标签

数据工程

DoorDash 如何让购物助手不只依赖大模型:Agent、MCP 工具与持久记忆

来源: infoq.com 42
一个购物助手能说出流畅的话,并不等于它能把商品选对、库存查准、购物车改对。DoorDash 介绍的 Ask DoorDash 把大模型放在系统的一部分,而不是让它独自承担整个购物流程:LLM 负责理解与表达,专用 AI Agent 负责拆解任务,MCP 工具连接业务能力,智能层则结合持久化消费者记忆和实时后端数据作出决策。 这种设计带来的价值最终落在业...

Cloudflare 临时账户:让 AI Agent 在 60 分钟沙箱中部署 Workers

来源: infoq.com 42
Cloudflare 为自主 AI Agent 引入了临时账户:Agent 无需预先创建永久账户或完成常规身份认证,就能立即部署 Cloudflare Workers。临时账户如果没有被用户认领,会在 60 分钟后自动过期,其部署也随之失效。这项变化降低了“生成代码之后立刻运行”的门槛,同时把未认领资源的生命周期限制在一个明确的时间窗口内。 传统的代码...

从固定脚本到意图执行:Slack 的 Agent 驱动 E2E 测试思路

来源: infoq.com 40
Slack 工程团队提出了一种 Agentic Testing 思路:让 AI Agent 根据测试意图执行端到端工作流,而不是机械地重放一串固定选择器。它关注的不是“点击第三个按钮”,而是“完成登录并确认工作区首页可用”。当按钮位置、DOM 层级或部分文案变化时,Agent 可以在运行时重新判断下一步动作,从而降低 UI 自动化测试的脆弱性。 这并不...

Linux Foundation 启动 Akrites:为关键开源软件建立 AI 威胁防线

来源: infoq.com 51
Linux Foundation 启动了 Akrites,一项面向全行业的新计划,目标是保护全球关键开源软件,应对快速演进的 AI 驱动型网络威胁。现有公开摘要并未披露 Akrites 的具体工具、治理结构或接入方式,但它传递了一个清晰信号:开源安全正在进入攻击自动化与防御协作同时加速的新阶段。 AI 并没有让依赖混淆、凭据泄露、恶意提交和供应链投毒这...

Datadog 如何用 Claude、Cursor 与测试驱动方式迁移关键生产系统

来源: infoq.com 39
当存储后端触及硬性上限时,团队面对的往往不是一次普通重构,而是一场必须保持线上行为稳定的系统迁移。Datadog 工程师 Arnold Wakim 分享的案例值得关注:团队借助 Claude 和 Cursor 推进关键生产系统演进,用测试约束 AI 生成的改动,在突破存储限制的同时显著改善性能。 来源摘要没有披露具体存储引擎、数据模型和性能数字,因此下...

把崩溃当成流行病看:OpenAI 如何拆开 libunwind 老 Bug 和硬件静默损坏

来源: infoq.com 46
OpenAI 在 ChatGPT 数据基础设施里追一个崩溃问题时,最后发现它不是“一个诡异 Bug”,而是两个互不相关的问题叠在了一起:一台 Azure 主机上的静默硬件损坏,以及 GNU libunwind 里一个存在了 18 年的竞态条件。真正打开局面的,不是继续盯着单个 core dump,而是把崩溃当成一组群体事件来分析。 这件事对基础设施工程...

AlloyDB 把部分 LLM 调用搬回数据库:代理模型适合哪些查询

来源: infoq.com 37
Google 将 AlloyDB AI functions 推到 GA,同时引入了一种很实用的代理模型架构:先用 LLM 输出训练一个轻量本地模型,再把后续推理放在数据库内部执行。这个变化的重点不是“数据库也能聊 AI”,而是把一类高频、结构化、可近似的 LLM 判断,从外部 API 调用变成接近数据库速度的本地推理。 传统做法里,应用或数据库函数每处...

用 ClickHouse 扛住 200 万次/天缓存查询:从 PostgreSQL 迁移的工程取舍

来源: infoq.com 47
Momentic 在重构其 AI 软件测试平台的缓存系统时,把存储层从 PostgreSQL 迁到列式数据库 ClickHouse,用来支撑每天超过 200 万次查询、总量约 200 亿条缓存记录,并把平均响应延迟维持在约 250 ms。这个案例值得关注,不是因为“PostgreSQL 不行”,而是因为缓存查询的形态一旦变成大规模读、宽表扫描、按条件过...

AWS DevOps Agent 加入 AI 发布管理:让代码进生产前先过一遍“自动审查”

来源: infoq.com 54
AWS 扩展了 AWS DevOps Agent,新增面向发布管理的能力:在代码进入生产环境之前,评估代码变更,并自主执行软件测试。这件事的重点不只是“又多了一个 AI 助手”,而是发布流程里最容易靠经验、手工检查和临时会议兜底的环节,开始被更系统地自动化。 传统 CI/CD 管道擅长做确定性工作:拉代码、跑测试、构建镜像、发布到环境。它的问题也很明显...

面向受监管行业的 AI 安全与隐私工程:别等上线后再补课

来源: infoq.com 44
InfoQ 开放了一个为期五周的 AI Security & Privacy Engineering cohort,目标人群是受监管行业里的资深工程师和架构师。这个方向值得关注,不是因为“AI 安全”又多了一个课程名,而是因为生产级 AI 系统已经把安全、隐私、威胁建模、可观测性和治理揉成了同一个工程问题:模型调用、提示词、检索数据、用户输入、...