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...
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 ...
很多团队一提到"数据架构",就打开绘图工具画几张 ER 图,然后觉得任务完成了。实际上,从业务系统研发的视角看,数据架构要解决的问题远不止表结构设计——它决定了数据怎么产生、怎么流转、怎么存储、怎么被消费,以及当业务规模翻倍时,系统还能不能扛住。 本文聚焦业务系统研发视角的数据架构。如果站在数据平台的角度,数据架构还会涉及数据标准、数据质量等更广泛的治...