来源: cloud.google.com
37
2026 年公共部门面临的安全问题，已经不再是如何守住一条清晰的网络边界，而是如何保护身份、终端、SaaS 集成、虚拟化管理面和运维人员之间不断变化的信任关系。基于 Mandiant 在 2025 年超过 50 万小时的一线事件调查，最新报告给出了一个尤其严峻的数字：初始访问经纪人建立立足点后，向勒索软件操作者交接的中位时间只有 22 秒。 这意味着，...
来源: postgr.es
37
2026 年第 26、27 周的 PostgreSQL 社区动态集中在两条线上：本地用户组继续拓展线下交流网络，区域大会的程序委员会则进入议程定稿阶段。伊斯坦布尔迎来首次 PostgreSQL Meetup，爱沙尼亚与爱丁堡用户组举办聚会，PGConf Brazil 和 PGDay Lowlands 完成日程讨论，Swiss PGDay 2026 也新...
来源: infoq.com
40
能够登录账号、下载文件，并不等于真正拥有数据。围绕数据所有权的讨论正在把问题推进到更深一层：当平台停服、修改接口、限制导出或改变治理规则时，用户能否继续访问数据、迁移工具，并与其他人协作？Local-First 计算给出的方向，是让本地数据成为系统的基础，同时用开放格式、共享标准和可替换服务减少对单一平台的依赖。 传统云应用通常把身份、存储、计算、协作...
来源: infoq.com
28
对话式购物助手很容易做出一个演示：把商品列表塞进提示词，再让大模型生成推荐。但进入真实交易链路后，价格是否仍然有效、商品能否配送、用户是否过敏、购物车里已有何物，都不能靠模型猜测。 DoorDash 在介绍 Ask DoorDash 时，强调的正是这种工程边界：LLM 负责理解和表达，专用 AI Agent 负责拆解任务，MCP 工具连接实时后端，智能...
来源: infoq.com
31
一个购物助手能说出流畅的话，并不等于它能把商品选对、库存查准、购物车改对。DoorDash 介绍的 Ask DoorDash 把大模型放在系统的一部分，而不是让它独自承担整个购物流程：LLM 负责理解与表达，专用 AI Agent 负责拆解任务，MCP 工具连接业务能力，智能层则结合持久化消费者记忆和实时后端数据作出决策。 这种设计带来的价值最终落在业...
来源: realpython.com
26
普通的 LLM 调用通常是一条直线：输入提示词，等待模型返回结果，然后结束。但研究、审核、工具调用和多智能体协作往往不是线性流程。任务可能需要反复修改，也可能根据中间结果切换执行路径，还要在多次调用之间保存进度。LangGraph 的核心价值，就是把这类工作流表达成一张包含状态、节点、边和循环的图。 在 LangGraph 中，可以把一次智能体运行理解...
来源: blog.cloudflare.com
31
传统 Bot 管理经常围绕单次请求做判断：检查 IP、请求头、速率或某个挑战是否通过。Precursor 引入了另一种观察尺度，把客户端在完整用户旅程中的持续行为汇总为会话级检测信号，用来识别更高级的自动化，同时减少对正常用户的打扰。 单个 HTTP 请求提供的上下文很有限。一个自动化客户端可以模仿浏览器请求头、控制访问频率，甚至执行 JavaScri...
来源: infoq.com
44
2026 年 7 月 6 日这一周的 Java 动态横跨多个层次：TornadoVM 5.0 进入 GA，JHipster、Keycloak 与 Google ADK 发布小版本更新，GraalVM Native Build Tools 和 Micronaut 推出维护版本，OmniFish 带来自己的 Payara 构建，同时 Vidocq 作为 J...
来源: postgr.es
26
PostgresEDI 2026 年 7 月聚会安排了两个看似相距很远的话题：内向的工程师如何走上讲台，以及如何用 PostgreSQL 和 pgvector 构建面向监管场景的 AI 检索系统。两场分享其实都在回答同一个问题：如何让技术工作经得起公开检验。前者要求工程师清楚表达自己的判断，后者要求系统留下足以复现判断过程的证据。 Redgate 的 ...
来源: realpython.com
34
普通的 LLM 调用通常是一条直线：提交提示词，等待模型返回结果。LangGraph 处理的是更复杂的工作流，例如规划器生成方案、审查器提出修改意见、规划器继续修订，直到满足退出条件。它在 LangChain 生态之上引入图、共享状态、条件分支和循环，使 Agent 的执行路径更明确，也更容易测试。 一个 LangGraph 工作流通常包含四类元素： ...