标签

LLM

用 Strands 搭建智能研究助手：从想法到可运行的 AI 应用

来源: aws.amazon.com 69
把一个"让 AI 帮我查资料、整理摘要"的想法落地，听起来简单——调几个 API、拼几段 prompt 就行。但真正动手时你会发现：多轮对话的状态管理、工具调用的编排、错误重试、上下文窗口控制……每一项都能把一个周末项目拖成几个月的工程。Strands 的思路是：把这些重复的基建工作收进框架层，让开发者把精力放在"我的助手要做什么"而不是"怎么把 AP...
# AI # AWS # LLM
阅读全文

PGConf.dev 2026：Postgres 集群拓扑、物理读观测与排序的三道未解题

来源: postgr.es 56
刚从温哥华回来，PGConf.dev 2026 的技术讨论密度远超预期。Jeremy Schneider 在会后总结中梳理了几条真正触及 Postgres 设计短板的线索——不是"新功能很酷"那种，而是"我们一直假装没问题但其实有结构性缺口"那种。下面挑三条最值得生产环境用户关注的展开。 物理复制做高可用，已经是 Postgres 用户最主流的方案。但...
# AI # Docker # Go
阅读全文

用 Python MCP Server 把大模型接上你的真实数据

来源: realpython.com 66
大模型能写代码、能聊天，但一到"查公司内部数据库""读项目私有文档"就卡壳——它根本看不到你的数据。MCP（Model Context Protocol）就是解决这个断层的协议：你写一个 MCP Server，把数据暴露成 工具、资源、提示词 三类能力，AI 客户端（Cursor、Claude Desktop 等）就能像调用本地函数一样直接操作你的数据...
# AI # LLM # Python
阅读全文

当 AI 编码代理成为「不可信工作负载」，隔离边界该怎么画？

来源: docker.com 48
今年早些时候，有人用 Claude Code 把整个博客迁移到 Astro——146 篇文章、6024 张图片、Canonical URL、JSON-LD、Sitemap，全套重写。他花了好几个小时写一份 skills 文件，教代理理解博客架构、部署流程、哪些文件绝对不能碰。结果确实跑通了：组件重写、Bug 修复、批量迁移，全由代理完成。 但这个故事的...
# AI # Docker # LLM
阅读全文

用 Python MCP Server 把 LLM 接上你的真实数据

来源: realpython.com 52
大模型能聊天，但聊不了你的数据库、内部 API 和本地文件——直到 MCP（Model Context Protocol）出现。MCP 是 Anthropic 掐出的开放协议，定义了 LLM 如何与外部数据源和工具对接。对 Python 开发者来说，写一个 MCP Server 比想象中简单：几行代码就能让 Claude 或其他兼容客户端直接调用你定义...
# AI # LLM # Python
阅读全文

Python 数据采集与存储：CSV、JSON、SQL 实战速查

来源: realpython.com 54
日常开发中，数据不会凭空出现——要么从文件读入，要么从数据库查询。CSV、JSON 和 SQL 是 Python 数据处理的三条主干道，掌握它们的读写细节，能避免大量低级错误和性能坑。 下面按格式逐一梳理关键操作，附带可直接运行的代码。 CSV 看起来简单，实际暗藏陷阱：编码问题、逗号出现在字段内部、换行符不一致。Python 标准库 模块已经处理了大...
# AI # LLM # Python
阅读全文

给 PostgreSQL 的 EXPLAIN 输出做一次"瘦身"

来源: postgr.es 49
排查慢查询时，你跑了一条 ，终端瞬间吐出几十行密密麻麻的文本——内存分配、缓冲区命中、工作进程数、小数点后三位的行数估算……你真正关心的不过是：为什么这里走了 HashJoin 而不是 NestLoop？但所有噪声把关键信息淹没了。 Andrei Lepikhov 在阅读 Jimmy Angelakos 的《PostgreSQL Mistakes an...
# AI # Go # LLM
阅读全文

Windows 的下一个形态：从操作系统到 Agentic OS

来源: oschina.net 61
微软执行副总裁 Yusuf Mehdi 在内部备忘录中确认，他将于 2027 年 6 月离职，结束长达 35 年的微软生涯。但离职前的最后一年，他给自己定了一个硬任务：把 Windows 从传统操作系统推进到 Agentic OS——一个由 AI Agent 驱动、以 Copilot 为统一入口的智能平台。从 Windows 3.1 到 Copilot...
# AI # LLM # 全栈
阅读全文

企业 AI 的真正瓶颈不在模型，而在语义基础设施

来源: postgr.es 104
过去两年，AI 行业的叙事重心几乎全在模型：哪个 LLM 参数更多、哪个向量数据库更快、哪个编排框架更灵活。但组织真正把 AI 推向生产环境时，撞上的墙往往不是模型能力不足——而是企业数据缺乏机器可读的意义。模型能生成流畅的语言，却无法判断 "active" 在 CRM 里指"可登录"还是在合规系统里指"受监控"，更无法自动知道哪张表是权威来源、哪个字...
# AI # Go # LLM
阅读全文