标签

InfoQ

Instacart 如何用配置驱动的多租户平台扩展个性化营销

来源: infoq.com 32
个性化营销最怕两件事:每个零售商都要定制一套逻辑,以及活动配置上线慢到错过窗口。Instacart 在 Storefront Pro 上重构个性化营销系统,把过去按零售商拆开的实现,收敛成一个配置驱动的多租户平台:共享执行引擎负责跑活动,零售商差异通过配置表达,配置传播控制在一分钟以内,并在数百个零售 banner 上达到 99.9% 的投递成功率。 ...

HeroUI v3:从 NextUI 到 Tailwind CSS v4 时代的 React 组件库重写

来源: infoq.com 39
HeroUI v3 不是一次普通改名。这个原名 NextUI 的 React 组件库,在 v3 中做了从底层开始的重写:组件体系扩展到 75 个以上,其中包含 21 个新组件;同时新增 React Native 组件库,提供 37 个组件。它的技术基座也很明确:React Aria 负责可访问性语义,Tailwind CSS v4 负责样式与定制能力。...

把 AI 编程代理放进生产环境前,先拆开 ReAct 循环

来源: infoq.com 32
AI 加速开发已经从“补全代码”走到了“代理自己规划、调用工具、修改系统”的阶段。生产环境里的自主 AI 代理不只是一个聊天框,它会读上下文、推理下一步、执行工具调用。Sriram Madapusi Vasudevan 讨论的重点正是这里:可信生产力不是让代理更大胆,而是让它在可控边界内更可靠。 很多 AI agent 使用类似 ReAct 的循环:观...

Elastic 开源 Atlas:给 AI Agent 接上可检索的长期记忆

来源: infoq.com 36
Agent 真正难用的地方,往往不是一次回答不够聪明,而是下一次又把上下文忘干净。Elastic 开源的 Atlas 试图解决这个问题:它基于 Elasticsearch 构建,为 Agent 维护三类记忆,并通过 MCP 接入现有 Agent,同时支持按用户隔离记忆。在问答能力评估中,Atlas 达到了 0.89 的 Recall@10,这说明它在“...

AWS Lambda MicroVMs:给每个 Agent 一台隔离的 Firecracker 小虚机

来源: infoq.com 24
AWS 推出了 Lambda MicroVMs,这不是又一个普通的函数运行时,而是一个面向“每个用户会话、每个 AI Agent 都需要独立沙箱”的 serverless 计算原语。它把执行单元放进独立的 Firecracker 虚拟机里,强调硬件级隔离、基于快照的快速启动,以及最长 8 小时的状态保留。 这件事之所以值得关注,是因为 AI Agent...

Java 实时系统的事件驱动扩展:Kafka 背后的生产级取舍

来源: infoq.com 26
事件驱动架构很容易被描述成“天然可扩展”:生产者写事件,消费者水平扩容,Kafka 扛住吞吐。但在 Java 实时系统里,真正棘手的问题往往不是消息能不能进队列,而是状态放哪里、分区怎么切、重复事件如何处理、JVM 抖动会不会拖垮实时链路。 这篇文章基于一个 Java/Kafka 联络中心平台的经验展开:系统需要支撑约 80k BHCC(busy ho...

Eliya 25:把生产诊断前移到 JVM 发行版层

来源: infoq.com 42
Asymm Systems 发布了 Eliya 25.0.3,这是一个面向 OpenJDK 25 LTS 的发行版。它的重点不是换一套 Java 语法,也不是给应用框架加插件,而是把若干 HotSpot 诊断能力收拢到一个可选择启用的 Production profile 中,让生产环境里的 Java 问题更容易留下可靠证据。 这件事对线上 Java ...

用 LLM 给营销活动找“历史相似项”:Target 的语义匹配思路

来源: infoq.com 34
营销预测里有一个很现实的问题:新活动还没上线,怎么估计它可能带来的表现?Target 的做法是把“找相似历史活动”这件事从规则表和人工判断,升级成基于 embedding、向量检索和 LLM 排序的语义匹配系统。它不是让大模型直接拍脑袋预测结果,而是先把历史案例找准,再把这些案例喂给后续预测流程。 传统营销活动匹配通常依赖人工维护的规则:渠道相同、品类...