常见问题 · Dylan AI Agent Nexus
FAQ · Answers You May Need
部署与硬件
Q：为什么建议本地化部署 AI 主机/服务器？
Q：硬件如何选型？单机、双机还是集群？
A：依据业务体量与可用性需求：单机适合试点，双机适合高可用，小型/企业级集群适合多团队与集中算力。可从“高性能/开发型/旗舰版/企业级”四类主机中选择，详见 产品定位。
系统环境与软件栈
Q：NVIDIA 驱动、CUDA、cuDNN、TensorRT 分别有什么作用？
A：共同构成 GPU 加速栈：驱动负责硬件接入；CUDA 提供 GPU 计算能力；cuDNN 优化神经网络算子；TensorRT 用于高性能推理。部署前应注意版本匹配与回滚方案，详见 部署与配置。
Q：Python/Conda/PyTorch 应如何管理？
A：建议使用 Conda 管理多环境与依赖锁定（导出/还原），区分 GPU/CPU 构建，关注显存与混合精度策略，降低“依赖地狱”与运行不稳定。
Q：Node.js 与 Docker 在系统中承担什么角色？
A：Node.js 常用于接口胶水与任务编排；Docker 用于标准化发布与隔离运行环境，提升上线速度与可维护性。注意镜像体积、GPU 直通、数据卷与日志持久化。
安全与合规
Q：如何保证数据不外泄？
A：数据与模型可驻留本地/私有云，网络分区与最小权限策略，密钥加密存储与轮换，接口/操作全链路审计，满足严格的内控与合规要求。参见 系统架构。
Q：是否支持脱网或半脱网运行？
A：支持。平台核心能力可在内网运行；需要外部模型或服务时，可通过受控网关与缓存策略降低外联风险。
应用与能力
Q：平台包含哪些 Apps、Agents 与行业 Case？
运维与成本
Q：如何进行监控、告警与容量规划？
A：建议监控功耗/温度、显存/内存、磁盘吞吐、任务水位与时延等指标；设置阈值告警，定期评估容量并进行弹性扩展与模型/缓存调优。
Q：本地化投入与公有云按量相比的成本如何？
A：本地化倾向一次性投入、长期使用，避免按 Token/时长计费带来的不确定成本；整体 TCO 更可控，ROI 更稳定，尤其适合高频与敏感场景。
获取支持
如需评估/方案/定制开发，请前往 支持与工单。我们将根据您的业务场景与合规诉求，提供专项交付方案。