标签

云平台

用 Azure Files 承载现代 Linux 工作负载:共享文件不再只是挂载点

来源: azure.microsoft.com 25
Linux 工作负载里,文件共享一直是一个朴素但关键的需求:多个节点读写同一批文件、应用迁移时保留 POSIX 风格路径、批处理和服务之间交换数据。Azure Files 的价值在于把这种熟悉的文件访问模型,和云上的性能能力、数据保护、安全控制以及 Azure 服务集成放到一起,减少团队自己维护文件服务器的负担。 不是所有状态都适合塞进对象存储或数据库...

用 Rust 与 Typst 重建 PDF 生成链路:从秒级渲染到毫秒级文档基础设施

来源: infoq.com 41
在银行、制造业这类强监管行业里,PDF 不是“导出按钮”的附属品,而是合同、账单、审计记录和生产文档的最终形态。Erik Steiger 在分享中谈到的痛点很典型:传统 PDF 生成链路依赖 Puppeteer、LaTeX 这类重量级引擎,机器吃得多、冷启动慢、排障困难;一旦模板版本和业务数据对不上,合规团队很难回答“当时到底生成了什么”。 他的方向是...

灾难恢复不是买工具,而是把恢复练成肌肉记忆

来源: postgr.es 24
很多团队并不缺备份、复制、监控或云服务,真正缺的是在压力下把它们用对的能力。灾难恢复,简称 DR,最容易被误解成一套工具清单:有备份、有只读副本、有对象存储、有告警,就算准备好了。但真正出事时,决定 RTO 的往往不是你买了什么,而是谁来指挥、命令是否还能跑、权限是否还有效、团队有没有练过。 这篇文章讨论的是 DR 的后半段:如何把恢复能力从文档变成流...

用按需与批量推理动态切换,构建弹性文档抽取管线

来源: aws.amazon.com 37
处理海量文档时,你总会面对一个矛盾:实时场景要求秒级响应,离线场景则更在意成本控制。Amazon Bedrock 同时提供了按需推理(On-demand)和批量推理(Batch)两种调用模式,但多数人只用了其中一种。把两者组合成一条动态切换的管线,才能在延迟和费用之间找到最优解。 Bedrock 的按需推理是同步调用——请求发出后等待模型返回结果,适合...

用 Agent-EvalKit 系统化评估你的 AI Agent

来源: aws.amazon.com 40
AI Agent 越来越多,但"它到底好不好用"这件事,大多数团队还在靠手动试几个场景、凭感觉判断。Agent-EvalKit 这个 Apache 2.0 开源工具包,试图把 Agent 评估从"拍脑袋"变成"有流程、有数据、可复现"的工程实践。它已经对接了 Claude Code、Kiro CLI、Kilo Code 等主流 AI 编码助手,并提供了...

QuickSight 新能力:迷你趋势图 + 控件自定义排序,让仪表盘更"决策就绪"

来源: aws.amazon.com 32
Amazon QuickSight 最近上线了两项功能——Sparklines(迷你趋势图) 和 Custom Sort for Controls(控件自定义排序)。它们分别解决两个长期痛点:表格里看不出趋势走向,筛选器里业务维度总是按字母排而不是按逻辑排。两个功能看似独立,组合起来却能让仪表盘从"展示数据"升级为"驱动决策"。 Sparklines ...

用示例文档几分钟内优化 Amazon Bedrock Data Automation 的蓝图提取精度

来源: aws.amazon.com 46
从非结构化文档中提取字段,蓝图(Blueprint)是核心配置——它告诉 BDA 你要抽什么、怎么抽。但写好蓝图指令并不容易:一条模糊的指令可能导致字段漏抽、值偏移、格式混乱。过去要修正这些问题,往往需要反复调整指令文本、跑测试集、人工比对,周期以周计。 Amazon BDA 现在提供了 蓝图指令优化(Blueprint Instruction Opt...

前沿团队正在重塑 AI 原生开发:不只是写代码更快

来源: aws.amazon.com 47
"用 AI 写代码更快"——这是大多数团队对 AI 辅助开发的全部理解。但真正走在前面的团队已经不满足于让 Copilot 自动补全几行代码了。他们正在重新设计软件的构建方式本身,从需求定义到代码生成、从测试策略到团队分工,整个流程都在被重构。结果是:4.5 倍的生产力提升,部分场景甚至超过 10 倍。 这不是夸张的营销数字,而是那些把 AI 当作"开...