标签

架构设计

从原型到治理：用 Gemini Enterprise Agent Platform 构建企业级智能体

来源: cloud.google.com 35
Gemini Enterprise Agent Platform 展示的 13 个动手演示，不只是 13 个彼此独立的样例，而是一条完整的工程路径：用 ADK 编写智能体，通过 MCP 和 A2A 接入工具与其他智能体，部署到托管运行时，再补齐持久状态、安全治理、可观测性和持续评估。 真正值得关注的变化，是智能体开发开始从“写一个能回答问题的提示词”转...
# AI # GCP # Go
阅读全文

Google Cloud 近期更新解读：AI Agent 正从原型走向可治理的生产系统

来源: cloud.google.com 43
Google Cloud 近期发布的信息覆盖 Cloud Run、Apigee、MCP、TPU、GKE、Firestore 和成本管理，但主线相当清晰：企业关注点已经从“模型能否完成任务”转向“Agent 能否被隔离、观测、治理并稳定扩缩容”。这意味着 AI 应用不再只是一个调用模型的 Web 服务，而是一套包含提示词构建、工具授权、代码沙箱、流量治理...
# AI # AWS # Azure
阅读全文

可信智能体 AI 不必重造基础设施：云原生正在成为它的运行底座

来源: infoq.com 42
智能体 AI 带来的变化不只是模型更强，而是软件开始自主调用 API、操作数据并持续执行多步任务。CNCF 发布的技术分析提出了一个务实判断：支撑这类系统的关键能力，不必从零发明；现代分布式应用已经使用的云原生生态，可以继续承担调度、隔离、可观测性、安全策略和故障恢复等职责。 一个生产级智能体通常包含模型推理、工具调用、状态存储、任务队列和外部服务访问...
# AI # InfoQ # LLM
阅读全文

Kimi K3 的真正门槛：3 万亿级 MoE、百万上下文与开放权重之后

来源: oschina.net 35
月之暗面在 7 月 17 日发布 Kimi K3。按照公布信息，这个模型拥有 2.8 万亿总参数，采用 MoE 架构，在 896 个 expert 中每次激活 16 个，支持 100 万 token 上下文和原生多模态，并计划在 7 月 27 日前开放完整权重。数字足够醒目，但对开发者而言，更重要的问题是：它需要多少基础设施、能否稳定完成真实任务，以及...
# AI # 全栈 # 开源
阅读全文

X-Kernel 首个里程碑版本：Rust 可信内核从原型走向持续工程化

来源: oschina.net 48
openKylin XTeeOS SIG 推出的 X-Kernel v0.1.0-2606，是项目首个里程碑版本。它的重要性不只在于增加了多少内核功能，更在于围绕 Rust 安全可信内核建立了一条工程基线：代码能够持续维护，能力能够持续验证，版本能够持续发布。 对于内核项目而言，这条基线决定了系统能否从实验原型走向真实负载。多架构支持、任务与进程管理等...
# Rust # 全栈 # 可观测性
阅读全文

Spock 6 Beta：把多主复制的进度、冲突与故障恢复拉回 PostgreSQL 内核轨道

来源: postgr.es 42
Spock 6 已进入 Beta，支持 PostgreSQL 16、17、18 和 19。与其说这是一次功能堆叠，不如说它重新整理了多主复制最危险的几条路径：复制进度不再依赖高频目录表写入，超大异常事务可以落盘，节点灾难后能够定位数据分歧，冲突与延迟也有了更直接的统计入口。 对于已经运行 Spock 5 的团队，升级价值主要不在“能否复制”，而在高负载...
# AI # Docker # Go
阅读全文

AI 攻防进入秒级时代：防守方如何用深度上下文夺回主动权

来源: cloud.google.com 25
AI 正在同时提高攻击和防御的自动化水平。攻击者可以用多模型生成钓鱼内容、构造深度伪造、寻找零日漏洞，并让多个代理在数十秒内完成攻击阶段交接。防守方真正可持续的优势，却不是拥有更多模型，而是掌握攻击者进入企业环境后仍然缺少的深度上下文：资产在哪里、服务如何通信、身份属于谁、代码由哪个团队维护，以及某个漏洞是否真的能够抵达关键数据。 这意味着安全团队不能...
# AI # GCP # Go
阅读全文

十支 AI 剧组拍完短片后，暴露了多智能体协作的真正难点

来源: cloud.google.com 22
让多个 AI 智能体共同完成一部短片，难点并不只是生成图片、视频和配音。真正棘手的是：任务跨越多个阶段，产物格式各异，智能体会崩溃、遗忘，甚至会把一个 94 字节的占位文件当成已经完成的影片。 在一次生成式媒体黑客松中，十支 AI 剧组各自配置了三名角色明确的智能体，并运行在开源多智能体编排试验平台 Scion 中。整个项目累计创建了数百个智能体实例，...
# AI # GCP # Go
阅读全文

用 %%bqsql 串起 BigQuery 与 Python：在一个 Notebook 里完成混合数据流水线

来源: cloud.google.com 41
数据分析经常在两种语言之间来回切换：SQL 适合连接、聚合、窗口计算和大规模扫描，Python 则拥有成熟的可视化、统计建模与机器学习生态。过去，把两者放进同一个 Notebook，往往意味着手动下载查询结果、上传临时表，并维护两套中间数据。BigQuery DataFrames 提供的 IPython cell magic，把这些交接动作收进了 No...
# AI # GCP # Go
阅读全文

把基础模型升级从数月压缩到数小时：评测器、智能体循环与提示词爬山

来源: cloud.google.com 41
基础模型升级很少是一次简单的模型名称替换。即使只是在同一模型家族内切换检查点，工程团队也要重新验证质量、延迟、成本和边界案例。模型演进速度越来越快，如果每次升级都依赖人工逐条检查，迁移周期很容易从几周拖到几个月。 Google Cloud Applied ML 团队给出的核心思路，是把模型迁移重新定义为一个可评测、可搜索、可追踪的智能体工作流。其内部实...
# AI # GCP # Go
阅读全文