标签

全栈

从容器镜像到依赖树：SBOM、来源证明与 Attestation 的实践教训

来源: postgr.es 46
当一个 PostgreSQL 扩展项目从“能构建”走向“值得被依赖”，真正棘手的问题往往不再是 Dockerfile 能否跑通，而是：镜像里到底有什么？这些文件来自哪里？依赖是否完整？漏洞扫描器能否看见它们？未来出现新的供应链事件时，谁负责重建和发布？ 围绕 CNPG-Extensions 的实践说明，SBOM、provenance 和 attesta...
# AI # Docker # Go
阅读全文

灵界 OS 文档与国际化优化：信息同步，翻译逻辑更易扩展

来源: oschina.net 33
这次灵界 OS 更新没有新增功能，也没有调整界面，版本号保持不变。变化集中在开发者和贡献者更容易忽略、却会持续影响维护效率的地方：中英文文档完成对齐，国际化模块的翻译匹配逻辑也进行了重构。 中文 README 与英文 README 现在以内容完全一致为目标，补全了此前英文文档中遗漏的信息，并修正了可能存在的错译或表达缺失。对用户来说，这意味着无论从哪种...
# 全栈 # 开源 # 开源中国
阅读全文

Termexo v0.8.7：用 avt 解析器修复终端空白与重绘阻塞

来源: oschina.net 32
终端工作台最难排查的一类问题，不是明显崩溃，而是 Agent 仍在运行，界面却突然空白，状态还显示为“已停止”。Termexo v0.8.7 将重点放在这类终端可靠性问题上：换用 解析器，并修复宽字符、窗口缩窄以及重绘阻塞相关故障。 Termexo 是一个 MIT 开源的 Windows 工作台，用于集中使用 Claude Code、Codex 和 O...
# AI # LLM # 全栈
阅读全文

NVIDIA PAIR：把局域网里的多台电脑变成个人 AI 推理池

来源: infoq.com 42
NVIDIA Personal AI Router（PAIR）现已进入 Beta 阶段。它的目标不是让某一张 GPU 突然拥有更多显存，而是把局域网中多台电脑的推理能力组织起来，自动将 AI 请求分发到合适的节点。对于会同时触发多个模型调用的本地多智能体系统，这种调度方式尤其有价值：规划、检索、编码和审查任务不必再排队挤占同一张 GPU。 理解 PAI...
# AI # InfoQ # LLM
阅读全文

NVIDIA PAIR：把局域网里的多台电脑变成 AI 推理资源池

来源: infoq.com 34
本地 AI 的瓶颈不总是模型太大，也可能是请求太多。单个智能体运行顺畅，并不代表研究、编码、检索等多个智能体同时工作时，一张 GPU 还能稳定响应。处于 Beta 阶段的 NVIDIA Personal AI Router（PAIR）试图解决这个问题：汇集局域网内多台计算机的推理能力，并自动把 AI 请求分配给它们。 PAIR 最适合多个相互独立的模型...
# AI # InfoQ # LLM
阅读全文

Netflix 如何让 Conductor 承载 4.2 亿次月度工作流执行

来源: infoq.com 50
当工作流从几百个任务增长到数万个任务时，瓶颈通常不在某一台机器的 CPU，而在元数据读写、调度评估和并发控制之间的耦合。Netflix 对 Conductor 4.0 的重构，正是围绕这个问题展开：支持的工作流规模从约 2,500 个任务提升到 30,000 个任务，同时将工作流评估的 p99 延迟降低了约 40%，以支撑每月约 4.2 亿次工作流执行...
# InfoQ # 全栈
阅读全文

Covonaut v1.1.2：让 Go Agent 的终端对话更像真正的协作工具

来源: oschina.net 24
Covonaut v1.1.2 的重点，不只是继续补齐 Go Agent 框架能力，还把注意力放到了终端交互本身：对话过程中可以插入旁问，并提供三档输出方式。对于需要在命令行里调试、运行和观察 Agent 的团队来说，这意味着终端不再只是“提交任务并等待结果”的窗口，而可以成为一个可控的工作界面。 Covonaut 以纯 Go 实现，并采用 MIT 协...
# AI # Go # LLM
阅读全文

tsgolint v7 稳定版：让 Oxlint 获得 Go 驱动的 TypeScript 类型感知检查

来源: infoq.com 37
TypeScript lint 的性能瓶颈，往往不在语法扫描，而在类型信息构建。只看 AST 的规则可以很快，但一旦规则需要判断 Promise 是否被处理、类型断言是否安全，或两个表达式在语义上是否兼容，就必须借助 TypeScript 编译器的语义分析。 tsgolint v7 已进入稳定阶段，它通过 编译器提供类型语义，并把这部分能力接入 Oxl...
# AI # Go # InfoQ
阅读全文

LinkedIn 如何用多教师知识蒸馏把 AI 求职排序训练提速 8 倍

来源: infoq.com 35
LinkedIn 公布了其 AI 求职搜索训练基础设施的一部分：通过多教师知识蒸馏，将多个大型教师模型中的排序能力压缩到一个仅有 0.6B 参数的紧凑模型中。这个思路的关键不只是“把大模型变小”，而是让多个教师模型共同提供训练信号，再用一个适合线上部署的学生模型完成最终排序。 对于搜索、推荐和广告系统来说，这种方案很有吸引力：大模型可以承担复杂的语义理...
# AI # InfoQ # 全栈
阅读全文