来源: realpython.com
32
很多开发者对 的理解停留在"写个检查，报错就停"的层面，但它在 Python 里有明确的设计意图和使用边界。搞清楚这些，你才能在调试、测试和文档化代码时真正发挥它的价值，而不是在生产环境里埋雷。 语句的完整语法是： 如果 为假，抛出 ，并把 作为错误信息；如果为真，什么都不发生。本质上它等价于： 关键点在于 。这个内置常量默认为 ，但当 Python ...
来源: cncf.io
50
现代软件交付的瓶颈早已不在应用代码本身——它卡在跑代码的平台上。团队写好了服务，却要花大量时间处理集群配置、权限审批、镜像签名、环境漂移。内部开发者平台（Internal Developer Platform，IDP）的目标就是把这些摩擦抹掉：开发者声明"我要一个生产环境的前端服务"，平台自动完成从集群分配到镜像构建到安全校验到部署的全链路。 下面拆解...
来源: oschina.net
31
一个维护者，在自己的库里偷偷塞了一段专门针对 AI Agent 的攻击指令——不是黑客干的，是作者本人。这件事发生在 Java 属性测试圈子里颇有名气的 jqwik 库上，版本号 1.10.0。 jqwik 是 Java 生态中用于属性测试（Property-Based Testing）的主流库，和 Kotlin 的 kotest、Scala 的 sc...
来源: oschina.net
60
混沌工程的价值没人质疑，但真正坚持做故障演练的团队不多。原因很简单——一次完整的演练，从场景设计、参数计算、命令构造、执行观测到结果回收，动辄耗费半天。ChaosBlade 已经把故障注入的能力做得很全，但"人 → ChaosBlade"之间那段路，依然又长又陡。 阿里最近开源的 Blade AI，瞄准的就是这段路。它不是 ChaosBlade 的替代...
来源: oschina.net
41
VS Code 1.122 把两件开发者高频要做的事推到了编辑器内部：一是用自己部署的大模型写代码，二是看页面在不同屏幕上的表现。前者通过 Air-gapped BYOK 让你断网也能调用本地模型，后者用浏览器设备模拟把"开 Chrome DevTools 切设备"的流程收进了 VS Code。再加上更丰富的问题报告机制，这个版本在"编辑器即工作台"这...
来源: blogs.oracle.com
38
用户画像、IoT 遥测、AI 提示词日志、商品目录——现代应用每天都在吞吐大量半结构化数据。这些数据天生带着 JSON 的灵活基因，字段随时增减，嵌套层级深浅不一，硬塞进严苛的关系型表结构里，往往意味着无休止的 和痛苦的 ORM 映射。 但另一方面，企业又很难彻底拥抱纯文档数据库。事务一致性、细粒度权限控制、成熟的运维生态，以及最关键的——对海量数据做...
来源: dropbox.tech
31
代码补全、智能搜索、自然语言查错——这些 AI 辅助工具已经渗透进大多数工程师的日常。但 Dropbox 的工程团队正在推进一个更激进的转向：不再把 AI 当作"帮人写代码的助手"，而是构建能够独立执行有边界任务的 agentic 系统，并为此搭建支撑平台。这意味着工程生产力的定义本身正在被重写。 辅助工具的交互模型是"人提问，AI 回答"。工程师写一...
来源: aws.amazon.com
41
反洗钱（AML）审查是金融机构里最让人头疼的重复劳动之一。一笔可疑交易触发警报后，合规分析师要翻客户历史、比对交易模式、查关联账户、写调查报告——一个警报从打开到关闭，30 到 90 分钟是常态。警报量大、人力有限，积压成了日常。 Amazon Q Business 的 Flows 功能和 Snowflake Cortex AI 的组合，通过 MCP（...
来源: slack.engineering
45
2023 年初，Slack 面对一个底层问题：如何在企业级规模上服务大语言模型，同时满足客户对安全、可靠性和性能的预期。三年间，他们从最基础的基础设施起步，逐步演进到一套成熟的多云编排架构。这不是追逐新模型的炫技，而是要构建一个能抵御区域级故障、在云厂商之间灵活调度的系统。 LLM 推理的负载特征和传统 Web 服务截然不同——单次请求耗 GPU 算力...
来源: blog.cloudflare.com
40
Cloudflare 每天处理全球数十亿请求，日志、指标、事件数据散落在数十个系统中。工程师想查一个问题的根因，往往要跨 S3、ClickHouse、Kafka、Postgres 反复跳转。Town Lake 的出现，就是为了终结这种割裂——把所有分析数据统一到一处，再让 AI Agent Skipper 直接在上面回答问题。 Cloudflare 内...