来源: openai.com
40
销售团队每天要处理大量重复性文档——管线简报、会前准备包、预测复盘、客户规划、停滞订单诊断。这些工作内容高度结构化，却总是靠人工从 CRM、邮件、通话记录里拼凑，耗时且容易遗漏关键信息。Codex 的能力恰好匹配这类需求：从真实工作输入中提取要点，按固定模板生成可交付的文档。 Codex 在销售场景的核心用法可以归结为一句话：把散落在各处的原始素材，按...
来源: openai.com
35
Sea Limited 旗下有 Shopee、Garena、SeaMoney 三条业务线，工程师规模庞大，产品迭代节奏极快。CPO 近期公开表态：正在把 Codex 部署到各工程团队，推进 AI-native 的软件开发方式。这不是"试点几个小组写写 Copilot"，而是把 agentic coding 当作工程基础设施的一部分来建设。 背后的判断很...
来源: aws.amazon.com
37
语音交互正在从"演示级玩具"走向"生产级产品"。过去搭一个实时语音 Agent，你要自己搞定 WebSocket 管理、音频流缓冲、VAD（语音活动检测）、TTS/STT 编排、断线重连……光基础设施就够写一个月。Stream 的 Vision Agents 开源框架把这套管线标准化了，再配上 Amazon Bedrock 上的 Nova 2 Soni...
来源: aws.amazon.com
35
当 AI Agent 拿到浏览器权限，它可以去任何网站——这对企业来说是个不可接受的风险。Amazon Bedrock AgentCore 现在支持将 Chrome 企业策略注入浏览器会话，让你精确控制 Agent 能访问哪些域名、能否下载文件、是否允许执行 JavaScript。本文演示如何配置这些策略、通过会话录制验证策略生效，以及如何注入自定义根...
来源: openai.com
36
过去用编码代理，你得坐在电脑前盯着终端，生怕它跑偏。现在 OpenAI 把 Codex 搬进了 ChatGPT 移动端——你可以在地铁上用手机发起任务，在咖啡馆里审批执行结果，回到办公室再在桌面端继续推进。同一个任务，多端同步，实时掌控。 Codex 的核心思路没变：你给出指令，它在沙盒环境里读代码、写代码、跑测试，每一步都等你确认。变化在于入口——C...
来源: realpython.com
49
AI 代码编辑器已经从"偶尔补全一行"进化到"替你改整个项目"。Cursor 和 Windsurf 是目前 Python 圈讨论最多的两个选手——前者基于 VS Code 分叉、走"深度集成 Copilot"路线，后者同样 VS Code 底层、主打"Agentic Flow"多步自主编辑。选哪个不是信仰问题，而是你的 Python 工作流到底需要什么...
来源: cncf.io
35
去年 12 月中旬，KubeStellar Console 从零开始搭建——这是一个面向 Kubernetes 多集群管理的仪表盘项目，托管在 CNCF Sandbox 里的 KubeStellar 之下，后端用 Go 写。项目起步阶段人手有限，却要在短时间内交付可用的控制面。团队做了一个大胆的决定：让 AI Agent 不只是"辅助工具"，而是直接以...
来源: infoq.com
37
Pinterest 的机器学习训练任务在 PinCompute（基于 Kubernetes 的内部平台）上频繁出现性能抖动——训练跑着跑着就慢了，吞吐量忽高忽低，却找不到明显的业务代码问题。最终，工程师把根因锁定在一个根本没在用的 Amazon ECS Agent：它悄悄制造了 memory cgroup 泄漏，导致 CPU 调度出现饥饿。禁用该 Ag...
来源: oschina.net
29
做 AI Agent 的人大概都踩过同一个坑——对话越长，Agent 越蠢。不是模型能力不行，是上下文窗口塞满了碎片信息，关键指令被淹没，历史经验每次都要从头再来。腾讯云数据库团队刚开源的 TencentDB Agent Memory，瞄准的就是这个问题：用分层记忆 + 符号化存储，让 Agent 在超长任务中保持清醒，在跨会话场景里复用经验。 项目采...
来源: oschina.net
33
2010 年前后，整个行业达成了一个共识：计算无状态，状态归数据库。应用服务器随便加，负载均衡器随便转发，请求落到哪台机器都一样——因为真相只存在于数据库里。这套范式统治了二十年，Kubernetes、微服务、Serverless 全是它的产物。 但当你把一个 LLM 接进系统，这根支柱开始晃了。 云原生的核心等式很简单： 想扩容？垂直升级数据库（换更...