NET Core 这类调用频率很高的基础代码。它表示操作已经成功完成，可以安全读取 Result。
对于一个会被 Agent 自动调用、管理各类资源的 CLI 来说，这种 "一把钥匙开所有门" 的方式风险太高。
https://the-decoder.com/the-case-against-predicting-tokens-to-build-agi/ — Yann LeCun 认为大语言模型是通向 AGI 的"死胡同" Marcus, G.
6.5.6 本步骤的输入和输出 输入： PlannerInfo *root 输出： RelOptInfo *final_rel final_rel 中包含： 最终输出 PathTarget 最终结果行数估计 完整查询候选 Path 根节点 本步骤只是取得最终关系，不重新执行 Path 搜索。
大语言模型在预训练阶段阅读海量文本，并通过“预测下一个 token”
比较常见的几类场景包括： 出海业务需要在海外区域部署多套环境；跨境电商、SaaS、官网平台需要扩容 EC2、RDS、ALB、CloudFront 等资源；AI 推理、信息处理任务需要更多计算资源，尤其是 GPU 相关实例；多项目共用一个 AWS 账号，VPC、子网、EIP、NAT Gateway 等资源逐渐堆高；邮件、消息、API 请求类服务进入正式流量阶段，需要提高默认额度；CI/CD、自动化测试或批处理任务导致短时间内资源创建频率变高。