标签

Dropbox

像真实隐私用户一样测试数百个网页的 Cookie 行为

来源: dropbox.tech 34
当网站数量从几个增长到几百个，人工检查 Cookie 很快就会失去可操作性。更可靠的做法是构建一个 Cookie 审计器：带着明确的隐私偏好访问页面，记录页面实际加载的 Cookie，再判断这些 Cookie 是否符合用户选择。 这个思路的重点不只是“页面有没有 Cookie”，而是验证一个完整的行为契约：用户拒绝某类 Cookie 后，页面是否仍然设...
# Dropbox # 前端 # 存储
阅读全文

AI 需求增长下，如何提升基础设施效率

来源: dropbox.tech 35
随着 AI 应用持续扩大，支撑训练、推理、数据处理和模型服务的基础设施也在快速增长。真正的挑战不只是增加服务器数量，而是让计算、存储、网络和运维资源在需求变化时保持高利用率，同时控制成本、能耗与交付复杂度。 这意味着基础设施建设需要从“堆更多容量”转向“根据需求精确配置容量”。 AI 工作负载通常具有明显差异：模型训练可能持续数小时甚至数天，推理服务则...
# AI # Dropbox # 存储
阅读全文

从文件转换到 AI 上下文：Riviera 内容处理平台的十年演进启示

来源: dropbox.tech 39
Dropbox 的 Riviera 并不是为生成式 AI 临时搭建的一条新管道，而是一个经过近十年迭代的通用内容处理平台。它长期承担产品中的内容转换工作，如今又需要面对 AI 带来的新需求：解析文档结构、切分上下文、生成向量表示，并持续追踪模型与提示词版本。 来源摘要没有披露 Riviera 的内部 API 或实现细节，因此下面不复刻其架构，而是分析这...
# AI # Dropbox # 存储
阅读全文

用 MCP + Agentic AI 在代码审查中自动对齐安全需求与实现

来源: dropbox.tech 63
安全设计文档写得很完整，代码提交时却悄悄偏离——这是很多团队的真实痛点。威胁模型在 Confluence 里沉睡，PR 里的实现早已走了另一条路。Dropbox 近期公开了他们的做法：用 MCP（Model Context Protocol）把 Dash 内部的安全知识喂给 Agentic AI，让 AI 在代码审查阶段主动比对设计意图与实际代码，把"...
# AI # Dropbox # LLM
阅读全文

从代码补全到任务执行：Dropbox 如何重构 AI 时代的工程生产力

来源: dropbox.tech 49
代码补全、智能搜索、自然语言查错——这些 AI 辅助工具已经渗透进大多数工程师的日常。但 Dropbox 的工程团队正在推进一个更激进的转向：不再把 AI 当作"帮人写代码的助手"，而是构建能够独立执行有边界任务的 agentic 系统，并为此搭建支撑平台。这意味着工程生产力的定义本身正在被重写。 辅助工具的交互模型是"人提问，AI 回答"。工程师写一...
# AI # Dropbox # LLM
阅读全文

Nova：让编码 Agent 并行跑起来，也让内部系统自动用上 AI

来源: dropbox.tech 48
当工程师同时处理三四个分支的 bugfix、重构和功能开发时，逐个喂 prompt 给 Copilot 式工具效率并不高。Nova 要解决的问题很直接：把编码 Agent 从"单线程聊天"升级为"多会话并行 + 系统级调度"。工程师可以同时开多个编码会话，内部系统也能把 Agent 当作工作流的一环自动调用——不需要人盯着屏幕等结果。 传统编码助手的工...
# AI # Dropbox # LLM
阅读全文