标签

后端

MDP 主数据平台 1.2.0:一套代码,微服务与单体自由切换

来源:oschina.net 29
主数据平台的架构选择一直是团队早期最纠结的决策之一——上微服务怕运维成本爆炸,留单体怕后期拆分痛苦。MDP 1.2.0 给了一个务实的答案:同一套业务代码,不改逻辑,通过配置和构建方式决定最终跑成单体还是微服务。与此同时,这版把 Spring Boot、Dubbo、Nacos 等核心依赖全线拉到最新,底座安全性和兼容性同步刷新。 核心思路并不神秘:模块...

Gemini 3.5 Flash:速度翻 4 倍,Google 把赌注押在了 Agent 上

来源:oschina.net 21
Google I/O 2026 上,Gemini 3.5 Flash 正式亮相。这不是一次常规的模型迭代——从命名到定位,Google 明确把"Agentic"写进了产品基因。3.5 Flash 超越了上一代 3.1 Pro 在多项硬核基准上的成绩,同时把推理速度拉到 4 倍。对正在搭建 Agent 系统的开发者来说,这个组合值得认真拆解。 先看三个最...

Docker 发布 AI Agent Gordon:让容器排障从手动摸索变自动修复

来源:docker.com 19
现在的 AI 编程助手写代码、提 PR 都很溜,但一旦容器挂了、网络不通,开发者还是得一头扎进日志里手动排查。Docker 刚刚正式发布了集成在 Docker Desktop 里的 AI Agent——Gordon,专门来填这个坑:它能读懂你的容器环境,主动提出修复建议,甚至直接动手执行操作。 AI 提升了编码效率,但这股红利在应用部署和运行阶段突然断...

用 MCP 服务器把 Kiro CLI 的对话记忆接入 Amazon Bedrock AgentCore Memory

来源:aws.amazon.com 15
Kiro CLI 让你在终端里直接和 AI 代理对话,但默认的对话记忆有限——关掉终端,上下文就丢了。Amazon Bedrock AgentCore Memory 是一个全托管服务,能让 AI 代理跨会话保留信息,对话越用越"懂你"。问题在于:两者之间没有现成的桥梁。这篇文章讲的是如何写一个自定义 MCP(Model Context Protocol...

用 SageMaker Feature Store 新能力加速 ML 特征管线

来源:aws.amazon.com 27
Amazon SageMaker Python SDK v3.8.0 带来了三项面向 Feature Store 的更新,直击特征工程管线里最拖节奏的环节:数据治理审批慢、表格式切换成本高、离线/在线同步配置繁琐。下面逐项拆解,并给出可以直接跑的代码。 过去往 Feature Store 写特征组,数据权限基本靠手动在 S3 和 Glue 上配 IAM...

蝉印诊所管家 v1.0.8:开源消费医疗 SaaS 的又一次务实迭代

来源:oschina.net 14
消费医疗领域(口腔、眼科、医美等)的诊所管理软件,长期被封闭的商业 HIS 厂商垄断,定制成本高、数据出口难。蝉印诊所管家选择开源路线,把诊所日常运营的核心流程——咨询、收费、客户档案、权限管理——做成可自部署的 SaaS 系统。v1.0.8 的更新不大,但每一条都踩在实际使用痛点上。 这次更新最直观的变化在工作台。以前诊所前台或咨询师打开系统,要先进...

用共享话题分类打通图片与评论:Agoda 的多模态旅行检索系统

来源:infoq.com 21
旅行平台上,用户选酒店时同时依赖两类信号——图片和评论。图片告诉你泳池长什么样,评论告诉你泳池到底干净不干净。但这两类数据在传统架构里各自独立:图片走视觉检索,评论走文本搜索,结果对不上。Agoda 的做法是给两者套上一层共享的话题分类(topic taxonomy),让 7 亿多张图片和多语言评论在同一套语义空间里被检索和关联。 旅行场景的多模态检索...

用共享话题分类打通图片与评论:Agoda 的多模态内容检索系统

来源:infoq.com 31
在线旅游平台上,酒店图片和用户评论是两条各自运转的内容管线——图片靠视觉标签分类,评论靠文本情感分析。用户搜索"带泳池的海景房"时,图片检索和评论检索各自返回结果,互不关联,体验割裂。Agoda 的做法是:建一套共享的话题分类体系(topic taxonomy),让图片和评论在同一语义空间里对齐,再通过离线富化 + 低延迟服务层,在 7 亿张图片和海量...

写出可读 Python:从 19 条"之禅"原则到日常实践

来源:realpython.com 30
在 Python 解释器里敲一行 ,屏幕会刷出 19 条英文短句——这就是著名的 Zen of Python(PEP 20)。它不是空泛的口号,而是过去二十多年里 Python 社区对"好代码"的共识提炼。理解这些原则,能帮你写出别人愿意读、愿意接手的代码。 1999 年,Tim Peters 在 Python 邮件列表里用半开玩笑的语气把社区长期讨论...