来源: oschina.net
34
Solon AI v4.0.3 的关键信号很明确：它想把 Java 开发者写智能体应用时最容易分裂的几件事收拢起来，包括模型差异、向量库接入、MCP 协议以及复杂流程控制。更现实的一点是，它把兼容范围拉到 Java 8 到 Java 26，这对仍在长期维护 Java 8 服务、同时又想试水 Agent 的团队很有吸引力。 智能体应用最怕的是一开始直接调...
来源: postgr.es
25
对 PostgreSQL 管理员、DBA、SRE 和平台团队来说，备份“成功完成”只是第一层答案。真正需要在故障前搞清楚的是：base backup 去了哪里，WAL 如何保存，仓库里哪些文件负责描述数据，校验失败时能不能定位，恢复时又如何把这些碎片重新拼成一个可启动的数据库。pg_hardstorage 的 Storage and Recovery ...
来源: oschina.net
40
TeamCity 2026.1.2 和 2025.11.6 已发布，这两个版本都属于错误修复更新。它们不是功能型大版本，但对日常 CI/CD 稳定性很关键：构建停止语义、Perforce 个人构建、AWS 凭证生命周期、S3 bucket 前缀处理等问题，都可能在流水线高频运行时放大成真实事故。 修复版本容易被团队低估，因为它们通常没有新的 UI、没有...
来源: tech.meituan.com
36
美团发布 LongCat-2.0 的关键信息，不只是“参数更大”：它是一个总参数 1.6T、平均激活约 48B、动态激活范围 33B~56B 的万亿参数模型，并且在五万卡国产算力集群上完成了从训练到推理的全流程。更值得开发者关注的是，它的设计目标一开始就对准了真实的 Agentic Coding：让模型在代码理解、生成、执行和多步修复中更高效、更稳定。...
来源: aws.amazon.com
31
A2A 的一个现实问题是：当团队开始部署多个 Agent，客户端到底该连谁、怎么发现、谁有权限访问，很快会从“协议问题”变成“入口治理问题”。这篇内容的核心做法是，在 AWS 上构建一个无服务器 A2A gateway，用单个域名承载多个 Agent，并通过 这种路径路由到不同后端。标准 A2A 客户端不需要修改，这是它最有价值的地方。 如果每个 Ag...
来源: aws.amazon.com
41
Agent 的记忆系统一旦进入企业场景，问题就不只是“能不能记住”，而是“该记住谁的、在哪个上下文里用、哪些 Agent 可以读”。AgentCore Memory 中的 metadata 过滤，正是把记忆从一堆向量片段，变成可治理、可隔离、可审计的结构化资产。 在 AgentCore Memory 里，metadata 会贯穿三个阶段：配置、写入和检...
来源: aws.amazon.com
25
传统 RAG 常把知识切成文本块，再用向量相似度召回。HippoRAG 的关键变化是：把知识组织成图，让检索过程不只看“这段文字像不像问题”，还看实体之间如何连接、哪些节点在当前问题语境下更重要。基于 AWS 的实现路径很清晰：Amazon Bedrock 提供 LLM 能力，Amazon Titan Embeddings 生成向量表示，Amazon ...
来源: aws.amazon.com
43
金融文档欺诈正在变得更快、更像真文档，也更难靠人工逐页检查。Inscribe 的做法是把专家欺诈分析师的工作方式拆成一个基于 Amazon Bedrock 的 agentic AI 系统：跨文档推理、寻找篡改和伪造痕迹、识别 AI 生成内容，并在 90 秒内给出可解释判断。相比传统人工复核，这类流程的关键价值不只是“快”，而是把速度、准确性和监管需要的...
来源: engineering.fb.com
42
过去几年，模型能力和训练数据规模都在快速膨胀。更明显的变化是，新一代前沿模型发布间隔从几个月压缩到几周。这个节奏背后不只是 GPU 数量的问题，存储也会直接决定训练吞吐、作业等待时间和算力浪费。对 AI 基础设施来说，存储已经从“放数据的地方”变成了训练流水线的一部分。 大模型训练不是一次性把数据读进内存就结束。训练集、检查点、日志、特征缓存、评估数据...
来源: postgr.es
30
PostgreSQL 出问题时，常常不是突然坏掉，而是早就留下了痕迹：膨胀悄悄增长、复制槽一直扣着 WAL、事务 ID wraparound 接近危险线、备份任务几周前已经停了。 想解决的正是这个痛点：用一个开源 Go 工具直接查询 PostgreSQL 系统目录和视图，输出一份可以行动的健康报告。 它覆盖 14 组、180 多项检查，既能跑在单实例 ...