来源: infoq.com
33
传统推荐首页通常由召回、排序、分组、页面编排等多个阶段共同完成。Netflix 开发的 GenPage 探索了另一条路径：把用户历史和本次请求上下文组织成提示，让一个生成式 AI 模型直接生成完整的个性化首页。来源摘要指出，这种方式改善了用户参与度，同时降低了服务延迟。 传统流水线往往依次回答几个局部问题：候选内容有哪些、每部内容得分多少、哪些内容应放...
来源: infoq.com
29
Google 已在 Gemini Enterprise Agent Platform 上正式提供 AlphaEvolve，将 DeepMind 的研究项目转化为面向企业的进化式代码优化服务。它的关键设计不是简单地“让模型重写代码”，而是反复生成候选实现，再由客户基础设施中的评估器测量正确性和性能，据此筛选并继续迭代。 这种方法已经出现明确的业务结果：K...
来源: infoq.com
32
企业数据接入 AI Agent，真正棘手的部分往往不是“能不能检索到文档”，而是 Agent 能否理解业务对象、关系、规则和当前状态。Pinecone Nexus 现已正式可用，定位为面向 AI Agent 的知识引擎：它把企业数据转换为 Agent 可以直接查询的结构化层，让业务语境能够被一次接入、整理并复用于多个 Agent。 这条路径的价值很明确...
来源: infoq.com
33
Dolt 2.0 为开源版本控制 SQL 数据库带来了一次重要升级。它不只是继续提供类似 Git 的数据库分支、提交和合并能力，还开始自动处理长期运行数据库常见的存储问题：回收不再需要的数据、压缩存储内容，以及更好地承载大型数据和向量数据。 这意味着 Dolt 的使用重点可以从“如何保存每一次数据库变更”，进一步延伸到“如何让变更历史在持续增长后仍然可...
来源: infoq.com
42
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...
来源: infoq.com
46
QCon AI Boston 2026 释放出的信号很明确：AI Agent 的工程重点正在从“怎样写出更好的提示词”转向“怎样让 Agent 在生产环境中稳定、可控、可评估地运行”。上下文管理、包围 Agent 的安全 harness，以及贯穿开发和上线流程的评测体系，开始成为真正决定系统质量的基础设施。 在原型阶段，团队往往把主要精力放在 syst...
来源: infoq.com
24
云成本控制过去主要防范人的误操作：工程师开错实例、忘记关闭测试环境，账单告警通常还有时间介入。但当持有云凭证的是 AI Agent 或攻击者时，资源调用可以在几分钟内并发放大，而成本数据和预算通知可能要到数小时甚至约一天后才反映出来。 一支三人团队在静态 AWS Access Key 被提取后，一天内收到了 14,000 美元账单，攻击者主要消耗了 A...
来源: infoq.com
39
Stripe 推出的基准套件，把 AI Agent 放进接近真实生产环境的支付集成任务中：它不仅要编写后端接口，还要连接前端与浏览器结账流程，并证明整个链路确实可用。研究传递出的关键信号很直接：Agent 往往能够产出集成代码，但在执行、测试和验证环节仍容易留下缺口。 一个 Stripe 集成至少横跨三层： 后端创建 Checkout Session，...
来源: infoq.com
27
AWS 与 Anthropic 发布了面向 AWS 的 Claude Apps Gateway。它不是新的大模型，而是部署在企业环境中的自托管控制平面：Claude Code 和 Claude Desktop 的请求先进入网关，再由网关统一处理身份、策略、遥测、路由与支出上限，并将推理请求转发到 Amazon Bedrock 或 AWS 上的 Clau...
来源: infoq.com
21
Google Cloud Workbench Notebooks 扩展把本地 VS Code 与 Google Cloud 上的托管 Jupyter Notebook 环境连接起来。它解决的核心问题很直接：开发者可以继续使用熟悉的本地编辑器，同时把 Notebook 代码放到云端托管环境中执行，不必在浏览器界面和本地工程之间频繁切换。 这类连接方式把 ...