张小明
前端开发工程师
很多团队谈Clean Core的时候，容易把它简化成一句话：扩展都放到 BTP 上就对了。这句话在一些场景里确实有效，但如果把它当成唯一答案，就会错过ABAP Cloud带来的关键变化：Clean Core 是一套可治理的扩展方法论，而不是一条强制的部署路径。BTP很重要，但它不是 Clean Core 的唯一入口；在合适的边界内，On-Stack（在 SAP S/4HANA 系统内）同样可以做到 Clean Core 合规，尤其当你用的是ABAP Cloud的开发模型与公开稳定接口。(SAP News Center)
下面这篇文章，会把 Clean Core 的核心目标、ABAP Cloud的位置、以及最落地的选型问题讲透：你的扩展到底应该放在On-Stack，还是放在Side-by-Side。同时我会加入一些真实项目里常见的案例，让抽象的规则变成可执行的决策。
AI实体识别WebUI开发指南：自定义界面与功能扩展 1. 背景与技术选型 在信息爆炸的时代，非结构化文本数据（如新闻、社交媒体内容、文档）占据了数据总量的80%以上。如何从中高效提取关键信息，成为自然语言处理ÿ…
李华
AI智能实体侦测服务限流熔断：高可用防护机制部署实战 1. 背景与挑战：AI服务在高并发下的稳定性风险 随着自然语言处理技术的广泛应用，基于深度学习的命名实体识别（NER）服务正逐步集成到新闻分析、舆情监控、智能客服…
李华
中文NER服务高级功能：RaNER模型后处理技巧 1. 引言：AI 智能实体侦测服务的进阶需求 在信息爆炸的时代，非结构化文本中蕴藏着大量关键信息。命名实体识别（Named Entity Recognition, NER）作为自然语言处理中的基础任务…
李华
中文NER服务进阶：RaNER模型微调教程 1. 引言：AI 智能实体侦测服务的演进需求 在信息爆炸的时代，非结构化文本数据（如新闻、社交媒体、客服对话）呈指数级增长。如何从中高效提取关键信息，成为自然语言处理…
李华
AI智能实体侦测服务安全审计指南 1. 引言：AI 智能实体侦测服务的背景与价值 随着非结构化文本数据在新闻、社交媒体、企业文档中的爆炸式增长，如何从海量信息中快速提取关键实体（如人名、地名、机构名）成为信息处理的核心挑战。…
李华
RaNER模型部署：微服务架构下的NER系统 1. 引言：AI 智能实体侦测服务的工程化落地 在信息爆炸的时代，非结构化文本数据（如新闻、社交媒体、文档）占据了企业数据总量的80%以上。如何从中高效提取关键信息，成…
李华