标签

云原生

多模型、多 Harness 时代:别让 AI Agent 成为失控的“混淆代理”

来源: docker.com 37
AI 系统正在从“调用一个模型”变成“由多个模型、多个 Agent Harness、多个工具共同完成任务”。模型可能来自不同供应商,Harness 可能负责规划、记忆、重试、工具调用或人工审批,而真正产生副作用的动作则发生在数据库、云平台和企业内部系统中。 这种组合带来了一个经典但容易被忽视的问题:混淆代理(confused deputy)。一个程序本...

用 Docker Sandboxes 构建可复现的 AI 评测工作流

来源: docker.com 36
AI 评测最难处理的,往往不是把模型调用起来,而是回答一个更基础的问题:这次结果到底是在什么环境里产生的?依赖版本、提示词、输入数据、运行参数和工具行为只要有一项变化,评测结果就可能失去可比性。 Docker Sandboxes 可以把评测过程放进隔离且可记录的运行环境中,让团队更容易固定执行条件、保存结构化产物,并为每个结果留下运行时证据。它不会自动...

Metal3 遇上 KubeVirtBMC:把 KubeVirt 虚拟机当作裸金属来部署

来源: cncf.io 47
上一篇内容介绍了 KubeVirtBMC:它为 KubeVirt 虚拟机提供虚拟 BMC 端点,并通过原始 IPMI 和 Redfish 命令验证了这些端点。真正有价值的地方在于,BMC 不必只服务于人工运维,也可以接入 Metal3,让 Metal3 按照管理裸金属服务器的方式管理 KubeVirt 虚拟机。 这意味着开发者可以在 Kubernete...

Google Cloud 本月 AI 动向:从行业智能体到可控的 AI 成本

来源: cloud.google.com 34
Google Cloud 本月的 AI 更新,重点已经从“模型还能做什么”转向“企业如何把 AI 真正部署起来”。主题很明确:让智能体进入金融服务和法律等专业工作流,同时用更灵活的计费方式、预算控制和工程化指南,解决 AI 成本、治理与生产落地问题。 本月公布的 Gemini Enterprise for Financial Services,面向资本...

平台工程成熟度:从工具链走向真正的自助服务

来源: cncf.io 43
平台工程的讨论,往往很快分成两个房间:一个房间里的团队还没有平台,依赖零散脚本、口口相传的经验,以及每个团队各自重复建设的流程;另一个房间已经搭建了工具链,却发现开发者仍然需要找平台团队开工单。真正的成熟,不是工具越多越好,而是平台能否把常见交付路径变成清晰、可发现、可重复的自助服务。 没有平台时,团队通常会自行维护部署脚本、云资源配置、监控接入和权限...

BREEZE COMET:从社工入侵到巴西支付系统欺诈的攻击链拆解

来源: cloud.google.com 48
BREEZE COMET(此前由 Mandiant 以 UNC5669 跟踪)针对巴西金融服务、零售、电商、金融科技和银行软件提供商发动了持续入侵。它的目标并非单纯窃取终端数据,而是夺取能够操作 Pix、STR、Boleto 等支付系统的身份、证书和网络路径,最终直接发起欺诈转账。 这类活动值得重视的地方,在于攻击者把社会工程、被攻陷的政府网站、定制化...

rustup 1.29.1 发布:并发更新、更灵活的文档服务与更清晰的平台边界

来源: blog.rust-lang.org 38
rustup 1.29.1 已发布。这一版本没有引入破坏性的 CLI 变更,但改善了多个日常操作的效率和可预测性:工具链更新检查可以并行执行,批量组件安装也会并发进行;本地文档新增 HTTP 服务模式;部分过去会隐式安装活动工具链的行为则开始发出弃用警告。 运行 时,rustup 会并行检查可能存在的更新。对于需要维护多个工具链的开发机或 CI 环境,...

Kubernetes v1.37:Storage Version Migration 默认启用后,CRD 升级更稳了

来源: kubernetes.io 44
Kubernetes v1.37 中,Storage Version Migration(SVM)正式达到 GA,并在所有 v1.37 集群中默认启用。它解决了一个容易被忽略但会直接影响 API 兼容性的运维问题:API 版本已经升级,etcd 中却可能仍然保存着旧版本序列化的数据。 对于 CRD 作者、集群管理员以及负责加密密钥轮换的团队来说,SVM...

从数周到数分钟:用 Data Agent Kit 构建智能数据管道与 MLOps 闭环

来源: cloud.google.com 50
数据管道一直是企业数据平台的骨架,但 Airflow DAG、计算资源、模型训练、批量推理和生产部署之间存在较高的工程门槛。Google Cloud 推出的 Orchestration Pipelines 框架与开源 Data Agent Kit,试图把这段复杂流程直接带进开发者熟悉的 IDE 或 CLI,让数据分析师、数据工程师和 ML 工程师能够用...