2026-08-03
来源: oschina.net
48
snackjson v4.0.58 已经发布。这个版本的重点不是增加一个新的查询语法，而是为 JsonPath 处理链路加入 类型安全检测机制，让应用可以在运行时限制哪些 Java 类型能够参与 JSON 反序列化或相关类型转换。 对于需要处理外部 JSON、插件数据或多租户输入的服务来说，JsonPath 的便利性不能替代边界控制。 提供了一个可以集...
2026-08-03
来源: oschina.net
48
DataBuff v0.1.6 正式发布。相较 v0.1.5，本版本包含 20 个提交，继续围绕云原生与微服务场景完善 AI Native OpenTelemetry APM 能力。对已经使用 SkyWalking 的团队来说，更值得关注的是：DataBuff 以 OTLP 作为接入标准，提供了一条可以逐步推进的迁移路径，而不必一次性重写所有服务的观测...
2026-08-03
来源: blog.cloudflare.com
57
传统 Web 基础设施主要服务人类浏览器：用户点击按钮，服务器处理一次请求，再返回页面或 JSON。自主 Agent 改变了这个节奏。它们可能持续运行数小时，反复调用工具、保存中间状态，并在无人确认的情况下执行下一步动作。Agents Week 聚焦的核心问题，正是云基础设施如何从“响应人类请求”转向“承载自主执行”。 典型 HTTP 请求通常短暂、相...
2026-08-01
来源: cloud.google.com
36
2026 年 5 月至 7 月，Google Cloud 的 AI 基础设施更新呈现出一个清晰趋势：竞争重点已经从“能不能运行模型”转向“能否在大规模、低延迟、可观测且可控成本的条件下持续运行模型和智能体”。 这组更新覆盖存储、网络、TPU/GPU 编排、推理网关、AI 供应链安全以及智能体运行时。它们共同指向一个现实问题：Agentic AI 不只是...
2026-07-31
来源: infoq.com
55
AI 可以快速阅读代码，却未必知道这段代码原本要满足什么安全约束。Dropbox 将模型上下文协议（Model Context Protocol，MCP）与内部知识平台 Dash 集成，在 AI 辅助代码审查时检索与拉取请求相关的威胁模型和安全要求，让审查者能够把实现与设计意图放在一起验证。 传统代码审查工具擅长展示 diff、调用关系和测试结果。大模...
2026-07-31
来源: infoq.com
39
安全设计文档通常在项目启动时写得很认真，代码审查却常常只盯着当前 diff。Dropbox 将模型上下文协议（Model Context Protocol，MCP）与内部知识平台 Dash 集成，在 AI 辅助代码审查期间检索威胁模型和安全要求，让审查者能够直接判断实现是否偏离设计意图。 这项实践解决的重点不是“让模型自动发现所有漏洞”，而是把分散在知...
2026-07-31
来源: cloud.google.com
59
生成式 AI 正在缩短产品开发周期，也在压缩攻击者发现漏洞、生成利用代码和扩大攻击面的时间窗口。面对自动化攻击，企业若仍依赖人工分拣告警、跨工具复制数据和逐级审批，就很难保持同等响应速度。因此，AI 威胁防御不再只是安全运营中心的技术升级，而应成为董事会衡量业务韧性和创新能力的治理基线。 过去，安全投资常被视为成本。现在，每个重要业务计划都可能包含 A...
2026-07-31
来源: openai.com
42
随着欧盟《人工智能法案》的推进，企业面对的问题已经不只是“模型是否足够安全”，而是能否持续证明：系统经过了风险评估，安全控制确实生效，用户获得了必要说明，内容来源和处理过程可以追溯。 OpenAI 将安全、安保、透明度与来源证明视为支持欧洲负责任 AI 治理的重要实践。这四个方面不是相互独立的合规清单，而应连接成一条可审计的工程链路：识别风险、执行控制...
2026-07-31
来源: docker.com
59
Docker 加入 NVIDIA 的 Open Secure AI Alliance，目标是共同建设 Agentic AI 所需的安全、治理与信任框架。这件事的重要性不在于又多了一个行业联盟，而在于它直面了一个现实问题：当 AI 从“生成答案”升级为“调用工具并执行操作”，传统的应用安全边界已经不够用了。 普通聊天应用主要处理输入与输出，Agentic...
2026-07-31
来源: aws.amazon.com
43
生产环境中的模型监控不能只回答“端点是否在线”。真正影响业务的是：输入数据是否漂移、预测分布是否异常、延迟到达的真实标签是否证明模型仍然有效，以及团队能否在同一个视图中看到这些变化。推理元监控把这些信号汇总到生产推理管线之上，再通过 Amazon Quick 持续呈现质量和性能状态。 SageMaker AI 端点自身的运行指标仍然重要，例如调用量、延...