标签

Rust

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 32
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

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

可信智能体 AI 不必重造基础设施：云原生正在成为它的运行底座

来源: infoq.com 41
智能体 AI 带来的变化不只是模型更强，而是软件开始自主调用 API、操作数据并持续执行多步任务。CNCF 发布的技术分析提出了一个务实判断：支撑这类系统的关键能力，不必从零发明；现代分布式应用已经使用的云原生生态，可以继续承担调度、隔离、可观测性、安全策略和故障恢复等职责。 一个生产级智能体通常包含模型推理、工具调用、状态存储、任务队列和外部服务访问...
# AI # InfoQ # LLM
阅读全文

openKylin 3.0 引入 Rust：系统软件如何渐进式摆脱内存安全风险

来源: oschina.net 34
openKylin 3.0 从 C 迈向 Rust，指向的并不是一次简单的编程语言替换，而是系统软件安全模型的变化。C/C++ 依赖开发者手工管理内存，越界访问、悬垂指针和缓冲区溢出往往要到运行时才暴露；Rust 则把大量检查提前到编译阶段，让一部分原本会变成段错误或安全漏洞的问题无法进入可执行文件。 C 仍然是操作系统开发的重要基础。它运行开销低、生...
# Rust # 全栈 # 可观测性
阅读全文

X-Kernel 首个里程碑版本：Rust 可信内核从原型走向持续工程化

来源: oschina.net 47
openKylin XTeeOS SIG 推出的 X-Kernel v0.1.0-2606，是项目首个里程碑版本。它的重要性不只在于增加了多少内核功能，更在于围绕 Rust 安全可信内核建立了一条工程基线：代码能够持续维护，能力能够持续验证，版本能够持续发布。 对于内核项目而言，这条基线决定了系统能否从实验原型走向真实负载。多架构支持、任务与进程管理等...
# Rust # 全栈 # 可观测性
阅读全文

Spock 6 Beta：把多主复制的进度、冲突与故障恢复拉回 PostgreSQL 内核轨道

来源: postgr.es 42
Spock 6 已进入 Beta，支持 PostgreSQL 16、17、18 和 19。与其说这是一次功能堆叠，不如说它重新整理了多主复制最危险的几条路径：复制进度不再依赖高频目录表写入，超大异常事务可以落盘，节点灾难后能够定位数据分歧，冲突与延迟也有了更直接的统计入口。 对于已经运行 Spock 5 的团队，升级价值主要不在“能否复制”，而在高负载...
# AI # Docker # Go
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

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

在 GKE 上构建企业级 AI 安全防线：从机密计算到推理路径治理

来源: cloud.google.com 39
AI 应用从原型进入生产的速度，已经超过许多企业安全体系的调整速度。传统容器安全可以检查镜像漏洞、限制网络访问，却无法完整回答这些新问题：模型权重是否在硬件层受到保护？提示词注入能否在进入模型前被识别？Agent 执行生成代码时，怎样避免影响宿主节点？ GKE 的 AI 工作负载安全蓝图给出的答案不是单一产品，而是一套纵深防御体系：基础设施层保护计算环...
# AI # GCP # Go
阅读全文