标签

Go

PostgreSQL 做 AI 数据底座:用 C.A.L.M. 检查治理是不是真的落地

来源: postgr.es 24
企业 AI 治理最容易出问题的地方,往往不是模型团队写错了提示词,也不是合规团队没有流程,而是数据层和模型层之间的假设没人验证。数据工程、AI、平台、合规四个团队都在认真做事,但客户数据可能已经被复制到三套环境里:字段定义略有不同,访问控制略有不同,刷新频率也不同。模型层说“只给授权用户看”,数据层反问:“哪一份数据?按哪套权限?什么时候刷新?” 这正...

后量子签名别等了:现在先把 ML-DSA 用起来

来源: blog.cloudflare.com 31
NIST 正在推进 9 个新的后量子签名算法,未来它们可能进入标准化流程。这是好消息,但工程决策不能只盯着“更好的算法还在路上”。签名算法通常嵌在证书、固件更新、软件包发布、审计日志和身份系统里,迁移周期长、依赖面宽。文章的核心判断很直接:候选算法值得跟踪,但现在可落地的选择应优先使用 ML-DSA。 后量子迁移不是把一个函数名从 改成 。签名算法会进...

ChatGPT Work:从聊天助手到能推进项目的工作型 Agent

来源: openai.com 26
ChatGPT Work 的重点不只是“回答问题更好”,而是把 ChatGPT 推向一种更接近同事的工作模式:它可以跨应用和文件采取行动,围绕一个目标持续工作数小时,并把模糊目标拆成可交付的结果。这对开发者和技术团队的影响很直接:AI 不再只停留在代码片段、摘要和建议层面,而是开始进入项目执行链路。 过去我们常把 ChatGPT 当成一个交互式工具:你...

AlloyDB 把一部分 LLM 调用搬进了数据库本地推理

来源: infoq.com 31
Google 将 AlloyDB AI functions 推到 GA,并引入了一种值得关注的 proxy model 架构:先用 LLM 的输出训练一个轻量本地模型,再把后续推理放在数据库内部执行。它瞄准的不是“让数据库变成通用大模型”,而是把某些高频、结构稳定、可被近似学习的 LLM 判断,从外部 API 调用变成数据库速度的本地计算。 这件事重要...

AlloyDB 把部分 LLM 调用搬回数据库:代理模型适合哪些查询

来源: infoq.com 27
Google 将 AlloyDB AI functions 推到 GA,同时引入了一种很实用的代理模型架构:先用 LLM 输出训练一个轻量本地模型,再把后续推理放在数据库内部执行。这个变化的重点不是“数据库也能聊 AI”,而是把一类高频、结构化、可近似的 LLM 判断,从外部 API 调用变成接近数据库速度的本地推理。 传统做法里,应用或数据库函数每处...

Zotero 9.0.6:引用对话框的小改动,能少打断写作流

来源: oschina.net 42
Zotero 9.0.6 已发布。这次更新不是一次“大版本换脸”,重点落在 Citation 对话框和 item-details 面板的交互细节上:当研究者正在处理条目详情时,引用流程不再那么容易被面板状态卡住。对每天在论文、报告、综述里插入几十次引用的人来说,这类小修小补往往比新按钮更有价值。 Zotero 的核心工作流很朴素:收集文献、整理元数据、...

Rust 1.97.0:符号名默认切到 v0,Cargo 终于能原生拒绝 warnings

来源: blog.rust-lang.org 29
Rust 1.97.0 的变化不只是“又一个稳定版”。这次更新动到了编译产物、CI 策略和链接器诊断三个开发者每天都会碰到的层面:符号改名方案 v0 默认启用,Cargo 增加了 warnings 控制能力,rustc 也不再默认吞掉成功链接时的 linker 输出。 Rust 编译成 object file 或 binary 时,每个函数、静态变量等...

PostgreSQL:不用分区键,也能让查询触发分区裁剪

来源: postgr.es 24
分区表最有价值的能力之一是 pruning:查询条件命中某些分区时,优化器可以直接跳过其他分区。常见经验是“必须按分区键查才有 pruning”,但这并不绝对。如果业务数据在非分区键上和分区键存在稳定相关性,可以用 约束把这种事实告诉 PostgreSQL,让它在按非分区键过滤时也能排除整块分区。 这不是魔法,也不是全局索引。它依赖两个前提:数据规律真...

Django 2026 开发者调查进入倒计时:这不只是填表

来源: djangoproject.com 47
2026 年 Django 开发者调查已经进入最后阶段,截止日期是 2026 年 7 月 13 日。这份调查由 Django Software Foundation 与 JetBrains 合作运行,目前已有超过 3,100 人参与,社区希望把回复数推到 4,000 以上。对 Django 用户来说,这不是一次普通的问卷活动,而是影响框架技术路线、社区...

用 Jamf AI Governance 和 Amazon Bedrock 管住 Mac 上的 AI 应用配置

来源: aws.amazon.com 26
企业里的 AI 应用已经从“员工自己试一试”变成了“终端上真实运行的生产工具”。这篇来源内容关注的是一个很具体的场景:用 Jamf 的 AI Governance 配合 Amazon Bedrock,在一批 Mac 设备上配置、下发并验证 AI 应用的受管设置。重点不只是“能不能装”,而是配置是否统一、策略是否落地、设备端是否可审计。 Mac 机群里的...