标签

GCP

AlloyDB 如何绕过 PostgreSQL 缓冲区开销，让 pgvector HNSW 搜索提速 4 倍

来源: cloud.google.com 52
向量检索进入生产环境后，团队很快会撞上一道硬约束：提高 HNSW 的搜索深度可以改善召回率，却会消耗更多 CPU 和内存带宽；降低搜索深度能够提高 QPS，又可能让 RAG 漏掉关键文档。AlloyDB 预览中的列式引擎加速 HNSW，试图通过改变索引在内存中的访问方式，缓解这组速度与准确率之间的矛盾。 AlloyDB 是兼容 PostgreSQL 的...
# AI # GCP # Go
阅读全文

CodeMender 预览：把漏洞扫描、可利用性验证和补丁生成串成一条流水线

来源: cloud.google.com 59
传统代码安全工具通常停在“发现问题”：扫描器产生告警，安全团队判断真假，开发者再编写补丁、运行测试并提交代码。CodeMender 的变化在于，它试图把扫描、漏洞验证、补丁生成和回归测试连接成一个由安全代理执行的闭环，同时保留开发者的最终审批权。 目前 CodeMender 处于预览阶段，可通过 Gemini Enterprise Agent Plat...
# AI # AWS # GCP
阅读全文

用 IAM Conditions 收紧 Google Cloud 权限：从管理员角色到 MCP 工具级控制

来源: cloud.google.com 57
Google Cloud IAM 的常规加固路径，是选择预定义角色或自定义角色，再沿组织、文件夹、项目和具体资源配置 Allow、Deny 策略。但当一个项目由多个团队或工作负载共享，或者服务不支持资源级 IAM 绑定时，仅靠“把角色绑定到更小的资源”并不足以落实最小权限原则。这时，IAM Conditions 可以继续约束角色在什么条件下生效。 以 ...
# AI # GCP # Go
阅读全文

把汽车座舱搬进云端：C4A-metal 与 vSkipGen 如何加速 AAOS 验证

来源: cloud.google.com 47
软件定义汽车正在改变座舱软件的交付方式。过去，团队往往要等座舱域控制器（CDC）样机到位，才能联调 Android Automotive OS、图形界面、传感器和车载网络。Panasonic Automotive 的 vSkipGen 已在 Google Cloud C4A-metal 上完成验证，目标是把这套高度依赖硬件的流程迁移到可扩展的云端数字孪...
# AI # GCP # Go
阅读全文

Cloud Run 多区域高可用升级：用就绪探针实现秒级自动故障转移

来源: cloud.google.com 43
Cloud Run 的多区域部署正在从“复制几份服务”走向真正可自动恢复的高可用架构。新的就绪探针与服务健康状态能力，可以把容器实例的检查结果汇总到区域级服务健康状态，并通过 Serverless NEG 暴露给应用负载均衡器。当某个区域无法正常提供服务时，负载均衡器可以在数秒内停止向该区域发送流量。 这项变化解决了一个关键问题：部署到多个区域并不等于...
# AI # GCP # Go
阅读全文

从原型到治理：用 Gemini Enterprise Agent Platform 构建企业级智能体

来源: cloud.google.com 44
Gemini Enterprise Agent Platform 展示的 13 个动手演示，不只是 13 个彼此独立的样例，而是一条完整的工程路径：用 ADK 编写智能体，通过 MCP 和 A2A 接入工具与其他智能体，部署到托管运行时，再补齐持久状态、安全治理、可观测性和持续评估。 真正值得关注的变化，是智能体开发开始从“写一个能回答问题的提示词”转...
# AI # GCP # Go
阅读全文

用 IAM 数据治理标签升级 BigQuery 列级安全

来源: cloud.google.com 39
BigQuery 的策略标签长期承担着敏感列保护任务，例如限制用户读取邮箱、证件号和银行卡号。随着数据跨项目、跨区域扩张，区域级分类体系开始面临重复维护、灾备同步和集中治理等问题。处于预览阶段的 IAM 数据治理标签建立在 Resource Manager 标签体系之上，把全局数据分类与区域安全策略拆开管理，为 BigQuery 列级安全提供了新的实现...
# AI # GCP # Go
阅读全文

Google Cloud 近期更新解读：AI Agent 正从原型走向可治理的生产系统

来源: cloud.google.com 60
Google Cloud 近期发布的信息覆盖 Cloud Run、Apigee、MCP、TPU、GKE、Firestore 和成本管理，但主线相当清晰：企业关注点已经从“模型能否完成任务”转向“Agent 能否被隔离、观测、治理并稳定扩缩容”。这意味着 AI 应用不再只是一个调用模型的 Web 服务，而是一套包含提示词构建、工具授权、代码沙箱、流量治理...
# AI # AWS # Azure
阅读全文

AI 编程的 Token 经济学：用 11 条工程原则控制上下文、成本与偏航

来源: cloud.google.com 44
AI 编程助手接管了越来越多的代码输入工作，但工程师并没有因此卸下责任。新的核心任务是管理模型的注意力：让每次调用只读取必要上下文，选择与任务匹配的模型，并在自动化越界前及时止损。 Token 消耗并不只是账单问题。上下文膨胀会增加延迟，稀释关键指令，还可能让模型遗忘约束或产生幻觉。真正有效的优化，不是把提示词压缩到难以理解，而是建立一条短、清晰、可验...
# AI # GCP # Go
阅读全文

从聊天机器人到可执行 AI Agent：Google 客户体验平台的生产化路径

来源: cloud.google.com 43
Google 连续第二年进入 Gartner 2026 年对话式 AI 平台魔力象限的领导者区间，并表示自己在“愿景完整性”和“执行能力”两个维度上分别处于最远和最高位置，同时在四项关键能力用例中的三项排名第一。比排名更值得工程团队关注的是背后的产品方向：企业客户体验正在从“回答问题的聊天机器人”转向能够理解意图、检索企业知识、调用业务系统并在必要时转...
# AI # GCP # Go
阅读全文