来源: tech.meituan.com
39
数字人视频生成这两年进展很快，但真正拿去做商业项目的人都知道——demo 里那个口型精准、动作流畅的虚拟主播，一旦放到真实业务场景里，唇形漂移、肢体穿模、长视频崩帧这些问题会集中爆发。LongCat-Video-Avatar 1.5 这次开源，核心信号不是"我们又刷了榜单"，而是把从 SOTA 到可用之间的那几道硬坎，逐个填上了。 唇形同步是数字人视频...
来源: infoq.com
35
生产环境里的 AI 应用，最让人头疼的不是模型本身，而是围绕模型调用的一堆"外围问题"——调用失败要不要重试？工具执行结果要不要做安全过滤？生成循环跑了 50 步还没停，谁来掐断？Google 最近为 Genkit 引入了 Middleware 架构，正是瞄准这些痛点：在模型调用、工具执行、生成循环这三条关键路径上，加了一层可编程的拦截层，让开发者用代...
来源: oschina.net
37
前端圈有个老矛盾——喜欢 React 的 JSX 写法，又羡慕 Vue 的细粒度响应式更新。Rue.js（发音 /ruː/，中文名"后悔药.js"）就是给这个矛盾开的方子：JSX/TSX 语法不变，底层却用 Rust 写的响应式系统驱动 DOM 编译，还通过 WebAssembly 把运行时扩展塞进浏览器。 Rue.js 的核心承诺很简单——你继续写熟...
来源: infoq.com
51
AI 编码代理正在从"能写代码"走向"能操作基础设施"——但直接把 AWS 凭证塞给代理，等于把整栋楼的钥匙交给一个实习生。AWS 的 Model Context Protocol（MCP）服务器现在正式 GA，它做的事情很明确：用标准接口把 AWS API、文档和运维流程暴露给代理，同时用 IAM 做细粒度权限管控，每一步操作可审计。 MCP 是 A...
来源: infoq.com
47
数据仓库和计算引擎长期割裂，做报表用 BigQuery，跑机器学习用 Spark，处理实时流用 Flink，数据往往要在不同系统间来回搬运、复制。在最近的 Apache Iceberg Summit 上，Google 宣布 BigQuery 支持无服务器 Iceberg REST Catalog 的预览版，让 BigQuery、Spark、Flink ...
来源: oschina.net
49
老板要加人脸识别，你搜了一圈，全是 Python 教程。你硬着头皮装 Conda、配虚拟环境、解决包冲突，最后算法跑通了——但怎么接到现有的 Java 业务系统里？REST 接口、序列化、部署运维，又是一堆活。算法原型在 Python，生产在 Java，两套语言之间的缝隙，才是真正的痛。 EasyAi 想填的就是这条缝：一个原生 Java 实现的 AI...
来源: oschina.net
29
做后台管理系统，最枯燥的环节不是业务逻辑，而是反复写列表页、表单页、详情页。字段定义写一遍，表格列写一遍，表单控件再写一遍——三份几乎相同的配置，散落在不同文件里。VonaJS 5.1.34 的做法是：把渲染元数据直接绑在 Entity 字段上，一份配置驱动整个 CRUD 页面。底层依赖 Tanstack Table / Form / Query 三件...
来源: oschina.net
34
ThingsPanel 从 v1.1.14 跨到 v1.1.15，改动集中在两个高频场景：把 ThingsVis 可视化组件嵌入到自己的业务系统里，以及在设备详情页上做日常运维。如果你做过 IoT 项目交付，大概率在这两个地方反复踩坑——嵌入时 iframe 尺寸对不上、权限透传断裂、设备详情页跳转层级太深。这次更新直接瞄准这些痛点。 此前 Thing...
来源: infoq.com
50
外卖推荐和短视频推荐有一个本质区别：用户打开抖音可以刷半小时，但打开 Uber Eats 通常只想在三分钟内找到今晚吃什么。这意味着推荐系统必须在极短的交互窗口里做出精准判断，而判断的依据——用户刚刚浏览了哪些店铺、停留了多久、是否跳过了某类菜品——这些信号如果还停留在昨天的数据里，推荐就永远慢半拍。 Uber 最近对 Uber Eats Home F...
来源: infoq.com
68
Uber Eats 的首页推荐长期依赖手工特征和逐条打分——用户点了一个汉堡，系统 24 小时后才知道这件事，再逐个给候选餐厅算分数排序。这套流程在冷启动和实时意图捕捉上都有明显短板。最近 Uber 工程团队把整个 Home Feed 推荐系统翻了一遍：特征从手工拼接到 Transformer 序列建模，新鲜度从天级压缩到秒级，排序从逐条打分切换到列表...