标签

AI

Cloudflare 给 AI 爬虫划线：混合爬虫该拆了

来源: oschina.net 39
Cloudflare 这次默认规则更新，把一个长期模糊的问题摆到台面上：同一个爬虫既做搜索索引，又拿页面去训练模型或驱动 AI 代理，还能不能被网站当成“正常搜索流量”放行？按新规，AI 厂商需要在 9 月 15 日前拆分搜索爬虫、模型训练爬虫和 AI 代理专用爬虫。未完成区分的混合爬虫访问带广告页面时，会被系统自动拦截。 这不是一个只影响大站的变更。...
# AI # Cloudflare # 云平台
阅读全文

Spring AI 与 Spring Framework 的近期方向：从播客话题落到可运行实践

来源: spring.io 29
这期 A Bootiful Podcast 把焦点放在 Sébastien Deleuze 对 Spring AI 和 Spring Framework 近况的讨论上。虽然播客本身是访谈形式，但它指向了一个很实际的变化：Spring 生态正在把 AI 应用开发拉回 Java 开发者熟悉的工程模型里，配置、Bean、自动装配、测试和部署仍然是主战场。 对...
# AI # Java # Spring
阅读全文

PostgreSQL 文件全被加密后，如何从表文件里抢回核心数据

来源: postgr.es 41
这次案例的难点不在“数据库坏了”，而在 PostgreSQL 的系统目录也不可用了：表、字段、类型、索引这些元信息都无法从生产库里读出来。现场能依赖的只剩测试环境 DDL，以及被勒索软件加密后的数据库文件。救援思路因此从传统的 、WAL 回放、物理备份恢复，切换到更底层的“按表文件识别结构，再把关键数据导出”。 PostgreSQL 的普通表数据通常落...
# AI # PostgreSQL # 数据库
阅读全文

用 AWS 搭一个无服务器 A2A 网关：一个域名管理多个 Agent

来源: aws.amazon.com 31
A2A 的一个现实问题是：当团队开始部署多个 Agent，客户端到底该连谁、怎么发现、谁有权限访问，很快会从“协议问题”变成“入口治理问题”。这篇内容的核心做法是，在 AWS 上构建一个无服务器 A2A gateway，用单个域名承载多个 Agent，并通过 这种路径路由到不同后端。标准 A2A 客户端不需要修改，这是它最有价值的地方。 如果每个 Ag...
# AI # AWS # LLM
阅读全文

用元数据给 AgentCore Memory 做结构化记忆过滤

来源: aws.amazon.com 41
Agent 的记忆系统一旦进入企业场景，问题就不只是“能不能记住”，而是“该记住谁的、在哪个上下文里用、哪些 Agent 可以读”。AgentCore Memory 中的 metadata 过滤，正是把记忆从一堆向量片段，变成可治理、可隔离、可审计的结构化资产。 在 AgentCore Memory 里，metadata 会贯穿三个阶段：配置、写入和检...
# AI # AWS # LLM
阅读全文

用 Bedrock、Neptune 和个性化 PageRank 搭建 HippoRAG

来源: aws.amazon.com 25
传统 RAG 常把知识切成文本块，再用向量相似度召回。HippoRAG 的关键变化是：把知识组织成图，让检索过程不只看“这段文字像不像问题”，还看实体之间如何连接、哪些节点在当前问题语境下更重要。基于 AWS 的实现路径很清晰：Amazon Bedrock 提供 LLM 能力，Amazon Titan Embeddings 生成向量表示，Amazon ...
# AI # AWS # Go
阅读全文

用 Amazon Bedrock 做秒级文档反欺诈：从人工复核到智能体推理

来源: aws.amazon.com 43
金融文档欺诈正在变得更快、更像真文档，也更难靠人工逐页检查。Inscribe 的做法是把专家欺诈分析师的工作方式拆成一个基于 Amazon Bedrock 的 agentic AI 系统：跨文档推理、寻找篡改和伪造痕迹、识别 AI 生成内容，并在 90 秒内给出可解释判断。相比传统人工复核，这类流程的关键价值不只是“快”，而是把速度、准确性和监管需要的...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock Model Profiler 把模型选择从“翻表格”变成可搜索

来源: aws.amazon.com 41
在 Amazon Bedrock 里选模型，麻烦点通常不在“有没有模型”，而在“信息散落在哪里”：模型能力、区域可用性、调用方式、外部资料、限制条件，往往要在多个 AWS API 和文档页面之间来回切。Amazon Bedrock Model Profiler 的价值就在这里：它把来自多个 AWS API 和外部来源的模型元数据聚合到一个可搜索界面里，...
# AI # AWS # 云平台
阅读全文

用 BoltzGen 和 Amazon SageMaker AI 加速蛋白设计实验

来源: aws.amazon.com 29
蛋白设计正在从“单次手工跑模型”走向“可复现、可扩展、可缓存”的工程化工作流。BoltzGen 部署到 Amazon SageMaker AI 后，可以把快速验证和生产批处理放在同一套基础设施里运行：研究早期用小规模任务验证输入、参数和模型行为，进入筛选阶段后再扩展到批量生成与评估。 这类工作流的关键不只是把模型跑起来，而是让每一步都能被追踪、复用和按...
# AI # AWS # 云平台
阅读全文