来源: infoq.com
49
Microsoft 已将 Azure DevOps Remote MCP Server 推进到 GA（正式可用）。它的核心价值很直接：为 AI 客户端提供一个托管的 MCP 入口，让模型能够在授权范围内查询和操作 Azure DevOps 的工作项、代码仓库与流水线，而团队不必自行部署 MCP Server、维护运行环境或暴露内部服务。 不过，GA 不...
来源: oschina.net
35
{"title_zh":"AIGCPanel v2.2.0：从一句话到一段会动的视频","body_zh":"# AIGCPanel v2.2.0：从一句话到一段会动的视频\n\n做 AI 视频，过去往往要分别准备画面、声音和动作，再把它们拼到一起。AIGCPanel v2.2.0 把最关键的两步直接放进桌面工具页：文生视频和图生视频。你可以从一句文字...
来源: aws.amazon.com
32
Amazon Bedrock 现在可以在 25 个以上的 AWS Region 中使用 OpenAI GPT-5.6 系列模型，包括 Sol、Terra 和 Luna。变化的重点不只是模型数量增加，而是请求可以通过跨区域推理配置文件分发到其他 AWS Region，从而获得更高的吞吐能力。 对于需要稳定处理突发流量的应用，跨区域推理可以减少单个 Reg...
来源: aws.amazon.com
37
医疗、零售和生命科学团队通常已经把大量运营数据集中存放在 Snowflake 中，但从数据仓库走到可用的预测模型，中间仍然隔着权限、连接、数据准备和模型训练等环节。这个系列的第一部分不急着训练模型，而是先把 AWS 账户与 Snowflake 环境搭好，为后续使用 Amazon SageMaker Canvas 构建欺诈检测模型做好准备。 无代码不等于...
来源: aws.amazon.com
54
无代码机器学习的价值，不只是把 Python 隐藏起来，而是让数据分析人员能够沿着一条可审计的路径完成数据接入、清洗、关联和建模。本系列第二部分把 Amazon SageMaker Canvas 连接到 Snowflake，使用 Data Wrangler 的可视化转换处理交易数据，并训练一个基于 XGBoost 的欺诈检测模型，为后续构建交互式仪表板...
来源: aws.amazon.com
47
机器学习模型输出的不是最终答案，而是一张需要被业务理解和使用的预测结果表。在这套无代码工作流中，Amazon SageMaker Canvas 负责生成欺诈检测预测，Amazon QuickSight 则把这些预测转换成互动仪表板、自然语言问答和面向管理层的摘要。 关键变化在于：模型结果不再停留在数据科学工具里，而是进入销售、风控、财务和管理层都能访问...
来源: postgr.es
43
PostgreSQL 的并行聚合长期采用 Partial/Finalize 路径：多个 worker 各自构建局部哈希表，再由 leader 重新合并聚合状态。这个设计简单、稳定，也符合 PostgreSQL 的多进程执行模型，但当输入行数很多、分组键复杂、最终分组数量接近输入规模时，Finalize 阶段可能重新做大量哈希和比较工作。 一种看似直接的...
来源: cloud.google.com
44
Google Antigravity 现在不再只是开发者单独使用的 AI 编码工具。符合条件的 Gemini Enterprise Standard、Plus 和 Standard Emerging Market 订阅，已经可以启用 Antigravity，并将授权、预算、审计、数据隐私和使用量分析统一纳入 Gemini Enterprise 管理体系...
来源: blog.cloudflare.com
40
OAuth 授权不应该只有“全部同意”或“完全拒绝”两个按钮。Cloudflare OAuth 现在支持可选 scopes，应用可以围绕当前任务请求更精确的权限，让用户更清楚地知道应用要访问什么，也让开发者更容易构建安全的授权流程。 传统的 OAuth 流程经常在首次登录时一次性申请一大组权限：读取账户、修改配置、管理 DNS，甚至访问与当前功能无关的...
来源: aws.amazon.com
50
AI agent 不只是回答问题，还可能调用工具、修改数据、发送消息或触发业务流程。当 agent 的行为超出组织政策时，仅依赖提示词并不足够。Amazon Bedrock AgentCore 的 Policy 能在 agent 执行操作时提供控制，并支持基于时间的约束；Policy Authoring 则可以把自然语言政策文档转换为 Dogwood ...