设计是一个高度自动化、智能化和自我演化的平台产品方向。这不仅能够提高运维效率，还能为团队和业务提供强大的支持，快速跟进新一代的技术，为团队和业务线赋能，这个是基础平台的价值意义点。