<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>MLOps on 硅基 AGI · 智能体学习与测评</title><link>https://guijiagi.com/tags/mlops/</link><description>Recent content in MLOps on 硅基 AGI · 智能体学习与测评</description><generator>Hugo</generator><language>zh-cn</language><copyright>本站内容采用 CC BY-NC-SA 4.0 国际许可协议授权</copyright><lastBuildDate>Thu, 02 Jul 2026 11:24:00 +0800</lastBuildDate><atom:link href="https://guijiagi.com/tags/mlops/index.xml" rel="self" type="application/rss+xml"/><item><title>模型版本管理MLOps实践</title><link>https://guijiagi.com/posts/model-versioning-mlops/</link><pubDate>Thu, 02 Jul 2026 11:24:00 +0800</pubDate><guid>https://guijiagi.com/posts/model-versioning-mlops/</guid><description>LLM模型版本管理的完整流程，从实验追踪到灰度发布</description></item><item><title>AI Agent 部署架构 2026：从单机到云原生的演进</title><link>https://guijiagi.com/posts/agent-deployment-architecture-2026/</link><pubDate>Tue, 30 Jun 2026 16:50:00 +0800</pubDate><guid>https://guijiagi.com/posts/agent-deployment-architecture-2026/</guid><description>2026年AI Agent部署架构全景：单机部署、Kubernetes集群、Serverless、边缘计算等方案的对比与选型指南</description></item><item><title>Prompt模板管理：企业级Prompt工程实践</title><link>https://guijiagi.com/posts/prompt-template-management-enterprise/</link><pubDate>Tue, 30 Jun 2026 11:00:00 +0800</pubDate><guid>https://guijiagi.com/posts/prompt-template-management-enterprise/</guid><description>系统介绍企业级Prompt模板管理方案，涵盖模板设计、版本控制、权限管理、性能监控等核心实践</description></item><item><title>Prompt 版本管理平台搭建：Git for Prompts</title><link>https://guijiagi.com/posts/prompt-version-management-platform/</link><pubDate>Sun, 28 Jun 2026 10:35:00 +0800</pubDate><guid>https://guijiagi.com/posts/prompt-version-management-platform/</guid><description>从零搭建Prompt版本管理平台：版本控制、A/B测试、灰度发布与回滚机制</description></item><item><title>LLM 微调流水线设计：从数据到部署的 MLOps</title><link>https://guijiagi.com/posts/llm-finetune-pipeline/</link><pubDate>Thu, 25 Jun 2026 10:00:00 +0800</pubDate><guid>https://guijiagi.com/posts/llm-finetune-pipeline/</guid><description>完整的 LLM 微调 MLOps 流水线：数据准备、训练配置、评估、版本管理、A/B 测试与灰度发布</description></item><item><title>LLM 应用 CI/CD 流水线：从 Prompt 到生产的自动化</title><link>https://guijiagi.com/posts/llm-ci-cd-pipeline/</link><pubDate>Thu, 25 Jun 2026 10:00:00 +0800</pubDate><guid>https://guijiagi.com/posts/llm-ci-cd-pipeline/</guid><description>构建 LLM 应用的持续集成与持续部署流水线，涵盖 Prompt 版本控制、自动评估门禁、灰度发布与回滚机制</description></item></channel></rss>