# 第十三章 工具生态与平台化

FDE 项目的交付速度，最终取决于团队能否把重复工作沉淀为平台能力。工具不是越多越好；工具生态的目标，是让开发者、数据工程师、运维、安全和业务团队在同一套事实、流程和边界上协作。开发者门户负责回答“系统在哪里、谁负责、如何接入”；交付平台负责把最佳实践固化为模板和流水线；工作流与数据编排负责让长周期任务可恢复、可观察；AI 工程工具链负责把模型、检索、评测和部署连接成闭环；平台治理负责在自助能力和风险控制之间建立秩序。

工具生态可以按能力边界组织：用 [Backstage Software Catalog](https://backstage.io/docs/features/software-catalog/) 汇聚服务元数据、所有权和插件能力；用 [Dagger](https://docs.dagger.io/) 把交付流程抽象为可复用的代码化函数和模块；用 [Temporal](https://docs.temporal.io/) 处理故障后可从中断处恢复的 durable execution；用 [Airflow](https://airflow.apache.org/docs/apache-airflow/stable/core-concepts/overview.html) 和 [Dagster](https://docs.dagster.io/) 分别覆盖任务 DAG 与数据资产视角；用 [LangGraph](https://docs.langchain.com/oss/python/langgraph/durable-execution)、[LlamaIndex](https://developers.llamaindex.ai/python/framework/)、[Ray](https://docs.ray.io/en/latest/ray-overview/index.html) 与 [MLflow](https://mlflow.org/docs/latest/ml/tracking/) 覆盖 agent 编排、上下文增强、分布式计算和模型生命周期管理。

```mermaid
flowchart LR
    A["开发者门户"] --> B["服务目录与文档"]
    B --> C["模板化交付"]
    C --> D["工作流与数据编排"]
    D --> E["AI 工程工具链"]
    E --> F["治理、审计与自助"]
    F --> A
```

本章讨论平台化的五个层次：开发者门户与服务目录、交付平台与模板化、工作流与数据编排、AI 工程工具链，以及平台治理与自助能力。核心观点是：平台不是替团队做决定，而是把正确决策变成低摩擦路径，把高风险动作变成可审计流程。

本章与前面几个工程章节的边界要清楚。第 6 章讨论 CI/CD 的流水线设计、质量门禁、发布策略和回滚实践；本章不重复展开具体流水线，而是讨论如何把这些实践封装成可复用的平台模板、模块和自助入口。第 7 章讨论数据工程、数据质量、血缘和数据产品；本章只讨论数据平台能力如何接入统一门户、目录、权限和编排。第 10 章讨论 LLMOps 的模型、评测、提示、检索、监控和成本闭环；本章关注这些能力如何被组织复制：谁维护模板，谁审批高风险动作，哪些证据进入目录、审计和治理流程。

因此，工具生态章的重点不是列工具清单，而是回答“如何把工具变成平台”：把服务目录、交付模板、工作流编排、数据资产、AI 工具链和策略治理整合成统一操作路径，让 FDE 经验可以跨客户、跨团队、跨项目复用。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://yeasy.gitbook.io/forward_deployed_engineering_guide/di-si-bu-fen-shi-zhan-pian-gui-mo-hua-yu-hang-ye-luo-di/13_tooling.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.