标签

后端

XiaoMaYi-EleVue v1.3.0:聚焦云存储核心能力与单体后台稳定性

来源: oschina.net 24
XiaoMaYi-EleVue v1.3.0 已发布。本次版本没有追求大规模功能扩张,而是把改动集中在两个直接影响生产使用的方向:优化核心云存储类库,并修复近期用户反馈的 BUG。对于承担文件上传、附件管理和对象存储接入的后台系统,这类更新往往比新增页面更值得优先评估。 XiaoMaYi-EleVue 是一套前后端分离的单体后台管理系统。后端采用 Ja...

把 768 台 PostgreSQL 伪装成一个数据库:路由、连接与故障边界

来源: planetscale.com 35
应用通常希望面对一个稳定的数据库地址,但数据规模、租户隔离或吞吐压力可能迫使后端拆成数百台 PostgreSQL。让 768 个独立实例“看起来像一个”,并不是把它们变成真正的单机数据库,而是在应用与数据库之间建立统一的寻址、路由和运维层。 对应用而言,统一数据库入口通常需要提供三种能力: 统一连接方式:应用不保存 768 组主机名和凭据,只连接固定的...

在本地 VS Code 中连接 Google Cloud 托管 Jupyter Notebook

来源: infoq.com 21
Google Cloud Workbench Notebooks 扩展把本地 VS Code 与 Google Cloud 上的托管 Jupyter Notebook 环境连接起来。它解决的核心问题很直接:开发者可以继续使用熟悉的本地编辑器,同时把 Notebook 代码放到云端托管环境中执行,不必在浏览器界面和本地工程之间频繁切换。 这类连接方式把 ...

从线索发现到个性化邮件:用 Strands Agents 与 Amazon Bedrock 构建多智能体销售流水线

来源: aws.amazon.com 38
多智能体系统真正进入生产环境后,难点不再只是“让几个 Agent 相互调用”,而是如何控制执行路径、稳定评估线索、限制成本,并确保生成的销售邮件有依据、可审计。Thrad.ai 的实践覆盖了从潜在客户发现到个性化邮件生成的完整流程,并对 Strands Agents 中的 Swarm 与 Graph 两种编排方式进行了延迟、成本和邮件质量的正面对比。 ...

从队列深度到自动扩缩容:为 Kubernetes 编写自定义指标 Exporter

来源: kubernetes.io 42
Kubernetes 原生理解 CPU 和内存,但真实业务压力往往来自另一组信号:消息队列里积压了多少任务、最近一次批处理耗时多久、每个 Pod 维持了多少 WebSocket 连接。自定义指标 Exporter 的作用,就是把这些应用状态转换成 Prometheus 能抓取的时间序列,为查询、告警以及后续的 HPA 自动扩缩容提供数据基础。 Expo...

从基础模型到可治理智能体:Google 企业 AI 一体化栈的关键价值

来源: cloud.google.com 29
Google 在 IDC MarketScape 2026 全球基础模型软件厂商评估中被列为领导者。比排名本身更值得开发团队关注的,是其背后的产品路线:将 Google DeepMind 的前沿模型、专用 AI 基础设施、智能体平台、企业入口和治理能力组合为一套生产系统。竞争焦点已经不只是“哪个模型回答得更好”,而是谁能让模型可靠、安全地执行真实业务流...

Spotify 如何用 Kong AI Gateway 支撑规模化生成式 AI

来源: engineering.atspotify.com 44
Spotify 希望让 AI 像电子邮件一样直观,并成为员工日常工作中不可缺少的工具。要实现这个目标,难点不只是接入一个大模型,而是让大量团队能够稳定、安全、可观测地使用不同模型。Spotify Engineering 介绍的方向,是通过 Kong AI Gateway 为生成式 AI 流量建立统一入口。 由于公开摘要没有披露 Spotify 的完整拓...

把 Claude 跑进企业生产环境:Google Cloud 上的端点、安全与成本设计

来源: cloud.google.com 20
把大模型接入原型只需要一次 API 调用,但把它稳定地服务给全球用户,还要处理算力调度、尾延迟、区域故障、数据驻留、访问控制和成本波动。Claude 在 Google Cloud Agent Platform 上以托管模型服务提供,把这些问题纳入企业已经使用的 IAM、VPC Service Controls、Cloud Logging 和 Cloud...