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。
在很多企业应用里，Fiori elements 列表页一打开就要打到后端拉一屏数据。数据量一大，用户既等得烦，系统也扛得累。更麻烦的是：不少列表其实天然需要一个“环境/系统/阶段”之类的前置筛选，比如只看 DEV、只看 QA、只看 PRD，或者像 Staging 这种代表软件组件来自哪个系统、…
李华
中文命名实体识别部署案例：AI智能实体侦测服务在电商 1. 引言：电商场景下的信息抽取需求 随着电商平台内容的爆炸式增长，商品描述、用户评论、客服对话等非结构化文本中蕴含着大量关键信息。如何从这些杂乱文本中快速提取出人名、地名、机构…
李华
RaNER模型实战：多源数据实体融合教程 1. 引言：AI 智能实体侦测服务的现实需求 在信息爆炸的时代，非结构化文本数据（如新闻、社交媒体、企业文档）呈指数级增长。如何从这些杂乱文本中快速提取出有价值的信息ÿ…
李华
中文命名实体识别：RaNER模型迁移学习技巧 1. 技术背景与问题提出 在自然语言处理（NLP）领域，命名实体识别（Named Entity Recognition, NER） 是信息抽取的核心任务之一。其目标是从非结构化文本中自动识别出…
李华
Qwen3-VL-WEBUI应用场景：医疗影像报告自动生成部署 1. 引言 随着人工智能在医疗领域的深入应用，自动化医疗影像报告生成正成为提升诊断效率、缓解医生工作负担的关键技术路径。传统模式下，放射科医生需逐帧分析CT、MRI等影像，并…
李华
中文NER服务部署：RaNER模型Docker镜像详解 1. 引言：AI 智能实体侦测服务的工程价值 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）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&#x…
李华