标签

AI

PostgreSQL 五个容易踩坑的锁行为:你以为不会阻塞的地方,偏偏就阻塞了

来源:postgr.es 15
PostgreSQL 用 MVCC 实现并发控制——读不阻塞写,写不阻塞读,这是很多人对 PG 的基本印象。但一旦真正上线运维,锁的冲突会在你完全没预料到的地方冒出来:一条本该秒级完成的 把整个服务拖死,两条只做 的事务居然死锁了,autovacuum 突然不可取消……本文梳理五个这样的反直觉锁行为,每个都附带复现路径和应对方案。 环境说明:以下行为在...

Amazon Bedrock AgentCore Payments:让 AI Agent 的每一笔微交易都可控、可付

来源:aws.amazon.com 22
当 AI Agent 开始自主调用外部 API——查天气、买数据、调用翻译服务——谁来付钱、怎么付、付多少,立刻变成工程问题。传统做法是每个服务商单独签约、配置 API Key 和账单,Agent 调一次就要人工对接一次,成本和摩擦随服务数量线性增长。Amazon Bedrock AgentCore Payments 正是为解决这个问题而生的支付基础设...

用 LangGraph + Bedrock AgentCore 在 AWS 上搭一套可扩展的无服务器多智能体系统

来源:aws.amazon.com 28
多智能体系统正从"实验性 demo"走向"生产级服务",但真正让人头疼的不是编排逻辑本身,而是两件事:状态怎么持久化,以及调用链怎么追踪。AWS 最近推出的 Amazon Bedrock AgentCore 正好瞄准了这两个痛点——它把 Memory 和 Observability 做成了托管服务,而 LangGraph 则提供了灵活的有状态图编排能力...

用 Strands Agents + NVIDIA NIM + Bedrock AgentCore 搭建高性能多 Agent 系统

来源:aws.amazon.com 15
单 Agent 能解决很多问题,但一旦任务涉及并行推理、上下文共享和执行可追溯,单线程的调用链就撑不住了。AWS 近期发布的集成方案把三个组件拼成了一条完整链路:Strands Agents 负责多 Agent 无服务器编排,NVIDIA NIM 提供 GPU 加速推理端点,Amazon Bedrock AgentCore 托管运行时、共享记忆和可观测...

Kubernetes 三个「不修」的 CVE 记录即将更正:你的扫描器可能突然报警

来源:kubernetes.io 27
Kubernetes 安全响应委员会(SRC)发现,几个已公开多年的 CVE 记录存在一个关键错误——它们标注了"已修复版本",但实际漏洞从未被修补。2026 年 6 月 1 日,这些记录将被更正为"所有版本受影响"。这意味着你的漏洞扫描器可能在原本"安全"的集群上突然报出新的告警。本文拆解三个未修复 CVE 的技术机理,并给出可立即执行的缓解配置。 ...

AgentWatch:让 AWS 监控从被动告警变成主动巡检

来源:aws.amazon.com 21
凌晨三点,CloudWatch 告警响了。你爬起来打开控制台,发现 CPU 利用率飙升——但到底是哪台实例、哪个服务、哪条日志链路出了问题?你需要跨账号翻指标、查日志、看告警历史,十五分钟后才拼出完整故事。 AgentWatch 把这个流程反过来:不是等告警触发再追查,而是每 15 分钟主动巡检,把 CloudWatch 指标、日志和告警跨账号汇总成一...

PGConf.dev 2026:温哥华一周,Postgres 走向何方

来源:postgr.es 31
从渥太华到温哥华,PGCon 换了城市也换了气质。今年新增的周二社区讨论日,让整周的信息密度翻了一倍。但真正值得记录的,不是海堤骑行或蒸汽钟,而是会场里那些直接影响 Postgres 未来走向的讨论和决策。 SQL/PGQ 是 PG 17 新提交的特性,让 Postgres 可以用标准 SQL 语法做图模式匹配。作者原本预期讨论会只有十几人,结果超过 ...

用 Strands 搭建智能研究助手:从想法到可运行的 AI 应用

来源:aws.amazon.com 32
把一个"让 AI 帮我查资料、整理摘要"的想法落地,听起来简单——调几个 API、拼几段 prompt 就行。但真正动手时你会发现:多轮对话的状态管理、工具调用的编排、错误重试、上下文窗口控制……每一项都能把一个周末项目拖成几个月的工程。Strands 的思路是:把这些重复的基建工作收进框架层,让开发者把精力放在"我的助手要做什么"而不是"怎么把 AP...

千人级 AI 平台的可观测性:如何看清谁在用、用得好不好

来源:aws.amazon.com 27
当企业 AI 平台从几十人试点扩展到上千人日常使用时,平台 owner 面对的核心问题变了——不再是"能不能跑起来",而是"谁在用、用得怎样、哪些能力最被需要"。这些数据散落在 CloudTrail 日志、CloudWatch 指标、S3 对话记录和 QuickSight 报表里,没有统一的视角,决策就只能靠猜。 这篇文章拆解一套面向 Amazon Q...