2026-08-06
来源: blog.cloudflare.com
48
网站优化的目标正在从“搜索结果里排第几”扩展为“AI 助手会不会把你推荐给用户”。来源摘要指出，如今超过一半的请求来自机器而非人类：它们可能是抓取器、检索系统，也可能是代表用户执行研究、比较和采购任务的 AI Agent。对网站团队而言，页面能被人顺畅浏览已经不够，还要确保机器能够发现、读取、理解并可靠地引用内容。 这带来两个需要分别度量的方向：Age...
2026-08-06
来源: blog.cloudflare.com
41
网站正在迎来一种新的访问者：AI Agent。它们通常不渲染 CSS、不点击广告，却可能代表一个有明确需求、也愿意付费的人类用户。粗暴封禁所有自动化流量，挡住的不只是爬虫，也可能是正在替客户检索资料、比较服务或执行采购的 Agent。 真正需要解决的问题，不是简单地“允许还是禁止机器人”，而是建立一套让发布者与 Agent 能够合作的接口：内容可读、能...
2026-08-06
来源: blog.cloudflare.com
50
传统浏览器围绕人类设计：页面需要可视化，交互依赖鼠标和键盘，会话状态长期保存在本地。AI Agent 的需求不同，它更关心结构化输入、确定性操作、并发执行、失败重试和可控成本。Cloudflare 推出的 Kitesurf 正是在这个方向上重新定义浏览器：它面向 Agentic Cloud，运行于 Cloudflare Workers 的 V8 iso...
2026-08-06
来源: blog.cloudflare.com
54
Cloudflare 推出的 WebMCP 开发者预览，试图解决一个现实问题：网站通常只为人类浏览器设计，而浏览器 AI 智能体需要可识别、可调用、可约束的操作接口。按照发布摘要，站点开启一个开关后即可供浏览器 AI 智能体使用，不必新增 API，也不必修改源站；与此同时，用户仍掌握操作控制权，内容创作者也能保留进入网站的流量。 传统浏览器自动化依赖 ...
2026-08-06
来源: cloud.google.com
34
前沿模型团队越来越少把“选 TPU 还是选 GPU”当作一次性的基础设施决策。Mirendil 与 Google Cloud 的合作体现了另一种路径：在同一套端到端训练体系中同时使用 Google TPU 和 NVIDIA 加速计算平台，并将预训练、后训练及大规模强化学习等负载，匹配给更合适的硬件与集群环境。 Mirendil 已经上线 TPU v5P...
2026-08-06
来源: oschina.net
56
Cloudflare 开源了内部企业 AI 平台 Cloudflare OS。只看官方博客，很容易把它归类为“企业知识库加聊天机器人”：接入一些数据源，让员工用自然语言提问，再由模型生成答案。 这种产品形态已经相当常见。更值得关注的是 Kenton Varda 对项目的描述：它确实是“一个带连接器的聊天机器人”，看起来和其他科技公司的内部 AI 项目一...
2026-08-06
来源: infoq.com
50
Wiz Research 披露的 CosmosEscape 并不是一次普通的数据库密钥泄露。攻击链从 Azure Cosmos DB 的 Gremlin 沙箱逃逸，最终获得一个平台级密钥，可读写该服务中的所有数据库。微软在两天内封堵入口，但来源摘要指出，直到 2026 年 7 月才移除该密钥。这个事件真正棘手的地方，在于客户能否通过配置降低风险，以及哪...
2026-08-06
来源: oschina.net
61
Deno 团队开源的 Celld，试图把 Cloudflare Workers 与 Durable Objects 的编程模型带到自托管环境中。它不是一个需要复杂控制平面的云平台，而是一个可以运行在自己机器上的守护进程：对象按名称寻址，各自使用独立的 SQLite 数据库，并通过 S3 兼容存储在节点之间协调和复制。 这套设计的吸引力在于简单。开发者可...
2026-08-06
来源: blog.cloudflare.com
55
Cloudflare 宣布，它是唯一同时在 2026 年 Gartner® SASE Platforms 魔力象限和 Security Service Edge（SSE）魔力象限中被评为“愿景者”（Visionary）的厂商。这个消息的价值不只在于榜单排名，更在于它把企业长期面对的两个问题放到了一起：如何构建覆盖网络与安全的 SASE 架构，以及如何通...
2026-08-06
来源: engineering.fb.com
59
当推荐系统每天处理数十亿次用户互动时，用户刚刚看过什么、点击过什么、停留了多久，以及这些行为发生的先后顺序，往往比一组静态标签更能说明当前意图。Meta 关于广告排序的最新实践，将讨论重点从“如何加入序列特征”推进到了“如何让序列建模在大规模系统中持续扩展”：模型结构、数据处理和计算预算需要一起设计。 传统广告排序系统通常依赖稀疏特征，例如用户兴趣标签...