标签

前端

Skyeye 云智能制造 v3.19.13：零代码平台落地前要看清的架构与验收重点

来源: oschina.net 32
Skyeye 云智能制造发布 v3.19.13。公开摘要展示了一套覆盖 CRM、ERP、MES、OA、EHR、财务、考勤、工作流、报表和 SaaS 等领域的一体化系统，技术栈包含 Spring Boot、UNI-APP 与 Ant Design Vue，并以零代码方式承载大量电子流程。 不过，摘要没有列出 v3.19.13 的具体新增功能、修复项和兼容...
# AI # Java # Vue
阅读全文

当 AI 开始参与技术决策：开放知识如何变成工程影响力

来源: postgr.es 33
AI 对软件社区的影响，不只体现在代码生成速度上。一个更深的变化正在发生：开发者开始让 AI 搜索方案、审查设计、比较实现并寻找反例。进入这条决策链之后，AI 能检索、理解和验证哪些知识，便会影响哪些方案被看见。 这使开放性从一种价值选择，逐渐变成技术成果获得影响力的基础设施。同时，人的工作重心也可能从整理既有信息，转向提出问题、制造证据和承担结论。 ...
# AI # AWS # Go
阅读全文

从原型到治理：用 Gemini Enterprise Agent Platform 构建企业级智能体

来源: cloud.google.com 35
Gemini Enterprise Agent Platform 展示的 13 个动手演示，不只是 13 个彼此独立的样例，而是一条完整的工程路径：用 ADK 编写智能体，通过 MCP 和 A2A 接入工具与其他智能体，部署到托管运行时，再补齐持久状态、安全治理、可观测性和持续评估。 真正值得关注的变化，是智能体开发开始从“写一个能回答问题的提示词”转...
# AI # GCP # Go
阅读全文

Google Cloud 近期更新解读：AI Agent 正从原型走向可治理的生产系统

来源: cloud.google.com 43
Google Cloud 近期发布的信息覆盖 Cloud Run、Apigee、MCP、TPU、GKE、Firestore 和成本管理，但主线相当清晰：企业关注点已经从“模型能否完成任务”转向“Agent 能否被隔离、观测、治理并稳定扩缩容”。这意味着 AI 应用不再只是一个调用模型的 Web 服务，而是一套包含提示词构建、工具授权、代码沙箱、流量治理...
# AI # AWS # Azure
阅读全文

NocoBase 2.2 Beta：用独立 /v/ 入口承接 V2 前端演进

来源: oschina.net 27
NocoBase 2.2 Beta 的变化不只是一组新功能。多工作区、新移动端、新评论区块，以及 AI 知识库和工作流能力的持续增强，都在补齐 V2 的实际使用体验。对已经运行 V2 的团队而言，更关键的信号是新增的 分支：它将作为面向 V2 的独立前端入口，承接后续功能演进。 这意味着升级评估不能只看功能清单。访问入口、反向代理、缓存策略、监控指标和...
# AI # 全栈 # 前端
阅读全文

Docker 29.6.2 修复多项 Engine 漏洞：升级与验证指南

来源: oschina.net 24
Docker 29.6.2 已发布，这次更新的重点不是新增功能，而是修复 Docker Engine 中的多个安全漏洞。已披露的问题涉及从捆绑文件检出 Git 源代码、前端参数处理以及 LLB 文件操作。对运行共享构建平台、接收外部构建上下文或允许团队提交 Dockerfile 的环境，这类缺陷值得优先处理。 本次摘要列出了三个 CVE： CVE-20...
# Docker # 云原生 # 全栈
阅读全文

从聊天机器人到可执行 AI Agent：Google 客户体验平台的生产化路径

来源: cloud.google.com 27
Google 连续第二年进入 Gartner 2026 年对话式 AI 平台魔力象限的领导者区间，并表示自己在“愿景完整性”和“执行能力”两个维度上分别处于最远和最高位置，同时在四项关键能力用例中的三项排名第一。比排名更值得工程团队关注的是背后的产品方向：企业客户体验正在从“回答问题的聊天机器人”转向能够理解意图、检索企业知识、调用业务系统并在必要时转...
# AI # GCP # Go
阅读全文

AI 攻防进入秒级时代：防守方如何用深度上下文夺回主动权

来源: cloud.google.com 25
AI 正在同时提高攻击和防御的自动化水平。攻击者可以用多模型生成钓鱼内容、构造深度伪造、寻找零日漏洞，并让多个代理在数十秒内完成攻击阶段交接。防守方真正可持续的优势，却不是拥有更多模型，而是掌握攻击者进入企业环境后仍然缺少的深度上下文：资产在哪里、服务如何通信、身份属于谁、代码由哪个团队维护，以及某个漏洞是否真的能够抵达关键数据。 这意味着安全团队不能...
# AI # GCP # Go
阅读全文

用 %%bqsql 串起 BigQuery 与 Python：在一个 Notebook 里完成混合数据流水线

来源: cloud.google.com 41
数据分析经常在两种语言之间来回切换：SQL 适合连接、聚合、窗口计算和大规模扫描，Python 则拥有成熟的可视化、统计建模与机器学习生态。过去，把两者放进同一个 Notebook，往往意味着手动下载查询结果、上传临时表，并维护两套中间数据。BigQuery DataFrames 提供的 IPython cell magic，把这些交接动作收进了 No...
# AI # GCP # Go
阅读全文

把 AI 漏洞代理关进笼子：从风险评分到可审计修复流水线

来源: cloud.google.com 29
漏洞管理的时间窗口正在急剧缩短。来源材料引用的 M-Trends 2026 数据显示，平均漏洞利用时间已经降到 -7 天，也就是攻击者可能在补丁发布前一周就开始利用漏洞。安全团队因此开始把大语言模型代理接入代码仓库、IDE 和 CI/CD，希望自动发现漏洞、生成 PoC，甚至直接提交修复。 真正棘手的问题不是模型能否找到 Bug，而是：当一个能够读取代...
# AI # AWS # GCP
阅读全文