13. 行业应用落地

本章定位：从"模型能用"到"业务能用"的最后一段。本章同时覆盖智算侧（知识增强 RAG、LLM 服务化）与超算侧（AI 代理模型加速仿真、科学问题全链路交付）——体现"AI 人工智能 × 科学计算"在真实行业的落地闭环。

文章目录

Kubernetes + RAGFlow 极速部署指南 —— 单机 K8s + RAGFlow 智能检索系统部署的"黄金路径"，含镜像加速与持久化配置。
科学计算拥抱 AI：HPC 工作流引入代理模型 —— 用 AI 代理模型把"小时级仿真"变成"毫秒级预测"的完整架构：HPC 数据管道、模型选型、误差控制与回验闭环。
电池寿命预测：从科学问题到软件交付的全链路案例 —— "一题一软件"方法论演示：问题定义→数据→AI 模型→HPC 验证→离线诊断/在线预警两阶段交付。
企业知识库问答落地全栈：从 RAGFlow 部署到生产级检索质量 —— chunk 策略、混合检索、rerank、评测体系与生产化四件事，回答"为什么答不对"和"怎么持续可用"。
私有化 LLM 服务架构：从 GPU 选型到生产高可用 —— 显存估算与 GPU 选型、vLLM 三大机制、多副本/灰度/容灾四层架构、压测驱动的容量规划。
科学智能体落地：从工具链到自主科研工作流 —— 在稳定推理服务之上，把单轮问答升级为多步骤科研任务执行：工具封装、可靠性四防线、半自主边界与任务集评测。

📌 规划中：RAG 评测指标体系深化、Agent 工作流上线评估、行业场景 ROI 测算、AIOps 应用复盘。