标签

LLM

用 Amazon Bedrock AgentCore 搭一个 AWS 支持助手

来源: aws.amazon.com 38
AWS 支持排障经常卡在几个系统之间：CloudWatch 里看日志，文档站里查限制和配置，re:Post 里找相似案例，必要时再去创建 Support Case。这个方案把这些动作收进一个对话入口：用 Amazon Bedrock AgentCore 承载智能体，用 Strands Agents 做编排，通过 Model Context Protoc...
# AI # AWS # LLM
阅读全文

AWS 财务团队如何用 Amazon Quick 把重复流程交给聊天代理

来源: aws.amazon.com 29
AWS Finance 的案例值得关注，不是因为“又多了一个聊天框”，而是因为它把财务团队最耗时的两类工作流交给了 Amazon Quick 里的 chat agents 和 Flows：前者负责对话式收集、解释和推进任务，后者把多步骤流程固化成可重复执行的路径。对财务团队来说，节省数百小时通常不是来自一次大重构，而是来自把每天反复发生的查找、核对、转...
# AI # AWS # LLM
阅读全文

把 Hugging Face 模型放到 Foundry 托管计算上运行

来源: huggingface.co 39
“Hugging Face Models on Foundry Managed Compute”这个标题指向一个很实际的工程问题：模型已经在 Hugging Face 生态里，团队希望把运行环境交给 Foundry 的托管计算来承接，而不是自己维护 GPU 节点、镜像滚动、健康检查和扩缩容细节。 因为来源摘要为空，下面不把任何具体 API 说成官方事实...
# AI # Hugging Face # LLM
阅读全文

Django 6.0.7 与 5.2.16 安全更新：缓存 Cookie、GDALRaster 与域名校验的三个低危坑

来源: djangoproject.com 42
Django 发布了 6.0.7 和 5.2.16 两个安全版本，修复三类低危问题：共享缓存可能保存带敏感 的响应、 处理 bytes 栅格时可能越界读取、 曾接受带换行的域名输入。单看评级都是 low，但它们都落在 Web 服务里很容易被忽略的边角：缓存、二进制解析、HTTP 头边界。 受影响的受支持分支包括 Django main、6.1 beta...
# AI # Django # Go
阅读全文

AWS DevOps Agent 加入 AI 发布管理：让代码进生产前先过一遍“自动审查”

来源: infoq.com 43
AWS 扩展了 AWS DevOps Agent，新增面向发布管理的能力：在代码进入生产环境之前，评估代码变更，并自主执行软件测试。这件事的重点不只是“又多了一个 AI 助手”，而是发布流程里最容易靠经验、手工检查和临时会议兜底的环节，开始被更系统地自动化。 传统 CI/CD 管道擅长做确定性工作：拉代码、跑测试、构建镜像、发布到环境。它的问题也很明显...
# AI # AWS # InfoQ
阅读全文

给 AI Agent 上沙箱还不够：还要管工具、网络和数据边界

来源: cncf.io 32
Agentic AI 的工程实践正在快速变化。沙箱项目能把 Agent 放进隔离环境里运行，限制文件系统、进程、网络和系统调用，这是必要的第一道门。但如果 Agent 能拿到敏感凭据、能访问内网服务、能把中间结果发到外部工具，单靠沙箱并不能构成完整安全边界。 像 agent-sandbox 这类项目的价值在于：它把容器、权限隔离、临时文件系统等基础设施...
# AI # CNCF # Go
阅读全文

EdgeBench 开源：把 Agent 放进 12 小时起步的真实环境任务里测

来源: oschina.net 32
字节 Seed 推出了 EdgeBench，一个面向“真实世界环境学习”的超长程 Agent 评测集。它不是让模型回答几道静态题，而是把 Agent 放进需要长期交互、持续试错和逐步适应的环境里。根据摘要，EdgeBench 覆盖 134 个真实且多样的任务，横跨六大能力领域，每个任务都允许 Agent 持续工作至少 12 小时；其中 51 个任务和完...
# AI # LLM # 全栈
阅读全文

用 PostgreSQL 做一个“不诚实”基准测试：数字没造假，叙事才是陷阱

来源: postgr.es 31
数据库基准测试最危险的地方，往往不是数字本身是假的，而是数字背后的比较口径被悄悄换掉了。一个 PostgreSQL 工作负载可以从几百 TPS 变成几十万 OPS：缺索引的“基线”、关闭部分持久化保证、减少实际业务工作、把多次请求塞进函数、再把 TPS 改口叫 OPS，图表就会一路向上。 这篇文章不把它当成 PostgreSQL 性能神话，而是把它当成...
# AI # Go # LLM
阅读全文

Agentic AI 进入落地窗口：从聊天助手到可编排的生产系统

来源: oschina.net 35
Agentic AI 的讨论正在从“模型有多聪明”转向“系统能不能干活”。来源摘要里提到一个关键判断：AI 正深入生产核心，智能体会全面渗透产业，并逐步演变成类似“AI 操作系统”的复杂系统。用户不再只和一个聊天框对话，而是下达任务，由系统拆解目标、调用工具、协调多个智能体完成工作。 这意味着未来几年的竞争点不只在模型能力，也在任务编排、权限控制、工具...
# AI # LLM # 全栈
阅读全文

用 SkyPilot 跑多云 AI 任务，把数据零出口留在 Hugging Face

来源: huggingface.co 42
AI 训练和批量推理越来越像一门调度生意：GPU 在哪便宜、哪有空，就把任务跑到哪。但数据搬来搬去很快会变成账单黑洞。这个主题的关键变化是：用 SkyPilot 在任意云上运行 AI workload，同时把存储放在 Hugging Face，通过“zero-egress storage”的思路减少跨云数据出口成本和数据复制负担。 很多团队做多云 AI...
# AI # Hugging Face # LLM
阅读全文