标签

架构设计

用 Amazon EKS 跑地质岩芯识别模型：ALS LITHOLENS 的工程实践

来源: aws.amazon.com 68
地质岩芯编录（core logging）是矿产勘探中最耗人力的环节之一——地质师需要逐段观察钻探取出的岩芯，记录岩性、结构、矿物含量，一条钻孔往往产生数百米样本，全靠肉眼和经验判断。ALS GeoAnalytics 的 LITHOLENS™ 把这件事交给机器学习：对岩芯高分辨率图像做自动识别与分类，大幅压缩编录时间，同时让结果更可复现。 但模型从实验室...
# AI # AWS # Kubernetes
阅读全文

用异步帧生成流水线把 GPU 利用率从 82% 拉到 99.9%——视频推理加速实战

来源: aws.amazon.com 55
视频生成模型推理有一个老问题：VAE 解码器逐帧吐出画面，每帧都要从 GPU 搬到 CPU 做后处理（编码、封装），GPU 在等数据搬运完成的那段时间几乎是空转。Synthesia 与 AWS 合作在 EC2 G7e 实例上验证了一种叫 Asynchronous Frame Generation Pipeline 的方案，把 GPU 计算、设备到主机（...
# AI # AWS # 云平台
阅读全文

PostgreSQL 为什么成了 AI 应用的默认数据库

来源: postgr.es 67
越来越多的 AI 产品在技术栈里选了 PostgreSQL——不是因为它重新包装成"AI 数据库"，而是因为它本来就是团队最熟悉、最可靠的那层基础设施。Supabase 的普及加速了这一趋势：每次创建 Supabase 项目，底层就是一个 PostgreSQL 实例。主流 AI 框架对 PostgreSQL 和 pgvector 的直接支持，让向量检索...
# AI # Go # LLM
阅读全文

Akka 2.10.18：十三年老牌 Actor 框架的又一次稳稳推进

来源: oschina.net 55
JVM 上做并发和分布式，Akka 几乎是绕不开的名字。从 2009 年第一个版本发布至今，这个受 Erlang 启发的 Scala 库已经持续维护了十三年。最近发布的 2.10.18 是一个典型的补丁版本——改动不大，但每一处都指向生产环境的稳定性。 2.10.18 的变更集中在两个方向： 依赖升级——Config 库从旧版本 bump 到 1.4....
# AI # 全栈 # 开源
阅读全文

古文字 OCR 终于有了统一考场：Chronicles-OCR 开源评测基准解析

来源: oschina.net 54
做现代汉字 OCR，随便拉一个开源模型就能跑出 95% 以上的准确率。但把同样的模型扔到甲骨文拓片上，识别率直接跌到不可用的程度——字形变异大、样本稀缺、标注门槛极高，古文字 OCR 长期处于"各家自建小数据集、互相无法对比"的碎片状态。Chronicles-OCR 的出现，第一次给这个领域搭了一个统一的考场。 Chronicles-OCR 最核心的卖...
# 全栈 # 开源 # 开源中国
阅读全文

用 AI Agent 把 Crash 分析从"人工排雷"变成"自动诊断"

来源: my.oschina.net 47
一线开发者对这套流程再熟悉不过：Crash 看板飘红 → 打开堆栈 → 看一眼觉得像内存问题 → 找对应模块负责人 → 对方说"我看看"→ 半天后回复"是第三方 SDK 的锅"→ 再拉 SDK 方排查 → 一轮下来半天没了。如果 Crash 量级大、版本多，专家基本被钉死在排查上，新功能迭代自然减速。 这篇文章讲的是：把这套依赖人的排查流程，交给一个结...
# AI # LLM # 全栈
阅读全文

当 AI 需要长期记忆：为什么 PostgreSQL 正在成为企业记忆基础设施

来源: postgr.es 65
当前的 AI 基础设施讨论几乎被模型、GPU、推理速度和向量数据库占据。这些组件确实重要，但它们掩盖了一个更深的架构问题——随着企业从 AI 实验走向运营系统，这个问题正在快速浮现：记忆。 不是简单存储聊天记录或 embedding 的那种记忆，而是跨长时间交互中维持持久上下文、操作连续性、历史理解、工作流状态、推理可追溯性和业务感知的能力。大多数 A...
# AI # Go # LLM
阅读全文

用实时学习排序重建搜索补全：Swiggy 在 OpenSearch 上的工程实践

来源: infoq.com 58
搜索补全（autocomplete）是外卖平台最敏感的交互环节——用户每敲一个字，系统就得在几十毫秒内返回最相关的建议。传统做法靠人工规则排序，规则越堆越难维护，效果也容易停滞。Swiggy 最近分享了他们在 OpenSearch 上搭建的实时 ML 排序系统：把候选生成和排序解耦，引入特征仓库供给实时信号，用学习排序（LTR）模型替代启发式规则，同时...
# AI # InfoQ # 全栈
阅读全文

用 LLM Eval 做实验：漏斗而非一刀切

来源: engineering.atspotify.com 67
Spotify 工程团队最近分享了一个关于 LLM Eval 实验设计的核心观点：把 LLM 评估当成漏斗，而不是一刀切的闸门。 这句话看似简单，但背后指向的是很多团队在用 LLM 做自动评估时踩的坑——把 eval 当成 binary pass/fail 的裁判，结果要么放过了坏输出，要么误杀了好输出。 很多团队拿到 LLM eval 的第一反应是：...
# AI # LLM # Spotify
阅读全文

Anthropic 发布托管 Agent、主动式工作流与能力阶梯曲线——Code with Claude 2026 要点与实践

来源: infoq.com 52
Anthropic 在旧金山举办的 "Code with Claude 2026" 活动上，一口气抛出三个方向性更新：托管 Agent 让开发者不再自己搭基础设施跑长任务；主动式工作流让 Claude 从"等指令"变成"推进度"；能力阶梯曲线则试图把模型升级从模糊的"更强了"变成可预期的工程参数。GitHub、Vercel 和一批 AI-native ...
# AI # InfoQ # LLM
阅读全文