标签

架构设计

把专家判断变成组织的“第二大脑”：Meta 的智能体架构思路

来源: infoq.com 30
Meta 讨论了一种比“文档检索机器人”更进一步的智能体：它不只是找到相关资料，而是尝试捕捉领域专家如何分析问题、应用规则、处理例外并给出结论。这个系统被称为组织的“第二大脑”，最初面向专业合规场景，但同样可以启发安全、金融、工程和采购等需要稳定决策逻辑的团队。 传统知识库问答通常围绕两个动作展开：把资料切成片段，再根据用户问题检索相关内容。这样的系统...
# AI # InfoQ # LLM
阅读全文

PostgreSQL 三十年架构取舍：进程、WAL、MVCC 与扩展边界

来源: postgr.es 35
PostgreSQL 能持续演进三十年，靠的并不是频繁推翻旧设计，而是几项长期有效的工程取舍：用独立进程降低并发代码的复杂度，用 WAL 把事务提交和数据页落盘解耦，用 MVCC 将清理工作移到后台，再通过扩展机制控制核心代码的体积。 Tom Lane 对这些设计的评价并非“旧架构永远正确”。更准确的说法是：它们曾经用可接受的成本换来了可靠性、可维护性...
# AI # Go # Kubernetes
阅读全文

Airtel 如何扛住 IPL 2026：用本地边缘节点和主动运维交付零缓冲直播

来源: cloud.google.com 27
对印度超级联赛（IPL）这样的超大规模体育赛事来说，直播体验没有“差不多就行”。观众会在决胜局同时涌入，任何丢包、卡顿或起播延迟都可能被放大成一次大规模故障。IPL 2026 期间，Airtel 与 Google Cloud 合作，通过 Media CDN、本地化边缘交付和比赛日主动监控，支撑了 74 场比赛的高并发视频分发。 整个赛季产生了数百 PB...
# AI # GCP # Go
阅读全文

Spanner DML 事务取消累计 Mutation 上限：大事务如何安全落地

来源: cloud.google.com 34
Google Cloud Spanner 现在为 DML 事务提供了更灵活的 Mutation 限制模型。过去，一个事务中所有 DML 语句产生的 mutation mods 会累计计算，并受到 80,000 的事务级上限约束；现在，这个上限改为逐条 DML 语句计算。 这意味着应用可以在一个 ACID 事务中组织更多 、 和 操作，而不必为了绕过累计...
# AI # GCP # Go
阅读全文

vim.async 走进 Neovim：用结构化并发收拢插件里的异步任务

来源: infoq.com 24
Neovim 在 Lua 标准库中加入 命名空间，引入结构化并发来管理异步工作流。它解决的不只是“怎样异步执行代码”，更关键的是任务由谁负责、错误传到哪里，以及一组并发操作何时才算真正结束。 对于需要调用外部进程、访问网络、扫描项目或并行加载数据的插件，这种统一模型有望减少悬空任务、遗漏错误和难以复现的竞态问题。 传统插件经常在多个位置启动定时器、进程...
# InfoQ # 全栈 # 架构设计
阅读全文

EasyGoAdmin v2.7.1 发布：一次以稳定性为核心的 GoFrame 后台框架升级

来源: oschina.net 31
EasyGoAdmin GoFrame+AntdVue 版本更新至 v2.7.1。本次发布的重点很明确：修复近期用户反馈的问题。它不是一次强调新功能的大版本迭代，更适合作为稳定性维护版本来评估和升级。 EasyGoAdmin 面向前后端分离的后台管理系统，技术栈包括 Go、GoFrame、Vue 3、Ant Design Vue 和 MySQL，并通过...
# Go # MySQL # Vue
阅读全文

在 SageMaker HyperPod 上扩展潜空间推理：解读 Pathway 的 BDH 架构

来源: aws.amazon.com 30
大语言模型通常把“思考过程”展开成一串 chain-of-thought（CoT）文本，而 Pathway 的 Baby Dragon Hatchling（BDH）选择了另一条路线：让推理发生在潜空间中，不必逐步输出推理 token。这种脑启发、后 Transformer 架构不仅改变了推理接口，也改变了训练、评测和基础设施优化的重点。Pathway ...
# AI # AWS # Go
阅读全文

让模型在潜空间里思考：Pathway 如何在 SageMaker HyperPod 上开发 BDH

来源: aws.amazon.com 20
大语言模型通常通过不断生成 token 来展开推理，而 Pathway 的 Baby Dragon Hatchling（BDH）选择了另一条路线：它是一种受大脑启发的后 Transformer 架构，在潜空间中进行推理，而不是把完整的思维链逐 token 输出。这个变化不仅影响模型结构，也会改变训练、扩展和成本评估的方式。 Pathway 在 Amaz...
# AI # AWS # Go
阅读全文

Kubernetes v1.37 工作负载感知调度：从 Pod 逐个排队到分层 Gang Scheduling

来源: kubernetes.io 41
AI 训练、分布式推理和复杂批处理任务很难用“每个 Pod 独立调度”的模型表达。一个包含 8 个 worker 和 1 个 driver 的训练任务，即使先启动了 3 个 worker，通常也无法产生有效进展，反而会长期占用 GPU、网络和 DRA 资源。 Kubernetes v1.37 继续推进 Workload-Aware Scheduling...
# AI # Go # Kubernetes
阅读全文