标签

工程效能

Microsoft Discovery 正式发布:构建与治理 Agentic AI 工作流的一站式平台

来源: azure.microsoft.com 55
在今年的 Microsoft Build 上,Microsoft Discovery 宣布正式商用(GA),同时推出了 Microsoft Discovery App 的预览版。对于正在把 AI Agent 从原型推向生产环境的团队来说,这个消息值得关注——它不是又一个模型 API,而是专门针对 agentic AI 工作流的构建与治理 的完整平台。 ...

用 Microsoft Fabric 和 Azure 数据库搭建 Agentic 应用:统一数据与 AI 的实战路径

来源: azure.microsoft.com 54
Agentic 应用正在从"问大模型一个问题"进化到"让 AI 自主规划、调用工具、读写数据并完成多步任务"。但 Agent 要真正可靠地运转,离不开一个能同时支撑分析推理和实时操作的数据底座。Microsoft Build 2026 把这个底座的名字说得很清楚——Microsoft Fabric + Microsoft Databases,一个统一的...

CloudDM 3.1.0:开源数据库管控工具的部署与升级体验重构

来源: oschina.net 56
研发和 DBA 日常常被各种数据库客户端割裂:权限靠人肉流转,SQL 审核凭口头约定,数据脱敏更是形同虚设。CloudDM 作为一款面向团队的开源数据库管理工具,把统一 Web 访问、权限控制、SQL 审核、数据脱敏和数据库 CI/CD 捏合到了一个平台上。3.1.0 版本没有堆砌新概念,而是把刀挥向了最影响落地效率的环节——首次部署初始化、驱动下载与...

APIAuto 5:零代码接口全流程工具,文档、测试、Mock 一站式搞定

来源: oschina.net 52
做接口开发的人大概都经历过这种割裂:Swagger 看文档、Postman 跑调试、YApi 管 Mock、Jenkins 做持续集成——四个工具来回切,数据还得手动同步。APIAuto 5 把这些环节收进一个界面,加上机器学习零代码测试和 AI 问答生成文档,GitHub Star 已经突破 2K,值得认真看看它到底解决了什么。 APIAuto 的核...

用 Amazon Bedrock AgentCore Gateway 给 MCP 服务器加一道生产级安全网

来源: aws.amazon.com 60
Model Context Protocol(MCP)正在快速成为 AI Agent 调用外部工具的标准协议,但把 MCP 服务器从开发环境推向生产,问题立刻浮现:谁有权调用哪个工具?调用日志怎么追踪?敏感数据会不会被 Agent 不小心外泄?散落在各处的 API Key 又该怎么统一管理? Amazon Bedrock AgentCore Gatew...

Kubernetes Dashboard 已归档,Headlamp 接棒——迁移思路与上手实战

来源: kubernetes.io 65
Kubernetes Dashboard 正式归档了。对很多人来说,它是第一个让集群"看得见、摸得着"的工具,帮无数开发者和运维从 的纯命令世界迈出了第一步。Dashboard 的贡献值得尊重,但单集群、功能固定、扩展性有限的架构,已经跟不上今天多集群、多团队的实际用法。Headlamp 不是简单换了个名字的替代品——它在保留 Dashboard 熟悉...

AgentOps:让 AI Agent 在生产环境真正可控

来源: aws.amazon.com 51
Agent 不再只是按脚本跑的流水线——它会推理、会变道、会自己拍板。这意味着传统 DevOps 的监控、回滚、成本管控手段,在 Agent 场景下几乎全部失效。一次"聪明"的自主决策,可能让调用链多绕三圈,Token 费用翻十倍,而日志里只留下一句模糊的 。 Amazon 在 Bedrock AgentCore 上提出了一套 AgentOps 纪律:...

用 MCP 让时序数据库开口说话:Amazon QuickSight + KDB-X 实战

来源: aws.amazon.com 47
时序数据从来都不缺——金融行情、IoT 传感器、DevOps 指标,每秒都在涌入。缺的是让业务人员自己拿到答案的能力。分析师想问"过去 24 小时这只股票的波动率是多少",要么等数据团队排期写 SQL/Q 查询,要么在仪表盘里翻半天。Amazon QuickSight 搭上 KDB-X 的 MCP Server,把这条链路压成一句话:用自然语言提问,直...

别再让AI放大你的测试脆弱性——从DOM结构走向感知与意图

来源: infoq.com 68
给自动化测试套上AI,测试跑得更快了——但脆弱的测试也崩得更快了。这不是AI的锅,是你脚下那层抽象本身就站不住。 "AI生产力悖论"在这里有一个非常具体的含义:AI会放大它所依托的抽象层的一切特性——包括缺陷。 你把AI架在一个脆弱的抽象上,它不会帮你修补脆弱,它会把脆弱性以更高的速度和更大的规模扩散出去。 在测试自动化的语境下,这个"脆弱的抽象"就是...

Kog 推理引擎:不砍精度,单请求冲到 3000 tokens/s

来源: oschina.net 44
推理引擎的 benchmark 长期被一个数字统治——聚合吞吐量。每秒多少 token,多少并发请求,成本摊到每个 token 多少美元。这些指标对批量处理场景确实重要,但它们掩盖了一个越来越尖锐的问题:当用户坐在聊天窗口前等回复,聚合吞吐量救不了体验延迟。 Kog AI 刚发布的 KIE(Kog Inference Engine)技术预览版,把矛头直...