标签

工程效能

在 GKE 上构建企业级 AI 安全防线:从机密计算到推理路径治理

来源: cloud.google.com 56
AI 应用从原型进入生产的速度,已经超过许多企业安全体系的调整速度。传统容器安全可以检查镜像漏洞、限制网络访问,却无法完整回答这些新问题:模型权重是否在硬件层受到保护?提示词注入能否在进入模型前被识别?Agent 执行生成代码时,怎样避免影响宿主节点? GKE 的 AI 工作负载安全蓝图给出的答案不是单一产品,而是一套纵深防御体系:基础设施层保护计算环...

用 pg_upgrade 将 PostgreSQL 9.6 原地升级到 17:停机切换、配置迁移与校验清单

来源: postgr.es 35
从 PostgreSQL 9.6 跨越多个大版本升级到 17,真正困难的通常不是数据文件转换,而是配置兼容、扩展处理、回滚设计,以及升级后的统计信息和索引校验。 对于多 TB 集群, 加恢复的停机时间往往无法接受;原生逻辑复制又要求源端至少是 PostgreSQL 10。面对 9.6 这样的老集群, 是一个更实际的选择:它通过硬链接复用数据文件,使核心...

pg_hardstorage:用复制协议、内容寻址存储和开放格式重做 PostgreSQL 备份

来源: postgr.es 37
PostgreSQL 备份工具并不少:pgBackRest、Barman 和 WAL-G 已经支撑了大量生产系统。pg_hardstorage 的出发点不是替代这些成熟项目,而是增加一个可以审计、可以迁移、适合云原生部署的开源选项。它选择 PostgreSQL 复制协议作为数据平面,通过普通 libpq 连接持续接收 WAL,因此同一套架构可以面对托管...

Rust 1.97.1 修复 LLVM 错误编译:稳定版用户应尽快更新

来源: blog.rust-lang.org 45
Rust 团队发布了 1.97.1 补丁版本,重点修复一次与 LLVM 优化有关的错误编译问题。错误编译不同于普通编译失败:代码可能顺利通过编译,却在运行时表现出错误行为,因此使用 Rust 1.97.0 的团队应优先安排升级。由于底层问题至少从 Rust 1.87 起就已存在,仍停留在较早工具链上的项目也值得重新评估风险。 Rust 编译器会生成中间...

Agentic AI 从试点走向生产,网络为何成了关键控制面

来源: cloud.google.com 56
企业并不缺少 AI 试点,真正困难的是把试点变成可治理、可观测、可持续运行的生产系统。IDC 的 2026 AI in Networking Special Report Survey 指出,阻碍 AI 项目落地的核心问题越来越偏向基础设施:32.6% 的受访者提到安全顾虑,26.8% 提到自动化挑战,24.7% 则受限于人员时间和技能。 Agenti...

让 AI 原型安全失败:YouTube 如何跨过生产验证鸿沟

来源: cloud.google.com 49
LLM 和编码智能体把“从空目录到可用演示”的时间压缩到了几小时,但企业真正昂贵的环节并不是生成代码,而是验证代码:原型需要接触真实数据、嵌入真实界面,还不能污染数据库、拖垮核心服务或把未经审查的依赖带进主干。来源材料引用的数据称,只有 5% 的 AI 原型最终进入生产。YouTube 的应对方式不是简单加快代码评审,而是建立一套与生产主线解耦、又足够...

用 BigQuery 管理大规模 Gemini Enterprise:从日志汇聚到合规审计

来源: cloud.google.com 42
当 Gemini Enterprise 从小范围试用扩展到全公司时,管理难题会迅速变化:团队不再只关心“有多少人在用”,还需要回答哪些部门在创建自定义智能体、NotebookLM 是否真正进入工作流、企业数据被如何检索,以及某次安全拦截究竟由什么内容触发。 产品内置仪表板适合观察日常采用率和活跃用户,但组织级治理往往需要关联 HR、部门、成本中心和安全...

Azure Databricks 的业务价值,关键在于原生集成与可量化交付

来源: azure.microsoft.com 41
企业采用数据与 AI 平台时,真正昂贵的往往不是计算资源,而是平台接入、身份打通、治理落地和团队迁移带来的隐性成本。Azure Databricks 的核心优势,是把团队熟悉的 Databricks 平台作为 Azure 原生服务交付,并与 Microsoft 共同工程化,使其更自然地融入企业现有的 Microsoft 工具、身份和治理体系。 这类优势...

Stripe 基准测试揭示 AI 编程代理的短板:能接通支付,不等于完成交付

来源: infoq.com 41
AI 编程代理已经能够跨越后端接口、前端页面和浏览器操作来搭建 Stripe 集成,但 Stripe 推出的基准测试把问题推进了一步:代理生成了代码之后,能否真正执行、测试并验证完整支付流程?在接近生产环境的约束下,“代码看起来正确”和“系统可以交付”之间仍有明显距离。 普通代码评测往往检查函数输出、单元测试通过率或补丁是否能编译。Stripe 的测试...

会调用 Stripe API 还不够:AI Agent 真正薄弱的是验证闭环

来源: infoq.com 52
Stripe 推出的基准套件,把 AI Agent 放进接近真实生产环境的支付集成任务中:它不仅要编写后端接口,还要连接前端与浏览器结账流程,并证明整个链路确实可用。研究传递出的关键信号很直接:Agent 往往能够产出集成代码,但在执行、测试和验证环节仍容易留下缺口。 一个 Stripe 集成至少横跨三层: 后端创建 Checkout Session,...