来源: aws.amazon.com
42
大规模灾难恢复的难点，不只是把流量切到备用区域，而是在高压环境下同时保证决策正确、操作可控、过程可追溯。Intuit 构建的 EWOK Agent 展示了一种实践方向：值班工程师用自然语言提出生产故障转移请求，智能体负责理解意图和协调执行，同时让每一步操作保持可审计、符合策略并具备安全边界。 这类系统的关键不是让大模型直接操作生产环境，而是把它放在受约...
来源: cloud.google.com
39
数据库迁移真正棘手的部分，往往不是把历史数据复制到新库，而是在生产服务持续处理请求时，让新旧存储长期保持一致。Google 财务工程团队在迁移到 Spanner 时，需要为 30 多个 DAO 补齐转换器、双写分支、错误处理和单元测试。逐个手工修改不仅耗时，还容易在时间戳、空值和字段映射上产生细微偏差。 他们采用的办法，是先把迁移模式标准化，再通过 A...
来源: cloud.google.com
39
把大语言模型从实验环境搬到生产系统后，模型参数量并不能单独决定吞吐和成本。同一套 TPU、同一个服务框架，面对“长输入、短输出”的分类请求和“短输入、长输出”的生成请求，可能呈现完全不同的扩展曲线。 这组测试在 Google Cloud TPU v6e 上运行 Gemma 3 12B 与 27B，使用 GKE Autopilot、单主机 2×2 TPU...
来源: oschina.net
31
OOMOL Lab 开源的 Open Flow，把 AI Agent 从工作流里的“文本生成节点”提升为工作流的直接参与者。开发者可以通过可视化 Workbench、命令行接口和自托管运行时，让 ChatGPT/Codex、Claude Code、Qoder 等智能体参与节点创建、流程编排与执行。 这项变化的重点不只是“用自然语言画流程”，而是让 Ag...
来源: oschina.net
48
对一款以终端为主要工作台的 AI Agent 来说，能力覆盖面只是起点，交互是否稳定、信息是否可见、自动化是否可控，决定了它能否真正进入日常流程。covo-agent v0.1.1 将重点放在 TUI 体验上：此前遗留的界面面板被接通，终端界面更完整，同时修复了部分交互问题。 covo-agent 是一个用 Go 编写、以 AGPL-3.0 协议开源的...
来源: nextjs.org
48
Next.js 团队在一个月内关闭了 1,500 个 GitHub Issue。真正值得关注的并不是关闭按钮按了多少次，而是他们让 Agent 研究历史报告、整理证据，再推进积压问题。对于维护时间较长的开源项目，这类工作往往比编写新功能更消耗注意力。 公开摘要没有披露具体模型、提示词和自动化规则，因此下面不会猜测 Next.js 的内部实现，而是给出一...
来源: oschina.net
52
Ted Nelson 在 1960 年代提出 Xanadu 时，想象的不是今天这种靠 URL 跳转、页面会消失的 Web，而是一个永不删除、永不覆盖、每段内容都能追溯来源与归属的文档宇宙。这个愿景影响深远，却始终没有成为日常软件基础设施。Zed 创始人 Nathan Sobo 的判断是：Xanadu 长期缺少的不是存储能力，而是能够持续理解、组织、比较...
来源: infoq.com
42
LLM 应用的系统提示正在变得越来越长：行为规则、品牌语气、安全边界、工具说明和输出格式常常占据数千个 token。Shopify 工程团队介绍的 gisting 技术，试图把这段固定但昂贵的上下文压缩成少量经过学习的“gist token”，从而减少推理时需要处理的输入，提高吞吐量并降低成本。 常规提示压缩通常生成一段更短的自然语言，例如把十页规则改...
来源: infoq.com
42
在大模型应用中，系统提示词往往会随着规则、工具说明、安全策略和业务上下文不断增长。即使这些内容在每次请求中完全相同，模型仍然需要反复处理它们。Shopify 工程团队介绍的 gisting 技术提供了另一条路径：将长提示词压缩到一小组经过学习的“gist token”中，以减少推理阶段的输入长度，提升吞吐量并降低成本。 它不是简单地把文字改写得更短，而...
来源: docker.com
45
YOLO mode 让 AI Agent 在执行命令、修改文件或调用外部服务时不再逐次请求许可。它能明显减少交互中断，但也会把“错误建议”升级成“已经发生的操作”。真正的问题不是 Agent 能否自主运行，而是它获得了哪些权限、影响范围有多大，以及失败后能否恢复。 普通 Agent 工作流通常把高风险动作停在审批点，例如执行 shell 命令、删除文件...