如何设计一套可持续演进的 AI 服务框架

EXL 在《Engineering the Harness》系列中探讨企业 AI 的生产化挑战：决定智能能否可靠、经济、规模化交付的关键，是围绕模型构建的服务框架，而非模型本身。文章指出应先按工作负载确定约束再定架构，并强调推理阶段 KV cache 随并发与上下文增长会挤占 GPU 显存，需先测量再优化。框架还应便于吸收新模型与新硬件，使换模型成为评估与配置决策而非架构重建。