分类

文章

用规格驱动组合，让数据流水线少复制、多复用

来源: aws.amazon.com 21
很多数据流水线一开始只是几段脚本：读表、清洗、聚合、写出。问题通常不是第一条流水线，而是第十条、第五十条。团队开始复制转换逻辑，改几个字段名，换一个过滤条件，然后小变更在多个脚本里连锁扩散。规格驱动组合的核心思路是：把“做什么”写成可追踪的规格，把“怎么做”沉淀成可复用的组件，再由组合层把它们装配成具体工作流。 传统脚本式流水线的问题不只是代码重复。更...
# AWS # 云平台 # 架构设计
阅读全文

ingress-nginx 退役倒计时：把入口控制器迁移当成一次生产变更来做

来源: cncf.io 25
Kubernetes SIG Network 的 ingress-nginx controller 将在 2026 年 3 月退役。这个变化的重点不是“项目不再时髦”，而是它会直接改变生产集群的风险模型：继续停留在退役控制器上，意味着后续 CVE 可能没有补丁，新特性也会停止进入这条路线。对负责平台和业务稳定性的团队来说，现在该把入口层迁移放进路线图，...
# CNCF # Kubernetes # 云原生
阅读全文

PostgreSQL 的版本号不等于现场真相

来源: postgr.es 37
一套标称为 PostgreSQL 14 的数据库抛出了一个 PostgreSQL 14 理论上不会产生的错误。这个故事的价值不在于“版本号看错了”这么简单，而在于提醒我们：生产环境里的数据库身份，不能只靠一个版本字符串判断。 当错误信息、客户端库、代理层、托管服务补丁、容器镜像和扩展混在一起时，“PostgreSQL 14”可能只是地图上的标签，不一定...
# PostgreSQL # 数据库
阅读全文

Hikyuu 2.8.1：把盘中时点价格和时间采样指标放进量化流水线

来源: oschina.net 30
Hikyuu 2.8.1 是一次偏实战的更新：它没有只停留在框架层面的性能叙事，而是补上了策略开发里经常要写胶水代码的两类能力：获取当日指定时间点价格，以及在扩展指标里做时间采样聚合。对做日内信号、开盘后固定窗口统计、尾盘风控检查的团队来说，这些能力能减少不少重复实现。 Hikyuu 本身定位是基于 C++/Python 的高速开源量化交易框架。C++...
# Python # 全栈 # 后端
阅读全文

Microsoft Foundry 进入生产级智能体阶段：前沿模型、亚太数据区与产品智能体

来源: azure.microsoft.com 31
Microsoft Foundry 此次更新把三项能力同时推向正式可用：OpenAI 最新前沿模型系列、Asia Pacific Data Zone，以及产品智能体能力。它们分别回应了生产系统最难处理的三个问题：模型能力是否足够、数据边界是否清晰、智能体能否真正接入业务流程。 这次变化的重点并不只是“多了一个模型”。当模型选择、区域治理和智能体运行能力...
# AI # Azure # LLM
阅读全文

MCP 工具设计别只暴露接口：让 Agent 真能用起来

来源: aws.amazon.com 43
MCP 工具设计最容易出问题的地方，不是协议本身，而是把“给模型一个函数”误当成“模型能稳定完成任务”。工具名、参数形状、返回内容、错误信息、权限边界，都会直接影响 Agent 是否能做出正确决策。好的 MCP tool 设计，本质上是一次上下文工程：把模型需要的判断线索放在合适的位置，同时不要把业务系统的复杂度原封不动塞给它。 很多团队会把已有 RE...
# AI # AWS # Go
阅读全文

PostgreSQL 做 AI 数据底座：用 C.A.L.M. 检查治理是不是真的落地

来源: postgr.es 24
企业 AI 治理最容易出问题的地方，往往不是模型团队写错了提示词，也不是合规团队没有流程，而是数据层和模型层之间的假设没人验证。数据工程、AI、平台、合规四个团队都在认真做事，但客户数据可能已经被复制到三套环境里：字段定义略有不同，访问控制略有不同，刷新频率也不同。模型层说“只给授权用户看”，数据层反问：“哪一份数据？按哪套权限？什么时候刷新？” 这正...
# AI # Go # LLM
阅读全文

SageMaker HyperPod 推理补齐企业级落地的五块拼图

来源: aws.amazon.com 30
SageMaker HyperPod inference 这次补上的不是单点性能优化，而是一组更接近企业生产环境的能力：数据留痕、模型来源、冷启动速度、域名接入和权限隔离。对负责大模型推理平台的团队来说，这些能力决定了服务能不能被审计、能不能快速上线、能不能稳定接入现有内部系统。 新增的 multi-tier data capture 面向两个常见诉求...
# AI # AWS # 云平台
阅读全文

从 Claude Code 切到 GitHub Copilot CLI：给重度用户的迁移手册

来源: oschina.net 22
Claude Code 被大规模封禁之后，很多开发者突然发现自己的主力 AI 编程入口没了。临时用 Claude、DeepSeek 或自建 Skills 自动化能顶一阵，但一旦进入复杂重构、跨文件修复、编译错误闭环，体验很容易断档。GitHub Copilot CLI 的价值不在于“换一个聊天窗口”，而是把 AI 辅助重新放回终端、Git、构建命令和日...
# AI # 全栈 # 开源
阅读全文

后量子签名别等了：现在先把 ML-DSA 用起来

来源: blog.cloudflare.com 32
NIST 正在推进 9 个新的后量子签名算法，未来它们可能进入标准化流程。这是好消息，但工程决策不能只盯着“更好的算法还在路上”。签名算法通常嵌在证书、固件更新、软件包发布、审计日志和身份系统里，迁移周期长、依赖面宽。文章的核心判断很直接：候选算法值得跟踪，但现在可落地的选择应优先使用 ML-DSA。 后量子迁移不是把一个函数名从 改成 。签名算法会进...
# AI # Cloudflare # Go
阅读全文