标签

后端

LLM 不只靠模型:搭建可替换 Harness,并用 Scrapy 接入可靠网页数据

来源: realpython.com 27
在 LLM 应用里,模型当然重要,但真正决定开发流程能否稳定复用的,往往是模型外围的 harness(编排与运行框架)。它负责把提示词、工具调用、上下文、权限、重试、日志和人工确认组织成一个可观测的闭环。模型可以替换,流程不能靠临场发挥。 本期话题同时谈到 agentic 开发工作流、Scrapy 网页抓取和 Python 应用自托管。把它们放在一起看...

DjangoCon US 2026 芝加哥见:五天议程与会前准备指南

来源: djangoproject.com 39
DjangoCon US 2026 将于 8 月 24 日至 28 日在美国芝加哥举行。开发者、维护者、教育工作者和 Django 社区成员将在五天内集中交流:听取技术分享、参加动手教程、投入 Django sprint,并通过 Open Spaces 和非正式讨论建立长期联系。距离大会只剩一个月,准备工作不该只停留在购买门票和预订机票上。 大会提供了...

G# 把 Go、Kotlin 与 Swift 的语言体验带进 .NET,真正值得关注的是什么

来源: oschina.net 18
G#(GSharp)正在尝试解决一个长期存在的矛盾:开发者希望获得更简洁、更现代的语言体验,却不愿放弃 CLR、.NET 类库和现有工程资产。根据微软软件工程师 David Obando 的介绍,G# 的目标是一门现代、简单、易用的 .NET 编程语言,并从 Go、Kotlin 和 Swift 的设计理念中吸收经验。 现在公开信息仍然有限,因此不宜过早...

Jotai v2.20 重整 Store 内核:优化高频更新,并为 v3 铺路

来源: infoq.com 34
Jotai v2.20.0 的重点不是增加一批面向业务的新 API,而是重整 Store 的内部构建模块,修复此前出现的性能回退,并改善高吞吐场景下的执行效率。普通 React 应用可以继续使用熟悉的 atom、useAtom 和 Provider;真正需要仔细检查升级影响的,是封装 Jotai Store、扩展底层能力或向其他项目提供状态工具的库作者...

从 ReAct 循环到 Agent Harness:把模型行为变成可恢复的产品能力

来源: my.oschina.net 29
ReAct 解决了一个关键问题:让模型在“思考、行动、观察”的循环中调用工具并逐步完成任务。但当 Agent 进入真实产品,团队面对的不再只是模型能否完成任务,而是用户能否看见进度、暂停执行、确认高风险操作、从故障中恢复,并追溯每一步发生了什么。 这时,工程重心会从模型循环转向 Agent Harness。Harness 不是另一套推理方法,而是包围模...

Logback 1.6.0 升级指南:先清理废弃 API,再验证日志链路

来源: oschina.net 22
Logback 1.6.0 已正式发布。这个版本最值得升级者注意的变化,不是新增配置项,而是删除了部分已经弃用的变量、方法和类。对只通过 SLF4J 写日志的应用来说,升级可能相当平稳;但如果项目直接调用 Logback 内部 API、维护自定义 Appender,或者由框架间接引入多个日志实现,编译与启动阶段都可能暴露兼容性问题。 Logback 延...

Percona Operator for MongoDB 1.23.0:用 ClusterSync 迁移集群、向量检索与 PVC 快照备份

来源: percona.com 18
Percona Operator for MongoDB 1.23.0 的重点不只是创建 MongoDB 集群,而是让 Kubernetes 上的集群能够承担迁移、检索和恢复等生产职责。此次版本引入 ClusterSync,用于克隆运行中的源集群并持续消费变更流;同时带来语义向量搜索,以及基于 PVC 快照的备份能力。 这三项能力对应三个常见但成本很高...

Helion 接入 TPU:用同一套高层 Kernel DSL 走向 Pallas

来源: pytorch.org 30
ML Kernel 的性能工作,常常被两件事绑住:一是要理解底层硬件的执行模型,二是同一算法换到另一种加速器后,往往又要重写一遍实现。Helion 是面向 PyTorch 的高层 DSL,目标是让开发者以更高层的方式编写性能可移植的 Kernel。现在,Helion 与 Google 合作构建了 TPU 后端,可将 Helion Kernel 编译到 ...

用协作式时间切片填平 RL 流水线的 GPU 空窗

来源: cloud.google.com 33
大模型强化学习后训练并不总是缺 GPU,很多时候真正的问题是 GPU 已经分配,却在等待下一阶段。同步 RL 在 rollout 采样与梯度训练之间严格交替;异步 RL 虽然允许两者重叠,训练器仍可能因新鲜轨迹不足而停顿。llm-d 引入的协作式时间切片把这些阶段变成可调度单元,让多个独立 RL 作业共享同一组物理加速器。 初步基准显示,这种平台级复用...

让知识库先拆题再检索:Amazon Bedrock Agentic Retrieval 实战解析

来源: aws.amazon.com 37
传统 RAG 检索通常把用户问题编码成一个向量,再用它搜索知识库。这种方式处理单一事实问题很直接,但遇到包含多个约束、比较项或时间范围的复合问题时,一个查询向量很难同时准确表达所有意图。Amazon Bedrock Managed Knowledge Base 的 Agentic Retrieval 针对这一缺口,引入查询规划和流式执行,让检索过程能够...