标签

Go

Python 初学者的 11 个有效学习习惯：从每日编码到完成第一个项目

来源: realpython.com 45
学习 Python 的难点通常不是记住多少语法，而是能否建立一套持续获得反馈的练习方式。每天写一点代码、主动定位错误、提出可回答的问题，再把零散知识装进一个小项目里，这些习惯比反复阅读教程更容易形成真正的编程能力。 连续性比单次学习时长更重要。与其周末集中学习五小时，不如每天安排 20 到 30 分钟，完成一个明确任务，例如： 写一个处理字符串的函数；...
# AI # Go # Python
阅读全文

PostgreSQL 18 扩展容器化：文件解耦了，运行时依赖未必

来源: postgr.es 48
PostgreSQL 18 新增 ，补上了扩展外置的最后一块拼图：控制文件和 SQL 脚本不再必须安装到服务器自身的 。配合已有的 ，以及 Kubernetes ImageVolume 或 Docker 的镜像挂载能力，扩展可以被打包成独立 OCI 镜像，在运行时挂进 PostgreSQL 容器。 这让“一个精简 PostgreSQL 基础镜像，加若干...
# AI # Docker # Go
阅读全文

从啤酒风味到向量检索：WAWTech+Summer 2026 的 Postgres AI 实践

来源: postgr.es 46
WAWTech+Summer 2026 把传统会议中心换成了华沙 Tor Służewiec 的露天科技节。此次发布的不是整理完毕的正式记录，而是一段标记为 的原始切片：搭建 Postgres 展位、与国际团队交流、登台分享，以及活动结束后的快餐行程都被保留下来。对开发者而言，其中最值得继续拆解的线索，是演讲主题《From Hops to Vector...
# AI # Go # PostgreSQL
阅读全文

Postgres 19 补齐函数体验：随机日期与全局对象 DDL 查询

来源: postgr.es 40
Postgres 已经内置了数千个函数，但一些常见操作仍然需要拼接表达式或调用外部工具。Postgres 19 针对这些细小却高频的摩擦做了两类改进：直接生成指定区间内的随机日期与时间，以及通过 SQL 获取角色、数据库和表空间等全局对象的完整 DDL。 这些能力未必会改变查询优化器或存储引擎，却能明显简化测试数据生成、配置审计和运维脚本。需要注意的是...
# AI # Go # LLM
阅读全文

从原则到证据：在欧洲构建可审计的负责任 AI 治理

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...
# AI # Go # LLM
阅读全文

从试用工具到重塑工作：Univé 如何建设 AI 就绪型团队

来源: openai.com 41
让企业真正具备 AI 能力，关键不在于给员工开通多少账号，而在于能否把领导层支持、负责任的治理和一线员工创新放进同一套运行机制。Univé 采用 ChatGPT Enterprise 推动规模化转型，其经验指向一个清晰结论：AI 落地既是技术项目，也是组织能力建设。 管理层需要明确采用 AI 的目标，例如减少重复劳动、加快信息整理或改善内部知识获取，同...
# AI # Go # LLM
阅读全文

Agentic AI 要走进生产环境，先把开放性与信任链补齐

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...
# AI # Docker # Go
阅读全文

Percona Server for MongoDB 8.3 技术预览：用实验环境验证升级与搜索工作负载

来源: percona.com 56
Percona Server for MongoDB 8.3 已进入技术预览阶段。这不是一次面向生产集群的常规升级，而是给实验室、预发布集群和基准测试平台准备的早期版本。它尤其值得正在评估全文搜索、向量搜索等后续能力的团队关注，但现阶段的重点应是验证、测量和反馈，而不是承载真实业务流量。 技术预览版本允许开发者提前观察新版本在真实数据模型和工作负载下的...
# AI # Go # LLM
阅读全文

用 Amazon Quick 为 SageMaker AI 推理端点搭建元监控治理层

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...
# AI # AWS # Go
阅读全文

把闲置时间变成容量：GKE 如何将单个 AI Agent 成本降低 75%

来源: cloud.google.com 43
AI Agent 的资源曲线通常不是平滑直线：它们会集中推理、调用工具或执行代码，随后等待用户输入和外部事件。如果每个 Agent 始终占用固定 CPU 和内存，大量预算最终会消耗在空闲时间上。 一次基于 GKE 节点和 OpenClaw 工作负载模型的测试展示了三层优化效果：从每个 Agent 独占 microVM，到使用 GKE Agent San...
# AI # GCP # Go
阅读全文