标签

架构设计

用 SageMaker AI、VPC 端点和安全浏览器堵住机器学习环境的数据外流通道

来源: aws.amazon.com 53
机器学习环境最容易出现一个矛盾:数据科学家需要快速访问数据、Notebook、模型训练和实验工具;安全团队则要确保敏感数据不会被复制到个人电脑、外部网盘、公共 API 或不受控的网络出口。本文围绕一种三层架构展开:用 Amazon SageMaker AI 承载建模工作区,用 VPC 端点收紧网络路径,再用 Amazon WorkSpaces Secu...

用 Cognito JWT 把 Nakama 登录接到 AWS 身份体系

来源: aws.amazon.com 52
游戏客户端登录最怕两件事:把长期凭证塞进客户端,以及让游戏服务器重复造一套身份系统。这个方案的核心是“双令牌”:客户端先用 Amazon Cognito User Pool 通过 SRP 流程完成认证,拿到 Cognito JWT;Nakama 运行时再验证这个 JWT,把 Cognito 用户身份桥接成 Nakama session。这样客户端不需要...

GenPage:用生成式方法搭建个性化首页的工程想象

来源: netflixtechblog.com 49
Netflix 的首页不是一张静态海报墙,而是由推荐、排序、文案、视觉资产、实验策略和设备约束共同决定的产品界面。仅从“GenPage: Towards End-to-End Generative Homepage Construction at Netflix”这个标题看,GenPage 关注的不是单点推荐模型,而是把“首页构建”推进到端到端生成式流...

用 Rust 与 Typst 重建 PDF 生成链路:从秒级渲染到毫秒级文档基础设施

来源: infoq.com 53
在银行、制造业这类强监管行业里,PDF 不是“导出按钮”的附属品,而是合同、账单、审计记录和生产文档的最终形态。Erik Steiger 在分享中谈到的痛点很典型:传统 PDF 生成链路依赖 Puppeteer、LaTeX 这类重量级引擎,机器吃得多、冷启动慢、排障困难;一旦模板版本和业务数据对不上,合规团队很难回答“当时到底生成了什么”。 他的方向是...

Flipkart 用 LitmusChaos 给 Kubernetes 做混沌工程:大规模电商的可靠性实战

来源: cncf.io 48
印度最大电商平台 Flipkart 刚拿下 CNCF 终端用户案例研究大赛的奖项,核心看点只有一个:把 LitmusChaos 深度嵌入 Kubernetes 原生架构,在生产环境系统性注入故障,用可控的混乱换取真实的可靠性。这对任何跑在 K8s 上的业务都有直接参考价值。 大规模电商的流量峰值极端——大促期间秒级请求量可以翻几十倍。传统做法是压测 +...

用 MCP + Agentic AI 在代码审查中自动对齐安全需求与实现

来源: dropbox.tech 64
安全设计文档写得很完整,代码提交时却悄悄偏离——这是很多团队的真实痛点。威胁模型在 Confluence 里沉睡,PR 里的实现早已走了另一条路。Dropbox 近期公开了他们的做法:用 MCP(Model Context Protocol)把 Dash 内部的安全知识喂给 Agentic AI,让 AI 在代码审查阶段主动比对设计意图与实际代码,把"...

Dapr 1.18:给分布式工作流和 AI Agent 加上"不可伪造"的执行凭证

来源: cncf.io 48
云原生生态花了多年时间解决分布式系统的韧性问题——请求重试、故障恢复、工作流崩溃续跑,这些已经成了基础设施的标配。但一个更棘手的问题长期被搁置:你怎么证明一段执行确实发生了,而且没有被篡改? 当 AI Agent 自主调用外部 API、当工作流跨越多个服务编排长链路业务,"信任执行结果"变得和"保证执行不中断"一样重要。Dapr 1.18 引入的 Ve...

qKnow 智能体构建平台入选 Gitee GVP:开源智能体赛道的新信号

来源: oschina.net 53
Gitee 2026 年度最有价值开源项目(GVP)名单近日公布,江苏千桐科技自主研发的 qKnow 智能体构建平台入选。GVP 评选从技术先进性、社区活跃度、行业应用潜力三个维度综合评估,qKnow 的入选意味着国内开源社区对智能体构建工具链的认可正在从"概念验证"走向"工程可用"。 企业落地大模型,最常见的卡点不是模型本身,而是如何把模型能力封装成...

Snowflake + AWS Well-Architected 自定义 Lens:一次审查覆盖两层架构

来源: aws.amazon.com 56
过去在 AWS 上跑 Snowflake 的团队做架构审查,要翻两份文档——AWS Well-Architected Framework 的六大支柱和 Snowflake 自己的最佳实践指南,再人工拼凑出"这两个东西搭在一起到底该怎么配"。新发布的 Snowflake and AWS Custom Lens 把两套建议压进一次审查流程,给出的推荐直接反...

把领域专家的知识编码进系统:Spotify 数据助手背后的上下文层

来源: engineering.atspotify.com 53
在 Spotify,数据问题曾经有一个固定模式:先翻找相关仪表盘,再确认指标口径,然后找人核对——整个过程可能要跨 Slack、内部文档和好几个工具来回折腾。问题不是没有答案,而是答案散落在各处,需要一位"懂行的人"才能拼起来。 Spotify 的解法不是雇更多懂行的人,而是把这位领域专家的知识编码成一层上下文,喂给他们的数据助手(Data Assis...