来源: aws.amazon.com
51
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...
来源: aws.amazon.com
61
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...
来源: aws.amazon.com
67
模型能"说"要调用工具，但谁来真正执行代码、返回结果？Amazon Bedrock 近期推出的 Programmatic Tool Calling（PTC）把这个问题推到了开发者面前：你需要一个沙箱来安全地跑代码，再把输出喂回模型。选哪种沙箱方案，直接决定了你的控制粒度、运维成本和开发体验。 下面拆解三种实现方式——自建 ECS Docker 沙箱、B...
来源: aws.amazon.com
65
地质岩芯编录（core logging）是矿产勘探中最耗人力的环节之一——地质师需要逐段观察钻探取出的岩芯，记录岩性、结构、矿物含量，一条钻孔往往产生数百米样本，全靠肉眼和经验判断。ALS GeoAnalytics 的 LITHOLENS™ 把这件事交给机器学习：对岩芯高分辨率图像做自动识别与分类，大幅压缩编录时间，同时让结果更可复现。 但模型从实验室...
来源: aws.amazon.com
52
视频生成模型推理有一个老问题：VAE 解码器逐帧吐出画面，每帧都要从 GPU 搬到 CPU 做后处理（编码、封装），GPU 在等数据搬运完成的那段时间几乎是空转。Synthesia 与 AWS 合作在 EC2 G7e 实例上验证了一种叫 Asynchronous Frame Generation Pipeline 的方案，把 GPU 计算、设备到主机（...
来源: postgr.es
69
PgBouncer 1.25.2 刚发布了一个关键补丁，修复了 CVE-2026-6664——一个预认证阶段的崩溃漏洞。这意味着攻击者不需要任何凭据，只要能向 PgBouncer 监听端口发起一条精心构造的 TCP 连接，就能让整个连接池进程直接崩溃。如果你的生产环境用 PgBouncer 做 PostgreSQL 的连接池，这不是"有空再看看"的级别...
来源: oschina.net
46
消费医疗领域（口腔、眼科、医美等）的诊所管理软件，长期被封闭的商业 HIS 厂商垄断，定制成本高、数据出口难。蝉印诊所管家选择开源路线，把诊所日常运营的核心流程——咨询、收费、客户档案、权限管理——做成可自部署的 SaaS 系统。v1.0.8 的更新不大，但每一条都踩在实际使用痛点上。 这次更新最直观的变化在工作台。以前诊所前台或咨询师打开系统，要先进...
来源: infoq.com
52
旅行平台上，用户选酒店时同时依赖两类信号——图片和评论。图片告诉你泳池长什么样，评论告诉你泳池到底干净不干净。但这两类数据在传统架构里各自独立：图片走视觉检索，评论走文本搜索，结果对不上。Agoda 的做法是给两者套上一层共享的话题分类（topic taxonomy），让 7 亿多张图片和多语言评论在同一套语义空间里被检索和关联。 旅行场景的多模态检索...
来源: infoq.com
57
在线旅游平台上，酒店图片和用户评论是两条各自运转的内容管线——图片靠视觉标签分类，评论靠文本情感分析。用户搜索"带泳池的海景房"时，图片检索和评论检索各自返回结果，互不关联，体验割裂。Agoda 的做法是：建一套共享的话题分类体系（topic taxonomy），让图片和评论在同一语义空间里对齐，再通过离线富化 + 低延迟服务层，在 7 亿张图片和海量...
来源: realpython.com
63
在 Python 解释器里敲一行 ，屏幕会刷出 19 条英文短句——这就是著名的 Zen of Python（PEP 20）。它不是空泛的口号，而是过去二十多年里 Python 社区对"好代码"的共识提炼。理解这些原则，能帮你写出别人愿意读、愿意接手的代码。 1999 年，Tim Peters 在 Python 邮件列表里用半开玩笑的语气把社区长期讨论...