[{"data":1,"prerenderedAt":77},["ShallowReactive",2],{"home-pinned-cases":3,"home-pinned-articles":43,"m-home-cases":73},[4,23,33],{"client_name":5,"content":6,"cover_image":7,"cover_style":8,"create_dept":9,"create_time":10,"create_user":9,"created_at":10,"id":11,"industry":12,"is_pinned":13,"published_at":14,"slug":15,"sort_order":16,"status":17,"summary":18,"tags":19,"tech_stack":20,"title":21,"updated_at":22,"view_count":16},"某汽车零部件制造集团","\u003Ch2>客户与背景\u003C\u002Fh2>\u003Cp>某汽车零部件制造集团的生产报工、质检记录仍以纸质单据为主，设备状态靠巡检抄表，OEE 无法量化，改善无从下手。\u003C\u002Fp>\u003Ch2>挑战\u003C\u002Fh2>\u003Cul>\u003Cli>纸质报工滞后且易错，产量统计靠班后人工录入\u003C\u002Fli>\u003Cli>设备停机原因不透明，OEE 只能估算\u003C\u002Fli>\u003Cli>质检数据与生产批次无法关联，追溯靠翻单据\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>解决方案\u003C\u002Fh2>\u003Cp>衍数平台搭建轻量 MES：\u003Cstrong>衍流\u003C\u002Fstrong>采集产线 PLC 与设备传感数据，\u003Cstrong>衍景\u003C\u002Fstrong>提供工位报工终端与车间实时看板，\u003Cstrong>衍枢\u003C\u002Fstrong>打通 ERP 工单接口。生产、设备、质检数据在同一平台闭环。\u003C\u002Fp>\u003Ch2>成效\u003C\u002Fh2>\u003Ctable class=\"kpi\">\u003Ctr>\u003Ctd>12%\u003C\u002Ftd>\u003Ctd>实时\u003C\u002Ftd>\u003Ctd>8.5%\u003C\u002Ftd>\u003Ctd>0\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>良品率提升\u003C\u002Ftd>\u003Ctd>产线数据看板\u003C\u002Ftd>\u003Ctd>OEE 提升\u003C\u002Ftd>\u003Ctd>纸质单据\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftable>\u003Cblockquote>\u003Cp>以前月底才知道这个月干得好不好，现在每个班组下班前就知道自己的 OEE。数字摆在那里，改善就有了方向。\u003C\u002Fp>\u003Ccite>—— 该集团制造总监\u003C\u002Fcite>\u003C\u002Fblockquote>","\u002Fimages\u002Fbrand\u002Fcover-factory.webp","default","","2026-07-16T10:19:31+08:00","293f3482-3f3d-47dc-98a6-406ae9429e3a","制造",1,"2026-07-16T10:00:00+08:00","smart-factory-mes",0,"published","生产过程全流程数字化管控，实时数据看板，设备 OEE 分析，良品率提升 12%。","[\"制造\", \"IoT\", \"数据看板\"]","[]","智能工厂 MES 系统","2026-07-17T09:33:56+08:00",{"client_name":24,"content":25,"cover_image":26,"cover_style":8,"create_dept":9,"create_time":10,"create_user":9,"created_at":10,"id":27,"industry":28,"is_pinned":13,"published_at":14,"slug":29,"sort_order":16,"status":17,"summary":30,"tags":31,"tech_stack":20,"title":32,"updated_at":22,"view_count":16},"太秋甜柿农业科技","\u003Ch2>客户与背景\u003C\u002Fh2>\u003Cp>太秋甜柿是高端水果品牌，种植分散、标准难落地，品牌方需要从种植管理到电商销售的全链路数字化，且要让\"数字员工\"承担日常运营判断。\u003C\u002Fp>\u003Ch2>挑战\u003C\u002Fh2>\u003Cul>\u003Cli>种植过程数据缺失，品质全凭老师傅经验\u003C\u002Fli>\u003Cli>溯源、电商、会员分属不同小程序，数据割裂\u003C\u002Fli>\u003Cli>运营团队小，日常决策依赖创始人个人\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>解决方案\u003C\u002Fh2>\u003Cp>作为衍数平台的首个应用实例，搭建数字员工平台：\u003Cstrong>衍流\u003C\u002Fstrong>接入田间传感器与农事记录，\u003Cstrong>AI Agent\u003C\u002Fstrong> 基于种植知识库给出灌溉、施肥与采收建议并沉淀决策记录，\u003Cstrong>衍景\u003C\u002Fstrong>统一渲染种植管理、溯源、电商、会员四大模块。\u003C\u002Fp>\u003Ch2>成效\u003C\u002Fh2>\u003Ctable class=\"kpi\">\u003Ctr>\u003Ctd>4 合 1\u003C\u002Ftd>\u003Ctd>AI 闭环\u003C\u002Ftd>\u003Ctd>全程\u003C\u002Ftd>\u003Ctd>#0001\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>业务模块统一平台\u003C\u002Ftd>\u003Ctd>农事决策辅助\u003C\u002Ftd>\u003Ctd>一物一码溯源\u003C\u002Ftd>\u003Ctd>衍数平台首个应用\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftable>\u003Cblockquote>\u003Cp>AI 数字员工把老师傅的经验变成了系统里的判断逻辑。新人照着系统干，第一年就能种出接近老师傅水准的果子。\u003C\u002Fp>\u003Ccite>—— 太秋甜柿创始人\u003C\u002Fcite>\u003C\u002Fblockquote>","\u002Fimages\u002Fbrand\u002Fcover-persimmon.webp","5af7f44b-0a97-466d-bfe9-b5db1a4a803a","农业","taoqiu-persimmon","AI Agent 决策闭环 + 知识留存飞轮，为农产品品牌提供全链路数字化管理。种植管理、溯源、电商、会员体系一体化。","[\"AI\", \"小程序\", \"区块链\", \"农业\"]","太秋甜柿数字员工平台",{"client_name":34,"content":35,"cover_image":36,"cover_style":8,"create_dept":9,"create_time":10,"create_user":9,"created_at":10,"id":37,"industry":38,"is_pinned":13,"published_at":14,"slug":39,"sort_order":16,"status":17,"summary":40,"tags":41,"tech_stack":20,"title":42,"updated_at":22,"view_count":16},"某市级农业农村局","\u003Ch2>客户与背景\u003C\u002Fh2>\u003Cp>某市级农业农村局需要对辖区农产品建立从田间到餐桌的全程追溯监管体系，覆盖多类主体：种植户、加工厂、批发市场、商超。\u003C\u002Fp>\u003Ch2>挑战\u003C\u002Fh2>\u003Cul>\u003Cli>监管对象多且信息化水平差异大，数据采集难\u003C\u002Fli>\u003Cli>纸质台账易造假，抽检追溯链条常常断在中间环节\u003C\u002Fli>\u003Cli>多部门数据标准不一，监管报表人工汇总\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>解决方案\u003C\u002Fh2>\u003Cp>基于衍数平台构建监管系统：\u003Cstrong>衍流\u003C\u002Fstrong>对接 IoT 秤具与检测设备自动采集，关键环节数据上链存证防篡改，\u003Cstrong>衍景\u003C\u002Fstrong>为不同主体提供轻量填报端，监管端一屏总览。国产化环境（达梦数据库）部署，满足政务合规要求。\u003C\u002Fp>\u003Ch2>成效\u003C\u002Fh2>\u003Ctable class=\"kpi\">\u003Ctr>\u003Ctd>全链路\u003C\u002Ftd>\u003Ctd>上链\u003C\u002Ftd>\u003Ctd>国产化\u003C\u002Ftd>\u003Ctd>一屏\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>田间到餐桌可查\u003C\u002Ftd>\u003Ctd>关键数据防篡改\u003C\u002Ftd>\u003Ctd>达梦环境部署\u003C\u002Ftd>\u003Ctd>监管总览看板\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftable>\u003Cblockquote>\u003Cp>扫一个码，从哪块地、谁施的肥、哪天检的测，一条链看到底。抽检发现问题，十分钟定位到环节和责任主体。\u003C\u002Fp>\u003Ccite>—— 该局质量监管科负责人\u003C\u002Fcite>\u003C\u002Fblockquote>","\u002Fimages\u002Fbrand\u002Fcover-trace.webp","82d9be46-fc75-44c3-809d-5af16b970c58","政务","agri-traceability","基于区块链 + IoT 的产品全生命周期追溯系统，从田间到餐桌全程可查。服务多个地方政府监管需求。","[\"政务\", \"区块链\", \"IoT\"]","农产品溯源监管平台",[44,55,65],{"category":45,"content":46,"cover_image":47,"create_dept":9,"create_time":48,"create_user":9,"created_at":48,"id":49,"is_pinned":13,"published_at":50,"slug":51,"sort_order":16,"status":17,"summary":52,"tags":53,"title":54,"updated_at":22,"view_count":16},"tech","\u003Ch2>引言\u003C\u002Fh2>\u003Cp>2026 年，低代码平台已经进入 AI 原生时代。传统的拖拽式表单已经不再是卖点——AI 驱动的模型生成、智能表单填充、自然语言查询正在成为标配。但市场上数十款低代码平台，如何选择适合自己企业的那一款？\u003C\u002Fp>\u003Ch2>评估维度一：AI 能力深度\u003C\u002Fh2>\u003Cp>不是所有所谓AI低代码都是真正的AI原生。关键区分点：\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Level 1 - AI 辅助开发\u003C\u002Fstrong>：AI 帮你写代码片段、生成 SQL。本质还是写代码。\u003C\u002Fli>\u003Cli>\u003Cstrong>Level 2 - AI 驱动配置\u003C\u002Fstrong>：描述业务需求，AI 自动生成数据模型和页面配置。非研发人员可以参与。\u003C\u002Fli>\u003Cli>\u003Cstrong>Level 3 - AI Agent 自治\u003C\u002Fstrong>：AI 不仅能生成，还能根据运行时数据自动优化模型、推荐改进方案。这是我们衍数平台的目标。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>评估维度二：数据安全与私有化\u003C\u002Fh2>\u003Cp>如果你的业务数据不能离开企业内网，SaaS 模式直接排除。需要确认：\u003C\u002Fp>\u003Cul>\u003Cli>是否支持完全私有化部署（不只是混合云）\u003C\u002Fli>\u003Cli>LLM 推理是否可以本地化（Ollama \u002F vLLM），还是强依赖云端 API\u003C\u002Fli>\u003Cli>数据库是否可以使用企业已有的 PostgreSQL \u002F MySQL 实例\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>评估维度三：扩展性\u003C\u002Fh2>\u003Cp>低代码平台最大的风险是能快速上手但遇到复杂需求就被卡住。确保平台提供代码级别的逃生舱：自定义后端逻辑（Go\u002FJava Hook）、自定义前端组件（Vue\u002FReact 组件嵌入）、自定义 API 集成。\u003C\u002Fp>\u003Ch2>总结\u003C\u002Fh2>\u003Cp>选择低代码平台不是选功能最多的，而是选最匹配你的团队能力和业务阶段的。如果你有研发团队，优先考虑可扩展、可私有化的方案；如果团队以业务人员为主，SaaS 模式的一站式方案更合适。\u003C\u002Fp>","\u002Fimages\u002Fbrand\u002Fcover-tech.webp","2026-07-16T10:32:31+08:00","1217a079-6c7b-42d1-b3cb-065e348a0bde",null,"ai-lowcode-platform-guide","如何选择适合企业的低代码平台？从 AI 能力、数据安全、扩展性和部署方案四个维度全面对比。","[\"AI\", \"低代码\", \"平台选型\"]","AI 低代码平台选型指南：从 LLM 集成到私有化部署",{"category":56,"content":57,"cover_image":58,"create_dept":9,"create_time":59,"create_user":9,"created_at":59,"id":60,"is_pinned":13,"published_at":14,"slug":61,"sort_order":16,"status":17,"summary":62,"tags":63,"title":64,"updated_at":22,"view_count":16},"industry","\u003Ch2>引言\u003C\u002Fh2>\u003Cp>数字化转型不是一次性项目，而是一个持续演进的过程。根据我们服务 50+ 企业的经验，成功的数字化转型通常经历三个阶段。每个阶段有不同的核心任务和典型陷阱。\u003C\u002Fp>\u003Ch2>阶段一：信息化——把数据从纸质搬到数字世界\u003C\u002Fh2>\u003Cp>这是最基础但最关键的一步。很多企业以为上了 OA、买了财务软件就是完成了信息化，但实际上各系统数据不互通，仍是信息孤岛。\u003C\u002Fp>\u003Cp>\u003Cstrong>核心任务：\u003C\u002Fstrong>建立统一的数据标准和主数据管理体系。至少确保客户、产品、员工三个核心实体在各系统中口径一致。\u003C\u002Fp>\u003Ch2>阶段二：数字化——让数据流动起来\u003C\u002Fh2>\u003Cp>信息化的数据是死的——在各个系统里躺着。数字化的核心是让数据在不同系统、不同部门之间流动，驱动业务流程自动化。\u003C\u002Fp>\u003Cp>\u003Cstrong>核心任务：\u003C\u002Fstrong>构建企业级数据中台或集成平台，打通 ERP、CRM、MES、WMS 等核心系统。重点是 API 治理和数据血缘。\u003C\u002Fp>\u003Ch2>阶段三：智能化——让 AI 参与决策\u003C\u002Fh2>\u003Cp>有了高质量的数据和流畅的数据管道，AI 才能真正发挥价值。这不是买一个 AI 产品能解决的——需要企业的数据基础设施已经就绪。\u003C\u002Fp>\u003Cp>\u003Cstrong>核心任务：\u003C\u002Fstrong>识别高价值的 AI 应用场景，建立数据到模型的持续迭代闭环。\u003C\u002Fp>\u003Ch2>总结\u003C\u002Fh2>\u003Cp>三个阶段不能跳跃。没有高质量数据基础的 AI 项目，90% 都会失败。建议企业先完成信息化和数字化的基础工作，再考虑 AI 应用。\u003C\u002Fp>","\u002Fimages\u002Fbrand\u002Fcover-industry.webp","2026-07-16T10:19:32+08:00","929d4109-40a3-4be2-a788-ce0090b30ef3","digital-transformation-stages","从信息化到数字化再到智能化，企业数字化转型的正确路径和每个阶段的核心挑战。","[\"数字化转型\", \"企业管理\"]","企业数字化转型的三个关键阶段",{"category":45,"content":66,"cover_image":47,"create_dept":9,"create_time":67,"create_user":9,"created_at":67,"id":68,"is_pinned":13,"published_at":14,"slug":69,"sort_order":16,"status":17,"summary":70,"tags":71,"title":72,"updated_at":22,"view_count":16},"\u003Ch2>引言\u003C\u002Fh2>\u003Cp>Go 语言以高性能著称，但在微服务场景下，不合理的配置和用法仍然会导致严重的性能问题。本文总结了我们在交付 20+ 微服务项目过程中反复遇到的 5 个性能瓶颈，以及经过生产验证的优化方案。\u003C\u002Fp>\u003Ch2>1. 数据库连接池配置\u003C\u002Fh2>\u003Cp>大多数 Go 项目使用 \u003Ccode>database\u002Fsql\u003C\u002Fcode> 的连接池，默认配置非常保守：\u003Ccode>MaxOpenConns: 0\u003C\u002Fcode>（无限制）和 \u003Ccode>MaxIdleConns: 2\u003C\u002Fcode>。在高并发场景下，无限制的连接数会导致数据库压力过大，而空闲连接太少又会导致频繁建立新连接。\u003C\u002Fp>\u003Cp>\u003Cstrong>优化方案：\u003C\u002Fstrong>根据压测结果合理设置。我们的经验公式是：\u003Ccode>MaxOpenConns = CPU 核心数 * 2\u003C\u002Fcode>，\u003Ccode>MaxIdleConns = MaxOpenConns \u002F 2\u003C\u002Fcode>。同时设置 \u003Ccode>ConnMaxLifetime\u003C\u002Fcode> 为 5 分钟，避免长连接被数据库侧断开。\u003C\u002Fp>\u003Ch2>2. GC 调优\u003C\u002Fh2>\u003Cp>Go 的 GC 在 1.19+ 版本已经非常优秀，但在内存分配密集的微服务中，频繁的 GC 仍可能导致 P99 延迟飙升。\u003C\u002Fp>\u003Cp>\u003Cstrong>优化方案：\u003C\u002Fstrong>使用 \u003Ccode>sync.Pool\u003C\u002Fcode> 复用高频分配的对象；通过 \u003Ccode>GOGC=200\u003C\u002Fcode> 调高 GC 触发阈值（默认 100），在内存充裕的场景下可以减少 GC 频率 40%。\u003C\u002Fp>\u003Ch2>3. HTTP Client 复用\u003C\u002Fh2>\u003Cp>每个微服务都需要调用其他服务。最常见的错误是为每个请求创建新的 \u003Ccode>http.Client\u003C\u002Fcode>，导致连接无法复用。\u003C\u002Fp>\u003Cp>\u003Cstrong>优化方案：\u003C\u002Fstrong>全局复用一个 \u003Ccode>http.Client\u003C\u002Fcode> 实例，设置合理的超时（Dial Timeout 3s, Response Header Timeout 10s）。在 Kubernetes 环境中，将 \u003Ccode>MaxIdleConnsPerHost\u003C\u002Fcode> 设置为目标服务的 Pod 数量。\u003C\u002Fp>\u003Ch2>4. JSON 序列化优化\u003C\u002Fh2>\u003Cp>标准库 \u003Ccode>encoding\u002Fjson\u003C\u002Fcode> 使用反射，性能一般。对于高频调用的 API 网关或消息处理服务，JSON 序列化可能成为瓶颈。\u003C\u002Fp>\u003Cp>\u003Cstrong>优化方案：\u003C\u002Fstrong>使用 \u003Ccode>github.com\u002Fbytedance\u002Fsonic\u003C\u002Fcode> 替代标准库，实测序列化性能提升 3-5 倍。但注意 sonic 需要 amd64 + Linux 环境才能充分发挥性能。\u003C\u002Fp>\u003Ch2>5. Goroutine 泄漏排查\u003C\u002Fh2>\u003Cp>Goroutine 泄漏是最隐蔽的性能问题——程序不会崩溃，但内存和 CPU 会缓慢增长。我们在一个运行 3 个月的服务中发现 50 万+ 泄漏的 goroutine。\u003C\u002Fp>\u003Cp>\u003Cstrong>排查工具：\u003C\u002Fstrong>使用 \u003Ccode>pprof.Lookup(\"goroutine\").WriteTo()\u003C\u002Fcode> 定期输出 goroutine 栈，对比分析增长趋势。常见泄漏场景：channel 发送端未关闭且无接收者、HTTP 请求未设置超时、\u003Ccode>context.Context\u003C\u002Fcode> 未正确传递取消信号。\u003C\u002Fp>\u003Ch2>总结\u003C\u002Fh2>\u003Cp>性能优化不是一蹴而就的——关键是在上线前建立性能基线，通过持续压测和监控发现问题、验证改进效果。\u003C\u002Fp>","2026-07-16T10:18:58+08:00","44689c0a-6094-45e6-8adf-152a7d343c97","go-microservice-perf","从连接池配置到 GC 调优，5 个经过生产验证的 Go 微服务性能优化技巧，附真实案例数据。","[\"Go\", \"微服务\", \"性能优化\"]","Go 微服务性能优化的 5 个实战技巧",[74,75,76],{"client_name":5,"content":6,"cover_image":7,"cover_style":8,"create_dept":9,"create_time":10,"create_user":9,"created_at":10,"id":11,"industry":12,"is_pinned":13,"published_at":14,"slug":15,"sort_order":16,"status":17,"summary":18,"tags":19,"tech_stack":20,"title":21,"updated_at":22,"view_count":16},{"client_name":24,"content":25,"cover_image":26,"cover_style":8,"create_dept":9,"create_time":10,"create_user":9,"created_at":10,"id":27,"industry":28,"is_pinned":13,"published_at":14,"slug":29,"sort_order":16,"status":17,"summary":30,"tags":31,"tech_stack":20,"title":32,"updated_at":22,"view_count":16},{"client_name":34,"content":35,"cover_image":36,"cover_style":8,"create_dept":9,"create_time":10,"create_user":9,"created_at":10,"id":37,"industry":38,"is_pinned":13,"published_at":14,"slug":39,"sort_order":16,"status":17,"summary":40,"tags":41,"tech_stack":20,"title":42,"updated_at":22,"view_count":16},1785746739056]