标签

AI

当 AI 替你写代码，ORM 惯性终于不再是借口

来源：postgr.es 33
数据库从业者抱怨了多年：应用开发者过度依赖 ORM，生成的 SQL 性能堪忧，但没人愿意改——"我习惯了这种方式，我知道它能跑出正确结果，只是不够快。"这句话挡住了所有优化建议。 现在情况变了。越来越多开发者让 Claude Code 等 AI 助手直接生成代码。如果代码不再由人手敲出，那开发者的个人习惯就不再是瓶颈。真正的问题是：你能不能教会 AI ...
# AI # Go # PostgreSQL
阅读全文

用 Amazon Q 统一六套系统搜索、自动化文档流程——Aderant 的云运维实践

来源：aws.amazon.com 17
法律行业软件公司 Aderant 运维团队每天要跨六套不同供应商系统查信息、写文档：工单在 ServiceNow，知识库在 Confluence，代码在 GitHub，资产台账在另一套 CMDB……搜索一个问题的完整上下文，往往要手动跳转多个平台，耗时数分钟甚至更久。文档编写更是重复劳动——同样的变更记录，要在不同系统里各写一遍。 他们用 Amazon...
# AI # AWS # 云平台
阅读全文

医疗巨头 CVS Health 加入 CNCF 白金会员：云原生在强监管行业的信号

来源：cncf.io 28
2026 年 5 月，CNCF 宣布 CVS Health 成为白金会员。这不是一家互联网公司追加预算，而是美国最大医疗健康企业之一把云原生写进了基础设施战略的核心位置。信号很明确：云原生不再只是"技术圈的事"，它正在进入对安全、合规、稳定性要求最苛刻的行业。 CNCF 的会员等级从 End User 到 Platinum，白金是最高档。拿到这个席位的...
# AI # CNCF # 云原生
阅读全文

把 Confluence 知识库接入 Amazon Q：语义搜索与自动化操作实战

来源：aws.amazon.com 28
企业内部最重的知识资产往往躺在 Confluence 里——项目文档、运维手册、决策记录，几百上千页，靠标题和标签翻找越来越像大海捞针。Amazon Q Business（下文简称 Q）提供了语义搜索和 Actions 机制，能把 Confluence 从"被动存档"变成"主动回答"。这篇文章走一遍完整接入流程：建知识库、配 Actions、用 Spa...
# AI # AWS # 云平台
阅读全文

在 Apple Silicon GPU 上跑 PyTorch 模型：ExecuTorch MLX Delegate 实战

来源：pytorch.org 35
过去在 Mac 上做推理，要么老老实实跑 CPU，要么绕道转成 CoreML 模型——中间的格式转换和精度损失让人头疼。Apple 的 MLX 框架已经证明 M 系列芯片的 GPU 能跑出相当不错的推理速度，但 PyTorch 生态一直缺少一条直通路径。ExecuTorch MLX Delegate 的出现，把这条路铺通了：PyTorch 模型导出后，...
# AI # PyTorch # 机器学习
阅读全文

用 Amazon Bedrock AgentCore 自建代码级评估器：从金融情报 Agent 的四个实战案例说起

来源：aws.amazon.com 33
金融市场的 AI Agent 一旦上线，回答质量直接关系到交易决策和合规风险。Amazon Bedrock AgentCore 最近开放了自定义代码评估器（custom code-based evaluator）能力，让你可以用 Lambda 函数对 Agent 输出做细粒度、可编程的质检——不再只能依赖内置的通用指标。 这篇文章围绕一个金融市场情报 ...
# AI # AWS # LLM
阅读全文

PostgreSQL 19 Beta：四个真正改变运维体验的特性

来源：postgr.es 24
每隔一个大版本，PostgreSQL 都会塞进一堆新功能，但大部分你日常根本碰不到。Christophe Pettus 在最近的文章里挑出了 PG19 beta 中四个"你会真切感受到"的改动——不是纸面上的性能数字，而是直接消除运维噩梦、减少深夜告警的实招。下面逐个拆解，并给出可以直接跑的检查和配置命令。 这是四个特性里影响最深远的一个。Postgr...
# AI # PostgreSQL # 数据库
阅读全文

用实时学习排序重建搜索补全：Swiggy 在 OpenSearch 上的工程实践

来源：infoq.com 23
搜索补全（autocomplete）是外卖平台最敏感的交互环节——用户每敲一个字，系统就得在几十毫秒内返回最相关的建议。传统做法靠人工规则排序，规则越堆越难维护，效果也容易停滞。Swiggy 最近分享了他们在 OpenSearch 上搭建的实时 ML 排序系统：把候选生成和排序解耦，引入特征仓库供给实时信号，用学习排序（LTR）模型替代启发式规则，同时...
# AI # InfoQ # 全栈
阅读全文

用 LLM Eval 做实验：漏斗而非一刀切

来源：engineering.atspotify.com 31
Spotify 工程团队最近分享了一个关于 LLM Eval 实验设计的核心观点：把 LLM 评估当成漏斗，而不是一刀切的闸门。 这句话看似简单，但背后指向的是很多团队在用 LLM 做自动评估时踩的坑——把 eval 当成 binary pass/fail 的裁判，结果要么放过了坏输出，要么误杀了好输出。 很多团队拿到 LLM eval 的第一反应是：...
# AI # LLM # Spotify
阅读全文