标签

数据工程

AI Agent 现在可以自主开户、买域名、上线生产环境——Cloudflare + Stripe 做了什么

来源: infoq.com 52
过去让 AI agent 真正"自主行动"有个硬伤:它没法自己注册云服务账号、没法付款、没法买域名,每次部署都得人类在中间手动填表、输信用卡。Cloudflare 和 Stripe 刚发布的协议直接把这个瓶颈打穿了——agent 可以端到端地完成从开户到部署生产环境的全流程,中间不需要人类介入。目前其他主流云厂商都没有提供类似的 agent 驱动式账号...

用 Issue Tracker 当控制面:OpenAI 开源 Symphony,让多编码 Agent 自主协作

来源: infoq.com 61
OpenAI 刚开源了 Symphony——不是又一个模型,不是又一个框架,而是一份 SPEC.md。它定义了一套用项目管理工具(Issue Tracker)做控制面的多 Agent 编排方案:开发者不再逐个盯交互式编码会话,而是把每个 Issue 交给一个专属 Agent,Agent 自主跑完任务,人只做最终 Review。思路很朴素,但把"谁来管 ...

12000 个 dbt 模型、100 个团队:Monzo 的数据 mesh 实战拆解

来源: infoq.com 37
当一家银行的数据仓库膨胀到 12000 个 dbt 模型、被 100 多个团队同时踩踏时,"再加一台集群"的粗暴扩容路线就走到了尽头。Monzo 最近公开了他们重构数据仓库的方案——一种自称为 "meshy" 的数据 mesh 落地方式,最终把仓库成本砍掉约 40%,数据交付速度提升 25%。数字本身足够吸引人,但更值得拆解的是:他们到底改了什么,治理...

Ubuntu 的 AI 策略:不走云端集成,把智能留在本地

来源: infoq.com 37
当微软把 Copilot 嵌进 Windows 搜索栏、苹果把 Apple Intelligence 推进 iOS 系统层,操作系统的 AI 集成正沿着"云端优先、系统捆绑"的路径狂奔。Ubuntu 最近公开了自己的 AI 策略,方向截然相反——不追云端,不做 AI-first OS,而是把智能留在本地、拆成模块、交给用户决定。 这不是保守,而是对行业...

Google Cloud Fraud Defense:reCAPTCHA 的接班人,从验证码走向全链路反欺诈

来源: infoq.com 31
reCAPTCHA 曾经是 Web 反机器人的标配——那个"我不是机器人"的复选框几乎出现在每一个登录页上。但验证码的思路本质上是"在门口查身份证",一旦攻击者绕过门口,整条业务链就裸奔了。在 Next '26 大会上,Google 正式推出 Google Cloud Fraud Defense,不再只盯着"你是不是人",而是覆盖登录、注册、支付全流程...

用 Claude Code Routines 把编码流程跑成自动任务

来源: infoq.com 41
Claude Code 已经是不少开发者的日常搭档——在终端里提问、让它改代码、跑测试,来回几轮就把活干完了。但每次都得人坐在屏幕前敲指令,效率天花板很明显。Anthropic 最新推出的 Routines 功能,正是要打破这个限制:把重复性的编码工作流配置成可自动触发的任务,按时间表跑、被 API 调用跑、或者因为外部事件跑,人不用盯着。 日常开发里...

Claude Code 质量滑坡复盘:三个"小改动"叠加的六周灾难

来源: infoq.com 42
Anthropic 刚发布了一份事后复盘,把过去六周里 Claude Code 用户抱怨质量下降的根因拆得清清楚楚——不是模型变笨了,而是三个产品层改动在同一时段叠加,像三把刀同时扎进同一条神经。API 和模型权重从头到尾没动过,但用户体验硬生生掉了 3% 以上,直到 4 月 20 日才全部修复。 这件事值得每个做 LLM 产品的团队细看:你以为改的是...

把 AI 编码 Agent 拉回自己的机房:Coder Agents 的自托管思路

来源: infoq.com 43
AI 编码 Agent 正在重塑开发流程,但大多数团队的使用方式是把代码和数据送进别人的云——SaaS 平台托管 Agent,代码在远端执行,结果再传回来。对于合规要求严格、代码资产敏感的团队,这条路越走越窄。Coder Agents 的核心主张很简单:Agent 留在你的基础设施上跑,模型你可以自己选,代码和数据不出你的边界。 云托管 AI Agen...

Netflix 用一张图管住上千个模型:Model Lifecycle Graph 实践解析

来源: infoq.com 33
当你的 ML 平台上跑着几百个模型、上千个特征、几十条数据管线时,一个最朴素的问题会变得极其棘手:这个模型用了哪份数据?那个特征被谁依赖?改了这条管线会炸掉谁? Netflix 的回答是——把一切画成一张图。 Netflix 最近公开了他们内部称为 Model Lifecycle Graph 的架构方案。核心思路并不复杂:用有向图把 dataset、f...