标签

LLM

Snowflake Postgres 就是社区版 Postgres——一个关于 Table Access Methods 的误读与澄清

来源:postgr.es 31
Christophe Pettus 最近发了一篇更正声明:他此前在周三的文章中声称 Snowflake Postgres 是一个带有私有存储层的 fork,这个说法是错的。事实是——Snowflake Postgres 就是社区版 Postgres,没有魔改存储引擎,没有私有 fork。 这个更正看似只是事实层面的修补,但它背后牵出的技术话题值得深挖:...

AWS MCP Server 正式 GA:给 AI 编码代理一把有权限边界的钥匙

来源:infoq.com 34
AI 编码代理正在从"能写代码"走向"能操作基础设施"——但直接把 AWS 凭证塞给代理,等于把整栋楼的钥匙交给一个实习生。AWS 的 Model Context Protocol(MCP)服务器现在正式 GA,它做的事情很明确:用标准接口把 AWS API、文档和运维流程暴露给代理,同时用 IAM 做细粒度权限管控,每一步操作可审计。 MCP 是 A...

MySQL HeatWave 数据库日常维护:别只顾扩容,先做好"家务"

来源:blogs.oracle.com 23
业务在涨,数据在涨,团队的第一反应往往是——加节点、扩存储。但 MySQL HeatWave 环境里最容易被忽视的问题,恰恰不是资源不够,而是"家务没做"。长期不清理的冗余数据、过期的二进制日志、膨胀的临时表空间,会悄悄拖慢备份、放大复制延迟、拉低查询性能,最后账单也跟着涨。 这篇文章把 HeatWave 里最值得定期执行的几项维护操作梳理出来,并给出...

EDA 上云的存储瓶颈终于有了正经解法:Azure NetApp Files 实战指南

来源:azure.microsoft.com 22
芯片设计(EDA)上云这件事,算力早就不是最大障碍——几千核的仿真任务往 AKS 里一扔就能跑起来。真正卡脖子的是存储:一个 SoC 验证流程动辄几十万并发 I/O,随机读密集、文件数以百万计,传统云盘要么吞吐不够要么延迟抖动,跑完一轮仿真比本地 NFS 慢两三倍,设计师自然不愿意迁。 Azure NetApp Files(ANF)最近拿出了独立基准测...

InfoQ 推出 AI 工程认证:生产级 AI 系统从业者该关注什么

来源:infoq.com 32
生产环境中跑大模型应用的人,最近几年都有一个共同感受——从 demo 到上线之间有一道巨大的沟。RAG 检索不准、agent 行为不可控、评估体系缺失、上线后延迟和成本飙升……这些问题不是靠换一个模型就能解决的。InfoQ 刚上线了一个为期五周的在线 AI Engineering 认证项目,面向已经在生产系统里做 AI 的资深从业者,覆盖 RAG、ag...

Cloudflare 用自建容器重写 Browser Run,拼完六层 Agent 基础设施

来源:infoq.com 20
Cloudflare 刚把 Browser Run 从第三方托管迁移到自家 Containers 平台上跑,并发能力翻了 4 倍、响应时间砍掉一半。这件事本身是个性能升级,但更值得注意的是——它把 Cloudflare 的 Agent 基础设施拼到了第六层,从计算到交易,一条链路全部收在边缘网络里。 Browser Run 是 Cloudflare 给...

Cloudflare 用自建容器重写 Browser Run,拼完六层 Agent 基础设施的最后一块

来源:infoq.com 18
Cloudflare 的 Browser Rendering 一直是开发者做网页抓取、自动化测试时的热门选择,但底层跑的是第三方托管方案,并发和延迟都有天花板。最近 Cloudflare 把整个 Browser Run 搬到了自家 Containers 平台上,并发能力翻了 4 倍、响应速度快了 50%。更重要的是,这一步把 Cloudflare 的 ...

用 Solon AI 搭建 MCP 工具服务:给 Agent 接上"手脚"

来源:oschina.net 28
AI Agent 能聊天、能推理,但一旦要查天气、搜文档、调内部 API,它就卡住了——模型本身没有"动手"的能力。MCP(Model Context Protocol)就是解决这个问题的标准化协议:Anthropic 提出它,目标很明确——让任何 Agent 都能用统一的方式调用外部工具,就像 USB Type-C 让所有设备共用一根线。 Solon...

企业 AI 应用平台,为什么不能只靠「套一层 API」

来源:oschina.net 36
过去两年,很多团队的 AI 落地路径几乎一模一样:部署一套 Dify 或 FastGPT,配个知识库,挂几个大模型 API,搭个对话界面——两周就能跑起来。但跑起来之后呢?知识库更新要手动同步、业务审批流没法接入、和现有 ERP/CRM 的数据打通全靠硬编码胶水层。平台和业务系统之间始终隔着一道墙。 JEECG AI 应用平台试图换一个思路:不做独立的...