ybyang

- [x] 部署文档优化，同步到开源门户 - [x] webgate文档 - [ ] atoms文档 - [ ] loadbalance文档 - [x] polaris文档 - [ ] asectl文档

### Tell us what feature you want? support stream processing

[Feature Request]: demo with openfaas

2

### Tell us what feature you want? we want to using openfaass framework can directly create a function which is build with aiges...

[Feature]: v3 k8s controller for creating a AI ability

2

### Tell us what feature you want? Define a yaml like this: ```yaml apiVersion: v1 kind: AIService metadata: name: yolov5-demo-service spec: containerSpec: ... modelSpec: ... ``` After defined that ,...

当研发一个新能力并对外发布一个新能力的时候，分别对应两阶段环境部署过程。 开发阶段: 往往需要setup一些框架以及框架周边工具，以及开发者自己定义的工具类, 等训练出模型； 推理阶段: 使用模型或者封装了模型的engine进行推理，模型根据不同的框架也存在不同的格式，但是业界也在逐步向onnx模型范式演进。这一阶段的环境依赖往往比较纯粹， 至少比开发阶段要少很多依赖。 问题以及痛点: 算法开发者当前同时也会推理服务开发，对大多数开发者，他们很难意识到2个环境的差异，因此往往在infer阶段共享使用了dev环境的依赖，造成infer阶段依赖特别冗余。再者由于python环境的不一致，pip freeze生成的一些依赖列表，往往无法自动化完成在新环境完成原环境的最小复现。 对此，我们再构建基础镜像时，也考虑了一些方案但是都并不完美，在发现 https://github.com/gaocegege 发起的 [envd](https://github.com/tensorchord/envd)后，我们似乎发现有了同一目标项目，因此，我们计划后续在envd项目中来完善并解决这个问题

1、用户通过在 wrapper.py中 编写推理逻辑，定义输入、输出数据、即可自动生成 schema文件，该文件可通过 ase_ctl 工具导入配置中心

参考: https://github.com/xfyun/proposals/blob/main/athenaloader/asectl_design.md 开发 ase_ctl 工具

aiges's base image ,aiges_gpu image CI build and push to ecr registriy

need to trace

Docker swarm ？

2

docker swarm这个东西还活着在么。。。。。感觉没必要支持吧。。