分类

文章

用 Codex 加速 Code Review:Ramp 工程师的分钟级反馈实践

来源: openai.com 48
代码审查是大多数团队最慢的环节之一——PR 提上去,等同事有空看,再来回讨论,一个改动从提交到合入可能耗掉几小时甚至一天。Ramp 的工程团队最近分享了他们用 Codex(搭载 GPT-5.5)做 code review 的实践:原本需要数小时才能收到的实质性反馈,现在几分钟内就能拿到,并且能直接生成可合入的改进补丁。 这不是"让 AI 替你读 dif...

OpenAI 落地新加坡:多年度合作背后的本地化部署与开发实操

来源: openai.com 53
OpenAI 正式宣布"OpenAI for Singapore"计划——一项跨越数年的 AI 合作,目标覆盖部署扩展、本地人才培养,以及对企业和公共服务的技术支持。这不仅是品牌落地,更意味着亚太开发者在调用 OpenAI 服务时,会逐步看到更贴近本地的定价、合规路径和开发者资源。 部署层面:区域基础设施在加速。 OpenAI 近期在亚太持续扩容,新加...

Anthropic MCP 隧道:让 AI Agent 安全访问内网,数据不出墙

来源: infoq.com 32
企业想用自主 Agent,但不想把执行环境或内部系统暴露到公网——这是过去一年里最常被提起的矛盾。Anthropic 这次给出的答案是两条新能力:自托管沙箱和 MCP 隧道,都属于 Claude Managed Agents 平台的扩展。核心思路很简单:Agent 可以跑,但边界不能破。 自主 Agent 要干活,就得连数据库、读内部文档、调用私有 A...

Docker 发布 AI Agent Gordon:让容器排障从手动摸索变自动修复

来源: docker.com 33
现在的 AI 编程助手写代码、提 PR 都很溜,但一旦容器挂了、网络不通,开发者还是得一头扎进日志里手动排查。Docker 刚刚正式发布了集成在 Docker Desktop 里的 AI Agent——Gordon,专门来填这个坑:它能读懂你的容器环境,主动提出修复建议,甚至直接动手执行操作。 AI 提升了编码效率,但这股红利在应用部署和运行阶段突然断...

Azure Files SMB 现已支持纯 Entra 身份认证:云原生身份体系再补一块拼图

来源: azure.microsoft.com 39
过去要让 Azure Files SMB 共享支持身份认证,你得先把本地 Active Directory 同步到云端——要么用 Azure AD Connect 做混合身份,要么单独注册域控制器。对于完全云原生的团队来说,这套依赖就像为了开一扇门先盖一整栋楼。现在 Azure Files SMB 正式 GA 了 Entra-Only identiti...

BeetlSQL 3.40:用 JOOQ 补上类型安全多表查询这块短板

来源: oschina.net 29
BeetlSQL 从 2015 年一路迭代到现在,单表 CRUD、Markdown 式 SQL 模板、内置分页、多库切换——这些日常开发高频场景它都覆盖得不错。但有一个痛点一直没彻底解决:多表联合查询时的类型安全。写复杂 JOIN 的 SQL 模板,字段靠字符串拼,改一个列名编译器不会报错,跑到线上才炸。3.40 版本引入 JOOQ 集成,正是要堵这个...

用 Amazon Nova Sonic 构建可扩展语音 Agent:多 Agent、工具调用与会话分段实战

来源: aws.amazon.com 47
语音 Agent 和文本 Agent 最大的区别不是"多了一个语音通道",而是延迟容忍度完全不同。文本对话里 2 秒的等待用户觉得正常,语音对话里超过 500ms 的沉默就会让人怀疑对方是不是掉线了。Amazon Nova Sonic、Bedrock AgentCore 和 Strands BidiAgent 这套组合,本质上是在解决一个工程问题:怎么...

用 MCP 服务器把 Kiro CLI 的对话记忆接入 Amazon Bedrock AgentCore Memory

来源: aws.amazon.com 33
Kiro CLI 让你在终端里直接和 AI 代理对话,但默认的对话记忆有限——关掉终端,上下文就丢了。Amazon Bedrock AgentCore Memory 是一个全托管服务,能让 AI 代理跨会话保留信息,对话越用越"懂你"。问题在于:两者之间没有现成的桥梁。这篇文章讲的是如何写一个自定义 MCP(Model Context Protocol...

用 SageMaker Feature Store 新能力加速 ML 特征管线

来源: aws.amazon.com 43
Amazon SageMaker Python SDK v3.8.0 带来了三项面向 Feature Store 的更新,直击特征工程管线里最拖节奏的环节:数据治理审批慢、表格式切换成本高、离线/在线同步配置繁琐。下面逐项拆解,并给出可以直接跑的代码。 过去往 Feature Store 写特征组,数据权限基本靠手动在 S3 和 Glue 上配 IAM...