2026-07-14
来源: infoq.com
44
AI 可以迅速生成接口、测试和基础实现，让开发工作的前 80% 显得异常顺畅。真正危险的是剩下的 20%：隐含依赖、跨模块约束、历史决策和运行时边界往往要到集成阶段才暴露。此时，代码虽然增长很快，团队对系统的理解却没有同步增长。 解决方向不是单纯限制 AI 生成代码，而是把规格驱动开发（SDD）、测试驱动开发（TDD）和自动化架构适应度函数统一放进仓库...
2026-07-14
来源: netflixtechblog.com
40
当微服务数量从几十个增长到数千个，服务拓扑就不再是一张手工维护的架构图。它需要持续接收遥测数据，识别服务之间的调用关系，聚合海量边记录，并在故障排查时快速回答“谁在调用谁”“影响会扩散到哪里”。 来源仅提供了标题，没有给出具体实现细节。下面不推断原系统使用的组件，而是围绕大规模服务拓扑通常面对的架构问题，给出一套可以这样实践的参考方案。 服务拓扑可以抽...
2026-07-14
来源: kubernetes.io
29
Kubernetes 已经承载了越来越多的 AI/ML 工作负载：Notebook、分布式训练、超参数搜索、流水线和 Spark 作业最终都会落到 Pod、存储卷、调度器与自定义资源上。Kubeflow 用 CRD 描述这些能力，但面向数据科学家的专用控制台往往隐藏了底层 Kubernetes 状态。Headlamp Kubeflow 插件补上了这层视...
2026-07-14
来源: engineering.fb.com
44
在大规模广告投放系统中，几毫秒并不是可以忽略的噪声。请求往往要经过召回、排序、预算控制和竞价等多个阶段，调度延迟一旦出现在高分位，就可能直接影响广告服务的吞吐、超时率和业务效果。Meta 面临 Linux 内核升级可能引入延迟回退的问题时，选择了上游 Linux 的 ：一个基于 BPF 的可扩展调度框架，用它构建适合广告投放工作负载的调度策略。 广告服...
2026-07-14
来源: cloud.google.com
25
汽车软件架构正在从“每个 ECU 各管一摊”转向可发现、可组合、可持续演进的服务体系。AAOS SDV 负责把车内非安全关键能力抽象为服务，Nexus SDV 连接车辆与云端，Bigtable 承接高频遥测，Gemini 与 Agent Development Kit（ADK）则把数据分析推进到推理和行动阶段。真正的变化不只是车辆联网，而是让车辆成为能...
2026-07-14
来源: cloud.google.com
23
AI 供应链管理有一个长期盲区：构建系统知道团队计划部署什么，安全平台却未必知道集群此刻真正运行着什么。开发者直接部署的 vLLM、Triton、LangChain 或向量数据库，可能没有登记到资产台账，也可能绕过只扫描制品仓库的传统工具。 开源的 k8s-aibom 试图补上运行时这一层。它以非特权 Kubernetes 控制器运行，通过观察集群 A...
2026-07-14
来源: cloud.google.com
37
2026 年公共部门面临的安全问题，已经不再是如何守住一条清晰的网络边界，而是如何保护身份、终端、SaaS 集成、虚拟化管理面和运维人员之间不断变化的信任关系。基于 Mandiant 在 2025 年超过 50 万小时的一线事件调查，最新报告给出了一个尤其严峻的数字：初始访问经纪人建立立足点后，向勒索软件操作者交接的中位时间只有 22 秒。 这意味着，...
2026-07-13
来源: infoq.com
28
对话式购物助手很容易做出一个演示：把商品列表塞进提示词，再让大模型生成推荐。但进入真实交易链路后，价格是否仍然有效、商品能否配送、用户是否过敏、购物车里已有何物，都不能靠模型猜测。 DoorDash 在介绍 Ask DoorDash 时，强调的正是这种工程边界：LLM 负责理解和表达，专用 AI Agent 负责拆解任务，MCP 工具连接实时后端，智能...
2026-07-13
来源: infoq.com
31
一个购物助手能说出流畅的话，并不等于它能把商品选对、库存查准、购物车改对。DoorDash 介绍的 Ask DoorDash 把大模型放在系统的一部分，而不是让它独自承担整个购物流程：LLM 负责理解与表达，专用 AI Agent 负责拆解任务，MCP 工具连接业务能力，智能层则结合持久化消费者记忆和实时后端数据作出决策。 这种设计带来的价值最终落在业...
2026-07-13
来源: postgr.es
26
PostgresEDI 2026 年 7 月聚会安排了两个看似相距很远的话题：内向的工程师如何走上讲台，以及如何用 PostgreSQL 和 pgvector 构建面向监管场景的 AI 检索系统。两场分享其实都在回答同一个问题：如何让技术工作经得起公开检验。前者要求工程师清楚表达自己的判断，后者要求系统留下足以复现判断过程的证据。 Redgate 的 ...