最近在读 Jeff Dean 的新作 Pathways ，心中又一次出现了这样的困惑：从前沿工作上看，系统工作与算法模型工作早就已经到了相互结合、缺一不可的状态。但近几年在做开源项目的过程中，和开发者、用户交流下来，最大的体会是系统工程师和算法工程师几乎总是离的很远。同学们彼此眼中的对方，大概是“洗草药炼丹的” vs “大力出奇迹抡大锤的”……
做系统的同学们想要深入跟进 AI 技术趋势，把大锤抡到算法同学的心坎儿里，并不容易。几乎所有学习资料都透着一股浓重的科研味道，太多的公式与理论，太少的工程与系统。
作为系统出身的 AI 爱好者，我们在做 [Towhee] (https://github.com/towhee-io/towhee) 与 [Milvus] (https://github.com/milvus-io/milvus) 两个开源项目的过程中一直在等待一个为系统人量身打造的 AI 教程，但一直没有这样的作品出现。
近期，我们计划自己动手进行一次尝试，做一套咱们系统人自己的 AI 学习教程。项目定位是开源，纯系统角度，落地，好玩。目前计划中的有三个系列，分别侧重应用实战、推理系统优化、前沿系统技术：
1、从零开始搭建 AI 应用- 应用 CLIP 搭建文本-图片跨模态搜索服务
- 技术宅的浪漫：图片与视频二次元化！
- 大规模图搜系统
- 跨模态视频语义检索
- 音乐版权检测实战（策划中）
- 问答系统（策划中）
- 没有人比我更懂如何高效浏览 Github ：为 Github 构建开源项目检索与推荐系统（策划中）
- 技术宅的浪漫：你的女神总是缺一个口红色号！（策划中）
- 初识 TorchScript ，ONNX ，TensorRT
- 基于 Nvidia 的工具包加速你的推理服务
- Towhee 推理服务构建实战 （策划中）
- Pathways: Asynchronous Distributed Dataflow for ML
接下来即将和大家见面的系列文章是 《从零开始搭建 AI 应用：应用 CLIP 搭建文本-图片跨模态搜索服务》，预计本周发布。在这个系列中，将会学到：
- CLIP 跨模态搜索的基本工作原理
- 文本-图片跨模态搜索的原型搭建
- 进阶 1：部署向量数据库，进行大规模向量召回
- 进阶 2：部署推理服务，大幅提升推理性能
- 进阶 3：向量数据压缩
为了最大化提高教程的流畅度，我们目前已经在 [Towhee] (https://github.com/towhee-io/towhee) 项目中完成了一系列准备工作，包括 CLIP 的集成封装，python 侧的 pipeline 编程接口，贴近生产实战的 docker 镜像，干货满满，敬请期待！
更多项目更新及详细内容请关注我们的项目 https://github.com/towhee-io/towhee ，您的关注是我们用爱发电的强大动力 :)
Zilliz 以重新定义数据科学为愿景，致力于打造一家全球领先的开源技术创新公司，并通过开源和云原生解决方案为企业解锁非结构化数据的隐藏价值。
Zilliz 构建了 Milvus 向量数据库，以加快下一代数据平台的发展。Milvus 数据库是 LF AI & Data 基金会的毕业项目，能够管理大量非结构化数据集，在新药发现、推荐系统、聊天机器人等方面具有广泛的应用。
