标签

GCP

Google Cloud 用 AI Agent 简化数据库生命周期管理

来源: infoq.com 51
数据库运维正在从“人工执行固定流程”转向“由 AI 协助完成上下文判断”。Google Cloud 最近推出 AI-powered Database Operations Agents，覆盖数据库接入和日常运维两个关键阶段：Onboarding Agent 用于简化数据库设置，Observability Agent 则帮助团队进行故障排查、性能优化与调...
# AI # GCP # Go
阅读全文

用 Google Cloud Fault Injection Testing 把云端故障演练变成可重复实验

来源: cloud.google.com 32
数据库切换、可用区故障和网络路径抖动，往往不是架构图上最难的一部分。真正困难的是证明应用在这些事件发生时会按照预期工作。Google Cloud Fault Injection Testing（FIT）在预览阶段提供了原生的故障注入能力，让开发者和架构师可以用实验模板自动化定义故障、目标资源、持续时间和恢复动作。 在自建数据中心中，团队通常可以直接控制...
# AI # GCP # Go
阅读全文

Uber 如何用应用感知网络提升可靠性，并为云迁移解除阻塞

来源: cloud.google.com 45
当数据分析、AI 工作负载和分布式应用不断把数据推向云端，网络链路就不再只是“带宽够不够”的问题。对 Uber 这样的全球化平台而言，真正的挑战是：在大规模数据传输制造拥塞时，如何保证订单、实时服务和其他关键业务流量仍然稳定运行。 Uber 与 Google Cloud 合作，成为 Cloud Interconnect 应用感知能力的早期设计伙伴。通过...
# AI # GCP # Go
阅读全文

AI 智能体时代的动态容量管理：预订、回退与资源切片

来源: cloud.google.com 43
企业开始把大量 AI 智能体接入业务系统，基础设施面对的已不只是推理流量增长。智能体会持续调用模型、数据库和内部应用，负载既消耗 GPU、TPU 等稀缺资源，又具有明显的突发性。若仍把应用绑定到单一机型、单一区域或整块加速卡，结果通常是两个极端：高峰期申请不到容量，低谷期则有大量资源闲置。 动态容量管理的核心不是无限扩容，而是把需求分成可预测与不可预测...
# AI # GCP # Go
阅读全文

AI Agent 时代的 FinOps：让创新速度和成本边界同时可控

来源: cloud.google.com 30
AI Agent 开始承担持续运行、批量执行和多步骤协作的任务后，企业面对的成本问题已经不同于传统的软件订阅。业务用户可能每天稳定使用生产力工具，开发团队却可能在发布前集中运行大量代码 Agent，后台 Agent 还会在夜间持续消耗模型推理资源。只按“每个用户多少钱”来管理，往往看不见真实的运行成本，也很难在创新和预算之间取得平衡。 面向 Gemin...
# AI # AWS # GCP
阅读全文

从零开始构建 AI Agent：用一个小型项目理解控制、协作与记忆

来源: cloud.google.com 21
“AI Agent”听起来像一个需要机器学习背景的复杂系统，但真正开始动手时，你会发现它更接近一个能够观察环境、做出决策、调用工具并保存状态的软件程序。学习这类系统最有效的方式不是先背概念，而是从一个可运行的小项目开始。 Agent Valley 采用了这种实践路线：学习者在一个低多边形虚拟世界中操作自己的 AI 伙伴，同时通过 Runtime Ins...
# AI # GCP # Go
阅读全文

把 gVisor 变成 Ray 集群里的沙箱原语：为强化学习安全执行动态代码

来源: cloud.google.com 40
强化学习和后训练工作流正在大量采用 Ray：训练器、推理引擎、rollout worker、数据管道和评估任务可以由同一个分布式运行时统一调度。但随着 agentic workflow 变得更复杂，模型生成的代码、工具调用和多轮交互也带来了新的问题：如何在不暴露宿主机的前提下，大规模、低延迟地执行不可信代码？ Google 与 Anyscale 正在推...
# AI # Docker # GCP
阅读全文

法律 AI 真正的门槛：把 Gemini Enterprise 变成受治理的工作系统

来源: cloud.google.com 45
法律行业使用 AI，难点从来不只是模型能不能读懂合同。律师处理的是受特权保护的通信、带有伦理墙的案件资料、律所自己的审阅规则，以及持续变化的法律与监管要求。一个通用聊天机器人可以给出看似合理的答案，却无法自动满足权限继承、可追溯引用、保密和专业判断这些生产环境要求。 Gemini Enterprise for Legal 的核心思路，是在模型之外构建一...
# AI # GCP # Go
阅读全文

Gemini Enterprise 进军金融服务：真正的门槛不是模型，而是可审计的工作流

来源: cloud.google.com 44
金融机构并不缺少能写摘要、生成表格的模型，真正稀缺的是能进入生产环境的 AI：它必须读取获授权的实时数据，遵守既有权限，在研究、授信和 KYC 流程中执行任务，并留下足够完整的证据链。Gemini Enterprise for Financial Services 的重点因此不是单独升级模型能力，而是把金融技能、MCP 数据连接、可执行 Agent、合...
# AI # GCP # Go
阅读全文