AI Agent和LLM(Large Language Model，大型语言模型)是人工智能领域的两个不同概念。
AI Agent是一种能够自主行动、感知环境、做出决策并执行任务的计算机程序或系统。它通常包括以下几个关键特性：
AI Agent的应用范围广泛，包括但不限于游戏、机器人、自动驾驶、虚拟助手、智能家居等。
本规范中的词语SHALL、SHALL NOT、SHOULD、SHOULD NOT、MAY、NEED NOT、CAN和CANNOT应根据 ISO 附录 H 进行解释。
本规范中的一些图表示例包含解释性注释，不应将其与成为正式 UML 图形符号的一部分。在这些情况下，解释性文本源自 UML 图边界之外，并且有一个箭头指向由注释解释的图表的特征。 该规格的色彩再现显示了这些注释为红色。
本节规定了 UML 中所有结构建模的基本建模概念。 许多元类这里定义的类是抽象的，为后续子句中定义的专门的、具体的类提供基础。 然而，为了提供如何在 UML 中应用这些基本概念的示例，有必要使用这些具体的建模构造，即使它们在后面的条款中指定。 提供了适当的前向参考：必要的。
当你上传一个文件到S3服务器会发生什么？ 让我们来看一下S3对象存储系统是如何工作的？
eBPF 是一项革命性技术，起源于 Linux 内核，可以在特权上下文（例如操作系统内核）中运行沙盒程序。它用于安全有效地扩展内核的功能，而无需更改内核源代码或加载内核模块。从历史上看，由于内核具有监督和控制整个系统的特权能力，操作系统一直是实现可观察性、安全性和网络功能的理想场所。同时，操作系统内核由于其核心地位，对稳定性和安全性要求较高，演化难度较大。因此，与操作系统外部实现的功能相比，操作系统级别的创新率传统上较低。
eBPF 从根本上改变了这个公式。它允许沙盒程序在操作系统内运行，这意味着应用程序开发人员可以运行 eBPF 程序以在运行时向操作系统添加附加功能。然后，操作系统可以保证安全性和执行效率，就像借助即时 (JIT) 编译器和验证引擎进行本机编译一样。这引发了一波基于 eBPF 的项目，涵盖广泛的用例，包括下一代网络、可观察性和安全功能。
如今，eBPF 被广泛用于驱动各种场景：在现代数据中心和云原生环境中提供高性能网络和负载平衡，以低开销提取细粒度的安全和可观察性数据，帮助应用程序开发人员跟踪应用程序，提供性能故障排查、预防应用程序和容器运行时安全实施等方面的问题。
认证是指以当前用户的身份登录过后，系统便能追踪到他的身份，并做出符合相应业务逻辑的操作。即使用户没有登录，大多数系统也会追踪他的身份，只是当做来宾或匿名用户来处理，认证技术解决的是**我是谁?**的问题。
授权是指什么样的身份被允许访问某些资源，在获取用户身份后继续检查用的权限。单一的系统授权往往是伴随认证来完成的，但是开放API的多系统结构之下，授权可以有不同的系统来完成。例如OAuth。授权是解决我能做什么？的问题。
凭证，实现认证和授权的基础是需要一种媒介（credentials）来标记访问者的身份或权利，在现实生活中每个人都需要一张身份证才能访问自己的银行账户、结婚和办理养老保险等，这就是认证的凭证。在互联网世界中，服务器为每一个访问者颁发 session ID存放到cookie，这就是一种凭证技术。数字凭证还表现在方方面面，SSH登录的秘钥、JWT令牌、一次性密码等。用户账户也不一定存放在数据库中的一张表，在一些企业的IT系统中，对账户管理的权限有了更多的要求。所以账户技术（accounting）可以帮助我们使用不同的方式管理用户账户，同时具有不同系统之间共享账户的能力。
云平台的出现，深刻地影响了开发模式。无论是技术选型、系统架构、研发组织架构还是基础设施，都要为上云做好准备。
对于上云的应用，微服务几乎是必然之选，因为云平台的基础功能之一就在于动态调配计算资源（CPU、内存等）。我们知道，在一个应用中的不同部分，所需要的计算资源是不一样的。比如“查看商品”功能的使用频度通常远高于“支付订单”。如果使用传统的方式，把所有功能都放在一个运行单元中（即单体应用），那么就只能将其整体扩容（复制多份，负载共担）才能实现，这将浪费大量的计算资源。而微服务技术可以把使用频度不同的功能拆分成不同的运行单元，每个运行单元称之为一个微服务。比如当“查看商品”功能的使用频度很高时，就可以只对它所在的运行单元进行扩容；当使用频度降低时，就可以释放不再需要的运行单元，把计算资源释放回资源池。但微服务也需要相应的技术储备。
