来源: infoq.com
60
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
65
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
46
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
55
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
76
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
86
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...
来源: oschina.net
53
GPU 推理服务的运维痛点一直很明确——模型版本管理混乱、多卡调度靠人工、API 对接各家格式不一。HeteroFlow V2 在 5 月 22 日上线的推理服务模块，试图把从"模型发现"到"对外 API"这条链路全部自动化，核心抓手是 TaskGroup 生命周期管理和内置 OpenAI 兼容网关。官方给出的目标很直接：让 TOKEN 产量翻倍。 传...
来源: infoq.com
82
生产环境中跑大模型应用的人，最近几年都有一个共同感受——从 demo 到上线之间有一道巨大的沟。RAG 检索不准、agent 行为不可控、评估体系缺失、上线后延迟和成本飙升……这些问题不是靠换一个模型就能解决的。InfoQ 刚上线了一个为期五周的在线 AI Engineering 认证项目，面向已经在生产系统里做 AI 的资深从业者，覆盖 RAG、ag...
来源: infoq.com
121
Discord 的基础设施团队规模不大，却要管着支撑数亿用户消息的 ScyllaDB 集群。以前做一次节点替换或集群扩容，几个人手动操作要耗好几天。他们干脆造了一个内部编排框架——Scylla Control Plane（SCP），把大规模 ScyllaDB 管理变成可编程的自动化流程。 Discord 从 Cassandra 迁移到 ScyllaDB...
来源: my.oschina.net
53
Antigravity 2.0 发布的第二天，不少开发者打开电脑，发现自己用了几个月的 IDE 界面凭空消失了。取而代之的是一个对话式提示框——没有升级预告，没有版本回退入口，也没有"暂时用旧版"的开关。你昨天还在敲代码的窗口，今天变成了一个聊天窗口。 这不是某个实验性功能的灰度测试，而是全量推送。用户对工具的掌控感，在一个早晨被彻底抽走。 消费者产品...