标签

后端

AI 编程的 Token 经济学：用 11 条工程原则控制上下文、成本与偏航

来源: cloud.google.com 30
AI 编程助手接管了越来越多的代码输入工作，但工程师并没有因此卸下责任。新的核心任务是管理模型的注意力：让每次调用只读取必要上下文，选择与任务匹配的模型，并在自动化越界前及时止损。 Token 消耗并不只是账单问题。上下文膨胀会增加延迟，稀释关键指令，还可能让模型遗忘约束或产生幻觉。真正有效的优化，不是把提示词压缩到难以理解，而是建立一条短、清晰、可验...
# AI # GCP # Go
阅读全文

别让代码行数替你做技术判断

来源: my.oschina.net 44
当一个约 2000 行的项目试图挑战 Netty，或一个轻量级框架被拿来与 Spring 比较时，讨论很容易从延迟、吞吐量和维护成本滑向一句话：“这么少的代码，能靠谱吗？”这不是严格的技术质疑，而是把代码量误当成工程能力的替代指标。 代码多不代表系统成熟，代码少也不自动意味着设计优秀。真正值得评估的，是项目解决了什么问题、明确放弃了什么，以及它能否用测...
# Java # 全栈 # 后端
阅读全文

IntelliJ IDEA 2026.2：Java 27、Kotlin 2.4 与 Spring 开发体验升级

来源: oschina.net 32
IntelliJ IDEA 2026.2 的重点不是简单增加几个语法提示，而是缩短从采用新语言能力、调试业务代码到维护 Spring 应用的整条路径。新版加入 Java 27 和最新 Kotlin 2.4 语言特性支持，同时改进数据库迁移工作流、Spring Security 洞察、logpoints，以及运行时输出与源代码之间的关联能力。 升级到 J...
# Java # 全栈 # 可观测性
阅读全文

Postgres 19 让手动 CHECKPOINT 从“立即全刷”变成可控操作

来源: postgr.es 29
在 Postgres 19 之前，手动执行 只有一种含义：立即处理所有待写页面，并在检查点完成后才把控制权交还给客户端。备份、升级和基准测试需要这种确定性，但在繁忙系统上，突然集中的写入也可能把存储延迟推高。 Postgres 19 为这条老命令增加了选项列表，并引入 与 。DBA 现在可以选择快速完成、平滑写入，或者明确要求检查点处理 unlogge...
# AI # Go # LLM
阅读全文

Spock 6 Beta：把多主复制的进度、冲突与故障恢复拉回 PostgreSQL 内核轨道

来源: postgr.es 42
Spock 6 已进入 Beta，支持 PostgreSQL 16、17、18 和 19。与其说这是一次功能堆叠，不如说它重新整理了多主复制最危险的几条路径：复制进度不再依赖高频目录表写入，超大异常事务可以落盘，节点灾难后能够定位数据分歧，冲突与延迟也有了更直接的统计入口。 对于已经运行 Spock 5 的团队，升级价值主要不在“能否复制”，而在高负载...
# AI # Docker # Go
阅读全文

从聊天机器人到可执行 AI Agent：Google 客户体验平台的生产化路径

来源: cloud.google.com 27
Google 连续第二年进入 Gartner 2026 年对话式 AI 平台魔力象限的领导者区间，并表示自己在“愿景完整性”和“执行能力”两个维度上分别处于最远和最高位置，同时在四项关键能力用例中的三项排名第一。比排名更值得工程团队关注的是背后的产品方向：企业客户体验正在从“回答问题的聊天机器人”转向能够理解意图、检索企业知识、调用业务系统并在必要时转...
# AI # GCP # Go
阅读全文

AI 攻防进入秒级时代：防守方如何用深度上下文夺回主动权

来源: cloud.google.com 25
AI 正在同时提高攻击和防御的自动化水平。攻击者可以用多模型生成钓鱼内容、构造深度伪造、寻找零日漏洞，并让多个代理在数十秒内完成攻击阶段交接。防守方真正可持续的优势，却不是拥有更多模型，而是掌握攻击者进入企业环境后仍然缺少的深度上下文：资产在哪里、服务如何通信、身份属于谁、代码由哪个团队维护，以及某个漏洞是否真的能够抵达关键数据。 这意味着安全团队不能...
# AI # GCP # Go
阅读全文

十支 AI 剧组拍完短片后，暴露了多智能体协作的真正难点

来源: cloud.google.com 22
让多个 AI 智能体共同完成一部短片，难点并不只是生成图片、视频和配音。真正棘手的是：任务跨越多个阶段，产物格式各异，智能体会崩溃、遗忘，甚至会把一个 94 字节的占位文件当成已经完成的影片。 在一次生成式媒体黑客松中，十支 AI 剧组各自配置了三名角色明确的智能体，并运行在开源多智能体编排试验平台 Scion 中。整个项目累计创建了数百个智能体实例，...
# AI # GCP # Go
阅读全文

用 %%bqsql 串起 BigQuery 与 Python：在一个 Notebook 里完成混合数据流水线

来源: cloud.google.com 41
数据分析经常在两种语言之间来回切换：SQL 适合连接、聚合、窗口计算和大规模扫描，Python 则拥有成熟的可视化、统计建模与机器学习生态。过去，把两者放进同一个 Notebook，往往意味着手动下载查询结果、上传临时表，并维护两套中间数据。BigQuery DataFrames 提供的 IPython cell magic，把这些交接动作收进了 No...
# AI # GCP # Go
阅读全文

把基础模型升级从数月压缩到数小时：评测器、智能体循环与提示词爬山

来源: cloud.google.com 41
基础模型升级很少是一次简单的模型名称替换。即使只是在同一模型家族内切换检查点，工程团队也要重新验证质量、延迟、成本和边界案例。模型演进速度越来越快，如果每次升级都依赖人工逐条检查，迁移周期很容易从几周拖到几个月。 Google Cloud Applied ML 团队给出的核心思路，是把模型迁移重新定义为一个可评测、可搜索、可追踪的智能体工作流。其内部实...
# AI # GCP # Go
阅读全文