DevOps

API 文档对于任何现代应用程序都至关重要，对于 Go APIs Swagger（OpenAPI）已成为行业标准。 对于 Go 开发人员来说，swaggo 提供了一种优雅的解决方案，可以直接从代码注释生成全面的 API 文档。

本地部署大型语言模型 随着开发人员和组织寻求增强的隐私性、减少延迟和对AI基础设施的更大控制权，变得越来越流行。

现代 Go 开发要求严格的代码质量标准。Go 的 Linter 在代码进入生产环境之前，会自动检测 bug、安全漏洞和风格不一致的问题。

Python linters 是必不可少的工具，它们可以在不执行代码的情况下分析代码中的错误、风格问题和潜在的 bug。 它们强制执行编码标准，提高可读性，并帮助团队维护高质量的代码库。

随着人工智能和机器学习工作负载变得越来越复杂，对强大的编排系统的需求也变得更为迫切。Go语言的简洁性、性能和并发特性使其成为构建机器学习流水线的编排层的理想选择，即使模型本身是用Python编写的。

Python打包 已经有了显著的发展，现代工具和标准使得分发你的代码比以往任何时候都更容易。

人工智能的民主化已经到来。
借助像 Llama 3、Mixtral 和 Qwen 这样的开源大语言模型（LLM），团队现在可以使用消费级硬件构建强大的 AI 基础设施 - 在降低成本的同时，仍能完全控制数据隐私和部署。

Prometheus 已成为监控云原生应用程序和基础设施的实际标准，提供指标收集、查询和与可视化工具的集成。

构建高性能 REST API with Go 已成为 Google、Uber、Dropbox 和无数初创公司驱动系统的一种标准方法。

Grafana 是领先的开源监控和可观测性平台，通过令人惊叹的可视化将指标、日志和跟踪转化为可操作的见解。

Go内置的testing包 提供了一个强大且极简的框架，用于编写无需外部依赖的单元测试。 以下是Go测试的基础知识、项目结构和高级模式，用于构建可靠的Go应用程序。

Helm 已彻底改变 Kubernetes 应用程序部署，通过引入传统操作系统中熟悉的软件包管理概念。

Kubernetes StatefulSets 是管理需要稳定身份、持久存储和有序部署模式的有状态应用程序的最佳解决方案，对于数据库、分布式系统和缓存层至关重要。

在 Docker Model Runner 中配置上下文大小 比它应该的要复杂得多。

Docker Model Runner 是 Docker 官方用于本地运行 AI 模型的工具，但
在 Docker Model Runner 中启用 NVidia GPU 加速
需要特定的配置。

DORA (DevOps研究与评估)指标是衡量软件交付性能的黄金标准。