标签

AI

ZGI 上线 Gitee：把 Agent 从演示原型带进可执行、可追踪的运行时

来源: oschina.net 24
创建一个能调用模型、工具和知识库的 Agent，通常只是工程的起点。进入真实环境后，团队还要回答一组更棘手的问题：任务由谁执行，失败后如何处理，运行过程怎样追踪，多个 Agent 又该如何统一管理。Agent Runtime 项目 ZGI 正式同步上线 Gitee，并开放源代码与部署文档，关注的正是 Agent 从 Demo 走向长期运行的这段距离。 ...
# AI # LLM # 全栈
阅读全文

PixelSmash：一个恶意视频如何借 FFmpeg MagicYUV 解码器攻击电脑

来源: infoq.com 20
JFrog Security Research 披露了 FFmpeg 媒体框架中的 PixelSmash 漏洞。问题位于 MagicYUV 解码器，可能导致远程代码执行（RCE）或拒绝服务（DoS），并且据披露已存在约十六年。攻击者不需要复杂的网络交互：只要让目标应用处理一个特制媒体文件，就可能触发漏洞。 真正需要关注的不只是 FFmpeg 命令行工具...
# AI # InfoQ # 全栈
阅读全文

Postgres 激进特性为何应该先在分支版本中经受真实负载

来源: postgr.es 38
Postgres 的竞争力不只来自某项查询优化技术。对大量生产用户而言，更重要的是开源、没有厂商锁定、维护路径清晰，以及出现问题时总能找到理解内核的人。它未必在每种负载下都最聪明，但通常足够可靠、足够可预测。 这也解释了为什么一个看起来很有价值的新特性，很难直接进入 Postgres 核心。核心代码承载着关键业务数据，每增加一条执行路径，社区就要长期承...
# AI # AWS # Go
阅读全文

从智能补全到数字员工：Coding Agent 真正要跨过的交付门槛

来源: oschina.net 28
很多团队已经习惯让 AI 补下一行代码、生成方法骨架或解释一个函数，但这些能力主要减少的是敲键盘的时间。SolonCode 所强调的方向更进一步：Coding Agent 不应只参与编码片段，而要围绕一个工程任务持续工作，直到产出可验证、可审查、可交接的结果。 这不是把补全窗口做得更大，而是把 AI 的工作单位从“代码片段”改成“任务交付”。 一个看似...
# AI # LLM # 全栈
阅读全文

把 AI 接入 PostgreSQL 开发：从邮件线程分析到补丁审查

来源: postgr.es 36
一次面向 PostgreSQL 提交者与核心团队的 AI 工作坊，把讨论重点从“模型能回答什么”推进到了“模型如何参与真实的数据库工程”。三天的内容覆盖 Claude 命令行环境、自动化测试与基准测试、概念验证补丁，以及邮件线程分析和补丁审查。真正值得关注的不是生成代码本身，而是如何让 AI 在可验证、可回滚的边界内缩短调查周期。 数据库内核中的很多想...
# AI # AWS # PostgreSQL
阅读全文

AI 根因分析的瓶颈，正在从模型推理转向上下文工程

来源: infoq.com 21
大模型用于根因分析（RCA）时，一个常见误区是把效果不佳归因于“模型不会推理”。越来越多工程师提出了另一种判断：现代 LLM 已经具备分析故障因果链的基本能力，真正困难的是在调用模型之前，把指标、日志、调用链、部署事件和服务依赖整理成一份准确、紧凑、带时间关系的上下文。 Coroot 针对 11 个模型开展的实验，为这一判断提供了早期证据。它并不意味着...
# AI # InfoQ # LLM
阅读全文

AI 根因分析的竞争焦点，正在从模型推理转向上下文工程

来源: infoq.com 31
现代大语言模型做根因分析时，真正的瓶颈可能已经不再是“模型会不会推理”，而是“系统能不能把正确的上下文送到模型面前”。当日志、指标、链路、变更记录和服务拓扑彼此割裂时，再强的模型也只能在不完整的证据上做猜测。 Coroot 围绕这一观点进行了覆盖 11 个模型的实验，为“模型已经具备相当的根因分析能力，工程难点转向遥测数据关联”提供了早期证据。这并不意...
# AI # InfoQ # LLM
阅读全文

在 Amazon Bedrock 上接入 Claude Opus 5：面向 Agent 与生产推理的工程实践

来源: aws.amazon.com 33
Claude Opus 5 的发布重点不只是模型能力提升，也包括如何把更强的 Opus 模型接入真实的 Agent 系统和生产推理流程。对于 AI 工程师来说，关键问题是如何在 Amazon Bedrock 上完成调用、控制延迟与成本，并让模型在多步骤任务中保持可观测、可恢复。 在 Agent 场景中，模型通常需要连续完成任务拆解、工具选择、结果判断和...
# AI # AWS # LLM
阅读全文

Agentic AI 落地不能靠猜：给 AI Agent 加上可执行的安全护栏

来源: docker.com 29
AI Agent 不只是生成文本，它还可能读取内部数据、调用 API、修改配置，甚至代表用户执行操作。随着企业开始把 Agent 放进真实业务流程，核心问题也从“模型能不能完成任务”变成了“它在什么边界内可以行动”。 Docker 汇集企业安全负责人讨论这一问题时，结论指向一个实际矛盾：企业需要治理 Agent，但治理不能变成开发者每次调用模型都要填写...
# AI # Docker # Go
阅读全文

OKF v0.2：让智能体生成的知识具备可追溯、可验证的信任信号

来源: cloud.google.com 20
当智能体开始批量编写表结构、指标定义和运维手册，知识库面对的问题就不再只是“内容是否完整”，而是“消费者凭什么相信它”。OKF v0.2 在保持 Markdown 与 YAML frontmatter 这一轻量结构的同时，加入来源、验证、新鲜度、生命周期和计算证明等可机器读取的信号，让另一个智能体在读取正文、执行查询或展示数字之前先做判断。 OKF v...
# AI # AWS # GCP
阅读全文