腾讯云产品

边缘安全加速平台 EO 所提供的边缘推理服务是基于 EdgeOne 边缘云分布式节点 + Serverless 弹性架构构建的高性能 AI 推理解决方案，核心目标是解决传统云端推理 “高延迟、高带宽成本” 和本地部署 “难运维、无弹性” 的痛点，为需要实时响应、数据本地化处理的 AI 业务，提供 “就近调度、弹性伸缩、免运维管理、安全合规” 的推理算力支持。

Next.js 是一个基于 React 的全栈框架，用于构建高性能、可扩展的 Web 应用。它简化了开发流程，支持多种渲染模式，适合各种项目需求。

Makers 日志分析自动收集、存储、过滤和分析项目运行时产生的日志数据。日志按来源分类管理，可以以在控制台中按时间、状态、关键字等维度查询每个请求的详细数据。

使用 OpenAI 的 GPT 系列模型，帮助你快速构建应用。Makers Models 服务不为用户提供 OpenAI 厂商密钥和商业化计费能力，你必须在控制台页面绑定该厂商的 API Key 后才能调用 GPT 系列模型。

随着生成式 AI 与大模型技术的快速发展，互联网中以模型训练、信息搜索为目的的 AI 爬虫流量呈现指数级增长态势。这类 AI 爬虫在整体互联网流量中的占比持续提升，部分用户期望对这部分流量进行处置；同时在营销场景中，也存在借助其内容索引与传播能力，让品牌信息通过 AI 应用触达更多用户、扩大曝光范围的需求，需允许相关 AI 爬虫访问资源。AI 爬虫处置功能识别主流 AI 爬虫的流量特征，从而实现对 AI 爬虫访问行为。

Agent 运行在按需拉起、随时会被回收、且同一对话的多次请求可能落在不同实例上的环境里。如果只把数据放在进程内存，会遇到三个绕不开的问题：前端一刷新聊天记录就没了；换了个实例，模型接不上上一轮、表现为「失忆」；审批流、人工介入这类要「等一下再回来」的场景，实例回收后状态就丢了。

网络错误日志记录（Network Error Logging，NEL）是一种基于浏览器的报告系统，它允许客户端将其遇到的网络失败信息上报至外部端点。开启此功能后，EdgeOne 会在响应头中下发 NEL 策略，指示客户端收集并上报网络错误信息至指定的日志接收端点。通过分析这些日志，可以以获得从客户端用户到 EdgeOne 边缘节点之间“最后一公里”的网络。

Python 运行时函数是 EdgeOne Makers 提供的 Python 服务端运行能力，允许开发者使用 Python 编写后端逻辑，与前端页面部署在同一项目中，实现全栈应用开发。

Nuxt 是一个能让你用 Vue.js 轻松构建出快速、强大且对搜索引擎友好的网站的开发框架。

Edge Functions 运行在 EdgeOne 全球边缘节点上，提供 Serverless 代码执行环境。你只需编写业务函数代码并部署到 Makers 项目中，即可在靠近用户的边缘节点上弹性、安全地运行代码，无需配置和管理服务器等基础设施。