性能调优技巧
针对资源受限环境的解决方案：
- 组件精简：只加载必需工具（如demo.py中按需引入time/file/math工具）
- 异步优化：合理设置uv循环策略（建议linux用epoll，windows用proactor）
- caching strategy：对HttpLLM启用响应缓存（添加cache_ttl参数）
- hardware adaptation：禁用可视化调试（启动时设置debug=False）节省内存
边缘计算场景示例：在树莓派部署时，优先使用轻量级模型（如Phi-3），关闭拓扑可视化，将semaphore控制在2以内，仍可稳定运行智能家居控制场景。
This answer comes from the articleOxyGent: Python open source framework for rapidly building intelligent systemsThe
May not be reproduced without permission:AI productivity tools " How to optimize OxyGent operation efficiency under limited arithmetic conditions?
English 
简体中文 
日本語 
Deutsch 
Português do Brasil