来源：infoq.com
19
微软最近公开了一套名为 MDASH（Multi-Model Agentic Security）的漏洞发现系统。这套系统不再依赖单模型"单打独斗"，而是让超过 100 个专业化 AI Agent 协作完成从扫描、验证、辩论到最终证明漏洞的全流程。目标很明确——在 Windows 及其他微软大型代码库中，用自动化手段替代传统人工代码审计的瓶颈。 单模型做代...
来源：infoq.com
24
大模型推理的瓶颈从来不是算力不够，而是逐令牌串行生成这一固有约束——每吐出一个 token 都要等上一轮前向传播完成。Gemma 4 引入的多令牌预测（Multi-Token Prediction, MTP）起草器，配合投机解码（speculative decoding），把这条串行链路变成了并行流水线：起草器一口气猜出多个 token，主模型一次前向...
来源：infoq.com
19
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：infoq.com
34
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
31
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：infoq.com
45
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：infoq.com
32
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
41
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：infoq.com
31
大模型每次对话都从零开始——你反复粘贴同一份业务规则、同一段系统提示词，模型照忘不误。xAI 最新发布的 Grok Skills 直接对准了这个痛点：一次定义，全局生效。配合 Grok 4.3 Responses API 对 Tool Calling 的升级，开发者终于可以把"模型懂什么"和"模型怎么调用外部工具"这两件事分别管起来。 传统做法是把所有...
来源：infoq.com
17
Cloudflare 的 Browser Rendering 一直是开发者做网页抓取、自动化测试时的热门选择，但底层跑的是第三方托管方案，并发和延迟都有天花板。最近 Cloudflare 把整个 Browser Run 搬到了自家 Containers 平台上，并发能力翻了 4 倍、响应速度快了 50%。更重要的是，这一步把 Cloudflare 的 ...