标签

工程效能

openKylin 2.0 SP2 第四次更新：近 400 项修复如何提升系统稳定性

来源: oschina.net 50
openKylin 社区推送了 openKylin 2.0 SP2 的第四次更新。本轮更新没有把重点放在单一新功能上，而是围绕系统稳定性，集中处理社区反馈和内部测试中发现的近 400 个缺陷，覆盖 AI 功能、软件商店、系统更新、桌面环境、网络连接以及硬件外设等日常使用链路。 对于已经部署 openKylin 的用户，这类更新的价值往往体现在细节里：软...
# AI # 全栈 # 工程效能
阅读全文

用 Amazon Bedrock 与 AWS Lambda 构建受治理的智能应用部署器

来源: aws.amazon.com 51
让非技术员工用自然语言描述需求，然后在数秒内得到一个已经部署、支持多租户的 Web 应用，这不只是“让大模型写代码”。PDI Technologies 构建的 PDI Brew 更接近一套智能交付系统：Amazon Bedrock 负责理解意图并生成结构化计划，AWS Lambda 中的配置代理负责把计划转换成受约束、可审计的云资源。 真正值得关注的，...
# AI # AWS # Go
阅读全文

BigQuery 如何用自学习执行引擎应对 AI Agent 的查询洪峰

来源: cloud.google.com 56
当数据查询从“分析师每天提交几十条 SQL”变成“AI Agent 每分钟生成数千条查询”时，传统的性能优化流程会迅速失效。执行计划分析、统计信息维护、查询提示和容量预估都需要人工介入，而 Agent 生成的 SQL 数量、参数组合和并发度已经超出人工逐条调优的范围。 BigQuery 给出的方向不是增加更多调优旋钮，而是让查询处理器自己学习历史执行结...
# AI # GCP # Go
阅读全文

让模型看不见病历也能接受检验：机密计算如何验证脑肿瘤 AI

来源: cloud.google.com 50
医疗 AI 的难题不只是把模型准确率做高，还要证明它能在不同医院、设备和患者群体上稳定工作。问题在于，真实患者数据不能随意离开医院，模型开发者也不愿交出代码和权重。MLCommons MedPerf 与 Google Cloud 的合作给出了一条可操作的路径：让数据与模型在硬件隔离的可信执行环境中相遇，只输出经过批准的评测结果。 脑胶质母细胞瘤等脑肿瘤...
# AI # GCP # Go
阅读全文

从课程到生产：企业智能体落地的 12 项能力地图

来源: cloud.google.com 44
企业团队讨论智能体时，真正棘手的问题通常不是“模型能不能回答”，而是“它能否在受控条件下访问数据、调用系统、记住上下文，并在故障时被定位和纠正”。Google 推出的 Gemini Enterprise Agent Ready（GEAR）学习路径，正是围绕这条从原型到生产的链路组织：智能体基础、多智能体编排、MCP 工具连接、记忆与状态、领域技能，以及...
# AI # GCP # Go
阅读全文

UNC6671 多品牌勒索背后：用语音钓鱼窃取云身份会话的防御方法

来源: cloud.google.com 46
UNC6671 虽然曾关联的 BlackFile 品牌据称在 2026 年 5 月退出，但相关入侵活动并未消失。威胁情报显示，攻击者改用 Redact、Pink、Helix 和 Falcon 等多个勒索品牌对外运营，而初始入侵路径和后续动作高度一致：假冒 IT 服务台电话、诱导员工访问仿冒登录页、通过 AiTM（Adversary-in-the-Mid...
# AI # Cloudflare # GCP
阅读全文

Mirendil 为何同时押注 TPU 与 NVIDIA GPU：把预训练、后训练和大规模 RL 放到合适的算力上

来源: cloud.google.com 34
前沿模型团队越来越少把“选 TPU 还是选 GPU”当作一次性的基础设施决策。Mirendil 与 Google Cloud 的合作体现了另一种路径：在同一套端到端训练体系中同时使用 Google TPU 和 NVIDIA 加速计算平台，并将预训练、后训练及大规模强化学习等负载，匹配给更合适的硬件与集群环境。 Mirendil 已经上线 TPU v5P...
# AI # GCP # Go
阅读全文

ORBIT：让企业级 AI 从“会推理”走向“可靠执行”

来源: postgr.es 47
企业 AI 最危险的故障，不一定是模型给出了错误答案，而是系统做出了一个重要决定，却没人能在事后解释它是如何发生的。模型可能检索正确、推理合理、选择了正确动作，但外围系统仍会因为超时、重启、重复投递或状态记录丢失而产生错误结果。 这意味着，AI 可靠性不能只靠更强的模型解决。只要 AI 开始修改业务数据、调用外部 API、发送消息或触发审批，它就进入了...
# AI # Go # LLM
阅读全文

PostgreSQL 不只是存储：为 Agentic AI 构建可恢复的计算层

来源: postgr.es 55
PostgreSQL 已经成为 Agentic AI 的默认数据库，但真正的挑战才刚开始。智能体不再只是读取几张表、生成一段回答，而是在数据库中持续写入记忆、检查点、中间结果、工具调用记录和共享状态。把 PostgreSQL 当成一个“停车场”，只负责把数据放进去，系统很快就会被并发写入、失败恢复和数据膨胀拖垮。 更可靠的做法，是把 PostgreSQ...
# AI # Go # LLM
阅读全文