按更新时间排序
当漏洞扫描工具报告你的应用程序存在23个安全漏洞时，其中4个属于严重等级，7个为较高风险等级，剩下的12个则为中等风险等级，乍一看，解决办法似乎很明确：立即开始修补这些漏洞。但究竟应该先修复哪一个呢？ 这在漏洞管理中一直是个棘手的问题。虽然安全团队可能会及时发现存在漏洞的代码依赖项，但并不总能立刻对其进行修复。开发人员需要确保这些有漏洞的代码仍在被使用中，并在将修复方案部署到生产环境之前完成所有必要的测试。 不过，最近在利用人工智能来检测软件漏洞及攻击手段方面确实取得了一些显著的进展。例如，这篇 研究 就详细介绍了相关的研究成果以及未来的发展方向。 但这一切究竟如何才能真正帮助开发社区呢？我们
Discord就是这样一种技术：几年前它突然出现，如今已经无处不在。 各种社区、项目和倡议都建立了大量的服务器，而且这类服务器还在不断涌现。在很大程度上，它们已经取代了论坛、聊天室，有时甚至也替代了文档网站和新闻板块的功能。 这种变化究竟是好是坏，还有待讨论，但可以肯定的是，Discord将会长期存在下去。 就可访问性而言，Discord曾经面临过一些问题。多年来，对于使用屏幕阅读器的用户来说，使用这款软件一直非常不便，因为开发者显然没有充分考虑过可访问性的需求。 不过在过去的几年里，这种情况已经得到了显著改善。虽然到2026年时，Discord仍然不是完全适合所有用户使用的工具，但只要掌握了
从表面上看，人工智能接待员似乎很简单：来电者说话，系统做出响应，然后对话持续进行，直到来电者得到答案或与相关人员取得联系。 但实际上，在这一对话的背后，存在着一系列电话基础设施、语音识别技术、语言模型、应用逻辑、应用程序接口、数据库以及呼叫路由机制。 有趣的地方并不在于人工智能模型本身，而在于这些组件是如何协同工作，将音频流转化为有用的商业行动的。 那些希望拥有这类功能的企业有两种选择： 它们可以购买现成的产品。目前市场上已经有专门的人工智能接待系统，比如Nextiva公司的 XBert ，以及Goodcall、Dialzara等公司提供的相关工具。 或者，它们也可以自行开发这样的系统，而这篇
寻找奖学金信息其实是一项需要系统地进行研究的任务，而不仅仅是通过简单的搜索来完成的。你需要根据学科领域、平均成绩、国籍以及截止日期等条件来筛选各类奖学金信息，然后列出候选名单，并对相关申请材料及推荐人的意见做好记录。一周后，你再回顾这些信息，尝试回忆自己当初为什么选择保存某个具体的奖学金项目。 人工智能助手可以帮助完成这一工作流程，但前提是它必须能够访问真实的数据库，并能保留你之前所做的筛选和决策结果。聊天记录并不能替代数据库；而那些被错误设定的截止日期反而会比根本没有截止日期更糟糕。 Model Context Protocol (MCP) 为人工智能应用程序提供了获取这类信息的标准接口。在
JupyterGIS是一款专为Jupyter笔记本设计的、专注于GIS功能的扩展插件。最新发布的0.16版本增强了协作功能、实时编辑能力，并提升了对大规模数据处理的支持力度，尤其是针对遥感数据的处理。该版本还提供了更强大的可视化工具，并进一步提升了与R语言用户的兼容性。社区用户反馈指出，目前该插件在实用性方面还存在一些不足，同时人们也希望能进一步提升其便携性。 作者：Olimpiu Pop
Blume是一个开源文档框架，它能够将Markdown格式的文档转换成完整的文档网站。该框架采用Astro和Vite技术构建，安装时仅需Node.js环境以及一个Markdown格式的文档文件即可。它支持多种配置方式，具备自动优化搜索引擎排名的功能，同时还提供了用于测试文档质量的工具，因此用户可以轻松地将其他文档系统中的内容迁移到Blume平台上。 作者：Daniel Curtis
在最近发表的一篇研究论文中，谷歌提出了“Beyond Zero”这一概念——这是一种“专为人工智能时代设计的安全模型”，它将“零信任”理念应用到了自主运行的智能系统上。这种新的安全机制将访问权限的控制权限从应用程序层面下放到具体的资源或操作层面，同时结合静态的授权规则与动态的人工智能决策机制，从而实现以机器般的速度来执行各种安全控制措施，无论是对于人类用户还是智能系统而言都是如此。 作者：雷纳托·洛西奥
Meryem Arik谈到了她对2030年软件工程领域的发展预测。她解释了代币管理机制、并行智能体基础设施以及非技术背景的从业者将如何重塑信息技术行业；同时，她也分享了自己对于智能体在供应商决策中的作用、即将出现的监管挑战，以及为什么软件工程师必须从单纯的编程技能转向具备产品领导能力和多智能体协调能力等方面的见解。 作者：Meryem Arik
大型语言模型从根本上改变了我们构建企业内部应用的方式。它们使开发人员能够创建出能够分析复杂企业数据、回答内部查询以及自动化重复性工作流程的智能软件。 然而，将基于大型语言模型的应用从本地原型阶段部署到生产环境时，往往会暴露出一个关键的可靠性问题： 过度自信 。 标准的语言模型被优化为生成在统计学上最有可能出现的下一个输出结果，而不是用来评估它们自身的准确性。当遇到模糊的输入指令、不完整的检索信息或超出模型适用范围的边缘情况时，这些模型会毫无顾忌地生成看似合理的虚假答案，甚至编造事实，而不会向用户提示任何不确定性。 在那些对业务运行至关重要的企业环境中，一个盲目猜测的人工智能应用无疑会带来严重的
像 Claude Code 、 OpenAI Codex 、 Google Antigravity 以及 Cursor 这样的代理编码工具，在日常软件开发中已经变得无处不在。 随着代理系统的不断发展，开发者让这些系统完成的大部分工作都是通过逐个分配子任务来实现的。许多团队也在探索并使用共享的、多租户式的代理基础设施，这种架构的成本不会与某个特定的所有者挂钩。在这种情况下，可观测性就成为了监控基础设施成本的关键因素。 在本指南中，您将了解可观测性的工作原理，然后学习如何启用Claude Code内置的遥测功能，运行后端程序来收集数据，并读取该系统生成的各类指标、日志及追踪信息。这些内容将帮助您更
METR )。 DORA )。 Stack Overflow )。 Anthropic )。 目录 先决条件 什么是AI原生SDLC？ 当代码开发成本降低后，瓶颈会出现在哪里？ Claude Code、Codex与Gemini CLI：同一个框架，三种不同的工具/术语体系 如何开展规划阶段的工作 如何开展设计阶段的工作 如何开展构建阶段的工作 如何开展测试阶段的工作 如何开展部署阶段的工作 如何开展维护阶段的工作 一名工程师如何负责一个五人的团队 规划阶段 设计阶段 构建阶段 测试阶段 部署阶段 维护阶段 在全面采用AI原生SDLC之前，需要检查的事项清单 结论 接下来应该探索什么 先决条件
jQuery由John Resig创建，于2006年正式发布。它是一个JavaScript库，能够简化HTML操作、事件处理、动画效果以及Ajax功能的实现。由于提供了跨浏览器的通用API，jQuery极大地便利了网页开发工作。尽管随着现代框架的兴起，其使用频率有所下降，但如今仍有大量网站在使用jQuery。 作者：Daniel Curtis
Zack Bartel开发了Tether这个开源项目，它的目的是将Apple Continuity功能与Linux工作站结合起来。通过Tether，用户可以在Linux系统上直接发送iMessage消息、同步剪贴板内容，并查看iOS系统的通知。该项目采用了安全的局域网通信技术以及定制的蓝牙协议栈，从而确保了跨平台交互时的稳定性与安全性。 作者：Olimpiu Pop
在这期播客中，负责“文化与方法”板块的首席编辑Shane Hastie与Click Boarding公司的CTO Adam Wachtel进行了交谈。他们讨论了在招聘时应更注重候选人的性格特质和解决问题的能力，而非仅仅看重他们的技能；还探讨了如何在危机时刻扭转一个平台或团队的发展势头；此外，他们也分析了人工智能如何正在改变团队的人员构成与规模，但这种变化并不会导致SaaS服务的发展受到阻碍。 作者：Adam Wachtel
在意识到许多客户尚未准备好迁移到GitHub之后，微软向所有Azure DevOps客户开放了针对Azure Repos的GitHub Copilot代码审核功能。这些审核服务按照使用次数计费，费用会通过用户所关联的Azure订阅账户进行扣除，48小时后才会显示在“成本管理”页面中。虽然系统会发出预算提醒，但并不会阻止审核功能的正常使用；每个组织最多同时可以使用5个审核任务。 作者：Steef-Jan Wiggers
Onur Satici详细解释了如何利用Vortex这一由Linux基金会推出的开源列式文件格式来彻底改变高吞吐量数据加载的方式。他说明了如何通过层叠式的轻量级编码技术、基于文件结构的数据分段优化机制以及零拷贝内存传输技术，消除CPU与NVMe之间的性能瓶颈，从而让S3存储中的数据能够以高达60 Gbps的速度直接传输到GPU上，而无需在进行任何预处理操作。 作者：Onur Satici
这本电子杂志探讨了在这样一个快速发展的工程领域中，架构师该如何以清晰的思路来引领发展方向，并将行业经验转化为可供团队实际应用的实践方法。这些案例共同揭示了一个核心主题：技术领导者们的角色正在从单纯构建系统，转变为引导技术的行为模式与发展方向，同时帮助工程师们和各类组织充分发挥他们的潜力。 InfoQ出品
Kubernetes鼓励开发者仔细研究KYAML这种格式。KYAML其实是YAML的一种更严格的形式，它的设计目的在于使Kubernetes的配置更加清晰、易于理解，同时降低出现常见YAML错误的可能性。 作者：Craig Risi
Airbnb重新设计了其认证架构，采用了基于服务器处理的流程以及根据策略来选择相应的认证方式。这一新的“灵活认证系统”使与认证相关的代码量减少了60%，使得网页客户端的大小缩减了100 KB，同时大大提高了认证成功的成功率（成功率提升了2.6%），还有效减少了重复账户的创建现象（重复账户的数量减少了27%），此外，使用一次性密码进行认证所带来的成本也降低了11%。 作者：Leela Kumili
假设你的量子程序需要对编号为 0 和 50 的两个量子比特执行某种操作。 从编程者的角度来看，这似乎是一件很简单的事情。 你有两个量子比特，也有一个可以同时作用于这两个量子比特的门电路。那么，为什么量子计算机不能直接执行这个操作呢？ 因为在真实的量子处理器中，各个量子比特并不一定彼此相连。 量子处理器并不是由一系列可以随意互换的量子比特组成的系统，在这种系统中，每个量子比特都能立即与其他所有量子比特发生相互作用。这些量子比特的实际排列方式非常重要，连接装置、控制电路、门电路的种类、错误率以及它们之间的通信路径也同样重要。 这些因素就导致了你编写的量子程序与实际执行该程序的量子计算机之间存在本质
有些对象非常简单，比如字符串、数字或布尔值。你可以用一行代码创建它们，然后继续进行其他操作。 而另一些对象则完全不简单。例如，一个轮播组件就需要包含项目数量、项目生成函数、控制器、高度、视图窗口比例、自动播放设置、页面切换回调函数以及无限滚动配置等信息。再比如，一个HTTP请求需要URL地址、请求头信息、认证令牌、请求体内容、超时时间以及重试逻辑。又或者，一条通知消息需要标题、正文、图标、发送渠道、优先级、声音效果、振动功能以及操作按钮等等。 当你需要构建这类对象时，一种常见的方法是使用带有大量参数的构造函数。这种方法虽然可行，但随着对象结构变得越来越复杂，就会带来一系列问题：这些参数很难区分
关于人工智能辅助开发，最大的误解之一就是认为使用人工智能就意味着要放弃多年来积累的工程经验。其实并非如此。 你可以将自己所学到的架构模式、犯过的错误、团队遵循的规范，以及作为Flutter工程师所制定的标准，通过特定的技能教给人工智能编码助手。这样一来，你就不必在自身经验与人工智能之间做出选择，而是可以将两者结合起来使用。 然而，几乎每一位Flutter开发者，在第一次在实际项目中使用人工智能编码助手时，都会遇到一些令人沮丧的情况。 比如，当你让助手生成一个个人资料页面时，它虽然能生成能够正常运行的代码，但却没有在`widgets/`文件夹中创建一个结构清晰、可重复使用的`ProfileCar
如果你是一名软件开发人员或DevOps工程师，那么你很可能已经听说过OpenTelemetry。在讨论可观测性、监控或分布式系统的调试时，这个术语经常会被提及。 你可能也知道它的基本定义，但了解OpenTelemetry是什么与真正理解它的运作原理其实是两回事。 读完本指南后，你将能够明白OpenTelemetry是如何从端到端工作的——从请求进入你的应用程序的那一刻起，直到这些数据被显示在可观测性后端系统中。你还会了解到追踪信息、时间跨度、上下文传播机制以及数据导出工具是如何共同构成一个完整的处理流程的。 如果你完全不了解OpenTelemetry，也别担心：接下来的部分会帮助你快速掌握相关
我们刚刚在freeCodeCamp.org的YouTube频道上发布了一门关于半导体供应链的全面课程，这门课程完全基于第一性原理进行讲解。该课程由硬件专家Kian Kyars主讲，深入剖析了从原始硅材料到最终在现代数据中心得到应用的整个过程。 随着用于人工智能基础设施的资本支出不断增加，达到数千亿美元之多，硬件已经不再是一个仅限于芯片设计专家研究的领域。对于开发人员、研究人员以及科技行业的专业人士来说，了解支撑现代人工智能模型运行的各种硬件设备已经变得至关重要。 这门课程重点介绍了Nvidia最新的硬件产品，详细讲解了双芯片结构的GB300 Blackwell Ultra GPU是如何进行设计
Cohere推出了Parse 5，这是一种多模态基础模型，旨在从复杂的企业文档中提取结构化数据。这个拥有23亿个参数的系统能够将内容丰富的PDF文件转换为Markdown格式，同时还能提供用于视觉识别的边界框坐标。经过对2000多份企业文档的测试，该系统在关键性能指标上的平均得分达到了79.2分。 作者：Olimpiu Pop
Brian Martin探讨了各种指标库在现实环境中的性能开销，并分享了那些能够降低开发成本、实现“无惧性能影响”的监控与分析策略。他结合自己在IOP Systems的工作经验，介绍了原子操作原语、基于CPU的分布式数据处理技术、无需锁机制的直方图分析工具，以及eBPF技术的集成方法，这些方法能够帮助软件架构师和工程团队在保证系统性能的前提下实现全面的性能监控。 作者：Brian Martin
pnpm 12现已采用Rust语言进行开发，同时仍保持了与pnpm 11命令、参数及格式的兼容性。此次更新显著提升了程序的启动速度以及文件系统的处理性能，尤其是在使用现有缓存的情况下。社区用户反馈指出，虽然性能得到了提升，但文件的大小也有所增加。 作者：Daniel Curtis
在面对复杂的代码修改时，强制进行人工智能检查，并结合人工审核流程，能够帮助开发者保持敏锐的判断力。如果大多数开发人员都是代码的负责人，且团队规模较小，那么对于风险较低的代码提交，团队可以跳过同行评审环节，直接使用人工智能审批机制来提升开发效率。 作者：本·林德斯
Shopify的工程团队采用了一种名为“gisting”的新技术，这种技术能够将冗长的大语言模型输入文本压缩成一组简短的、“精华提取后的”符号，从而提高处理效率并降低推理成本。 作者：Sergio De Simone
在开发环境中，你的注册接口看起来没有任何问题。用户完成注册后，你会将相关数据保存到数据库中，然后调用邮件服务提供商，并返回状态码 201 Created ，这样用户就会收到欢迎邮件。一切似乎都很顺利。 然而，当生产环境中的请求开始涌入时，问题出现了： 邮件发送接口现在需要2秒钟才能完成响应，而不是原本的200毫秒。因此，有些请求会超时失败。而在邮件服务提供商出现故障的情况下，所有注册请求都会返回状态码 500 。技术支持人员很困惑：为什么用户能够创建账户，但却始终收不到确认邮件链接？ 其实问题并不出在你的邮件模板上，而在于你选择将邮件发送处理逻辑放在HTTP请求路径中这一决策。 在这篇文章中，
作为在小型团队中工作的工程师，目前的开发结构或许还可以应付得来。但倘若你的团队规模扩大到20人或更多，且所有人都在同一个代码库上进行开发，那么你就需要运用精心的设计思路、顺畅的协作流程，以及一些能够保持代码库简洁性的方法。 在选择文件夹结构、应用程序架构以及项目中使用的各种模式时，你也必须十分谨慎、有目的性地进行决策。 大多数Flutter应用程序的开发过程都是类似的。起初，你只需要一个“lib”文件夹、几个界面模板、一个“models”目录，以及一个负责处理所有逻辑的“services”文件即可。这样的结构能够正常运行，应用程序也能顺利发布，大家也会对此感到满意。 但随着应用程序的发展，新的
Cloudflare新增了可选的OAuth权限范围，允许客户端所有者指定用户在表示同意时可以不选择哪些权限。该公司以MCP服务器为例来说明这一设计的必要性，因为这些代理会请求获得所有他们可能需要的权限。虽然在其他场景中也存在部分同意的情况，但开发者却无法自行决定哪些权限范围是可以被用户舍弃的。 作者：Steef-Jan Wiggers
里卡多·费雷拉探讨了如何超越简单的提示工程技术，来构建具备生产级功能的人工智能应用。他分享了一些实用的架构策略：如何利用Redis整合长期记忆与短期记忆机制，如何通过信息摘要来管理大语言模型的令牌使用限制，如何通过重新排序和语义缓存来防止上下文信息的丢失，以及如何在严格的延迟约束下控制API调用所带来的成本增长。 作者：里卡多·费雷拉
OpenAI最近发布了一份关于GPT-Live的技术说明文档。其中详细介绍了他们是如何设计这个系统的——该系统能够在保持连续语音交互的同时，将那些对延迟敏感的媒体处理任务与其他应用程序逻辑分开来处理。实时通信流程中包含了媒体数据传输机制以及推理模块；而授权管理、工具使用、数据持久化等功能则是在异步远程过程调用框架下运行的。 作者：Eran Stiller
Swiggy开发了一套自主研发的预测生命周期价值模型，该模型采用了超过350个预订单相关特征，并结合了多任务MLP算法来分析Food业务及Instamart业务的数据。通过将订单数量作为辅助训练指标，模型的参数数量减少了63%，同时其预测性能也得到了提升。目前，Swiggy正在将这种预测生命周期价值的方法与Google的Target ROAS竞价系统相结合，以优化客户获取策略。 作者：Leela Kumili
许多工程师在继承遗留代码后，首先想要做的就是改进这些代码。 你会遇到一些难以理解的函数，或者看到重复的逻辑、深度嵌套的条件语句、混合了业务规则的数据库调用，以及那些使得测试几乎无法进行的依赖关系。 你知道这些代码本可以做得更好，于是开始对其进行优化。 然而，随后就会出现问题。并不是因为新的实现方式存在明显的错误，而是因为旧的实现方式在背后做了某些人们之前根本不知道它在做的事情。 这就是在遗留代码现代化过程中最常出现的风险之一。 在修改代码之前，你需要有一种方法来回答一个简单的问题： 我是否保留了那些原本就重要的功能行为？ 这时，特性测试就派上了用场。 特性测试并不是从“软件应该做什么”这个角度
也许你可以理解这样的场景：本周，你用了同样的说明四次向别人解释人工智能模型的使用方法。 你反复讲解过团队是如何构建演示文稿的框架的，哪些检查步骤需要在部署之前完成，以及为什么测试数据库并不是文档中提到的那个。 每次你都要把这些内容重新写一遍，每次智能助手也能完成得不错，但每次新的会话开始时，一切都得从零开始。 而这正是 智能助手技能 所要解决的问题。 技能 实际上就是一个文件夹，其中只包含一个名为 Skill.md 的文件。智能助手在启动时会阅读其中的一行总结内容，而只有当真正需要时才会打开完整的说明文件。你只需把解释内容编写一次，将其与代码一起提交，那么团队中的每个智能助手就能访问这些信息，
产品数据记录了您的应用程序或网站内部实际发生的情况。它展示了用户的行为、系统的运行状态，以及业务的运营表现。 在本文中，您将了解什么是产品数据、哪些部分值得追踪、哪些部分可以忽略不计，同时也会明白：编写代码的开发者实际上承担着比他人认为的更大的责任。 目录 什么是产品数据？ 为什么应该追踪产品数据？ 还有谁会使用您所追踪的数据？ 为什么应该尽早开始数据追踪？ 为什么数据追踪永无止境？ 在您的产品中应该追踪哪些内容？ 有哪些内容是不应该被追踪的？ 如何安全地处理用户数据？ 总结 什么是产品数据？ 产品数据指的是您的应用程序或网站内部实际发生的情况。它能够回答一些简单的问题：用户喜欢哪些功能？他们
大多数应用程序最终都需要存储和操作数据。如果你使用Firebase进行开发，那么这些数据就会存储在Firestore中——这是谷歌提供的一种灵活且可扩展的NoSQL文档数据库。 但在能够自信地创建、读取、更新或删除数据之前，你首先需要了解Firestore实际上是如何组织信息的。Firestore的结构与SQL数据库不同，如果将其视为SQL数据库来使用，那么最终结果很可能就是得到一个结构混乱、难以查询的数据模型。 在本教程中，你将学习 Firestore的NoSQL数据模型是如何工作的，然后通过使用Firebase Web SDK（v9及以上版本）来构建一个简单的任务管理应用程序，从而练习各种
Instagram拥有超过5亿个注册用户名。当有新用户尝试注册时，平台几乎需要立即回答一个问题：这个用户名是否已经被别人使用了？ 一种简单的解决方法是进行数据库查询——从用户表中查找该用户名，判断它是否存在。这种方法在数据量较小时效果不错，但当数据库记录数量达到5亿条，且每天要被查询数百万次时，就会成为一个严重的性能瓶颈。即使为数据库添加了索引，每次注册尝试时，数据库仍然需要执行复杂的操作。 幸运的是，还有更聪明的解决方法。在触碰数据库之前，可以先询问另一个系统来快速获取答案。这个系统会给出两种可能的回答： 肯定没有被占用： 这个结论是绝对可靠的，没有任何例外情况。这意味着该用户名是可以使用的
Excel仍然是科技和商业领域中最常用、最强大的工具之一，但真正掌握它的公式和功能有时会让人感到不知所措。为了帮助您成为真正的电子表格高手，我们刚刚在freeCodeCamp.org的YouTube频道上发布了一门内容全面的新课程。 这门课程由Sergio讲授，他曾经是亚马逊的软件工程师，也是“Formula Wars”这款工具的创造者。Sergio表示，自己早期掌握的Excel技能帮助他获得了投资银行的实习机会，进而开启了他的软件工程职业生涯。现在，他采用了一种非常实用、以代码为教学方式的互动式学习方法。通过测验和实际操作练习，您将很快巩固对电子表格相关概念的理解。 你将学到的内容 核心功能
1999年，埃里克·布鲁尔提出了一种理论，这一理论在随后几十年里极大地影响了分布式系统的设计方式。他指出，任何分布式数据存储系统最多只能同时满足三个属性中的两个：一致性、可用性和分区容错性。 两年后，塞思·吉尔伯特和南希·林奇正式证明了这一观点，这一理论后来被称为CAP定理。 所有那些需要在多台机器上存储数据的分布式数据库、云服务或系统，都必须在这三个属性之间做出选择。理解这些属性的具体含义、为什么不能同时满足全部三个属性，以及在实际应用中应该如何做出这种选择，对于任何负责构建或运营大规模系统的工程师来说，都是至关重要的基础知识。 目录 先决条件 三个属性 为什么不能同时满足全部三个属性 真正
如果你曾经打开过一份30页的PDF文件，然后心想“我绝对不可能读完这一切”，那么你就已经理解了为什么文件分析人工智能工具会非常有用。 想象一下，当你上传一篇研究论文、简历、CSV文件、商业报告或PDF文档后，只需简单地问这样一个问题： “其中最重要的发现是什么？” 人工智能工具无需你手动浏览整个文件，就能理解文件的内容，并回答相关问题。 在本教程中，我们正是要构建这样的工具。我们将使用Python编写一个适合初学者的 AI文件分析工具 ，它能够： 从你的电脑中接收文件 将文件上传到人工智能模型中 读取文件的内容 理解自然语言提出的问题 分析文件 给出有用的答案 处理各种类型的问题，而无需我们为
让移动应用程序具备无障碍使用功能，就能确保包括那些有视觉、听觉、运动或认知障碍的人在内的所有用户，都能有效地与这些应用程序进行交互并使用它们。 过去，无障碍设计往往被视为事后才需要考虑的问题——只有在发布前有足够时间时才会被纳入考量范围。 如今，这种观念已经发生了根本性的变化。随着《欧洲无障碍法案》等法规在欧盟各市场开始生效，开发具备无障碍功能的软件逐渐成为一项法律和商业上的必备要求。 更重要的是，开发无障碍应用程序本身就是良好的工程实践。这样的应用能够提升所有用户的使用体验，同时也能确保你不会遗漏掉大量潜在的用户群体。 与传统的Android View系统相比，Jetpack Compose
每次你打开一个网页，都会留下痕迹。你的浏览器会泄露你的IP地址、屏幕尺寸、所使用的字体以及许多其他细节信息。广告公司会收集这些信息并将它们整合起来，从而形成关于你的个人资料——包括你是谁、购买什么产品、经常去哪些地方。 好消息是，你并不需要成为安全专家才能解决这个问题。大部分操作只需要花一个下午的时间就能完成。之后，保护隐私就会变成一种习惯，而不再是一个复杂的项目。本指南会按照能让你以最少的努力获得最大收益的顺序，一步步指导你完成这些操作。 在这篇文章中，你将了解到如何在不让浏览过程变得复杂的情况下保护自己的在线隐私。我们会介绍最重要的步骤，从选择适合保护隐私的浏览器、阻止追踪器到使用VPN、
HashiCorp将HCP Terraform视为新一代由人工智能驱动的基础设施中的治理与控制工具，认为随着编码工具的迅速普及，基础设施领域最大的挑战已经从配置文件的编写转变为对这些配置文件进行验证以及确保其能够安全地被执行。 作者：Craig Risi
姚跃指出了标准折线图在系统监控方面的根本局限性。凭借15年大规模系统运维的经验，她分享了工程领导者与软件架构师如何利用遥测数据——突破传统的时间序列分析框架——来构建能够直接解答关于系统容量、延迟及资源配置等关键问题的可视化工具。 作者：姚跃
这是InfoQ在线认证项目9月课程的预览信息，以及负责这些课程的讲师们：Luca Mezzalira、Michelle Brush、Xichuan Xiong以及Premanand Chandrasekaran。 作者：Artenisa Chatziou
OpenClaw发布了OpenClaw 2.0版本，这一重大更新对这款开源个人AI助手进行了多处改进，包括修改了其安装流程、浏览器界面设计、内存管理机制、技能功能、自动化流程、插件系统以及安全性与协作功能等方面。 作者：Daniel Dominguez
Dirk Lemmerman将FlexGanttFX作为一个开源的资源调度框架发布出来，该框架采用AGPL许可证进行授权。这个基于JavaFX开发的库能够帮助各种行业的用户创建甘特图，并通过使用Canvas渲染技术来提升程序的性能。该框架还提供了用于构建任务依赖关系模型以及直接编辑相关数据的功能，因此能够满足不同项目规划的需求。 作者：Erik Costlow
微软将Foundry的模型路由器所支持的区域数量从2个增加到了28个：其中28个区域适用于全球范围内的标准部署，21个区域则用于数据区域的部署。同时，微软还新增了Claude Opus 4.8和GPT-5.6这两个模型，并移除了4个已被弃用的模型。在默认配置下，系统会自动应用这些模型变更；而对于那些被特别配置为不使用新模型的环境，新的模型需要被明确添加后才能被使用。实际上，系统中可使用的模型范围始终取决于池中规模最小的那个模型。 作者：Steef-Jan Wiggers
詹姆斯·霍尔探讨了将人工智能相关工作负载从云服务提供商迁移至本地边缘设备的战略意义与技术可行性。他介绍了如何利用WebGPU、Transformers.js以及DuckDB等工具，在JavaScript环境中实现接近原生应用的性能表现。通过实际案例分析，他还说明了如何有效降低数据隐私风险、优化浏览器中的推理流程，并构建完善的评估体系。 作者：詹姆斯·霍尔
在这一集中，以参与Macintosh、Google Maps和Chrome等项目的设计而闻名的资深UX设计师Scott Jenson，分析了桌面操作系统的长期发展停滞现象，以及当前以移动设备和云计算为中心的发展模式所存在的局限性。 作者：Scott Jenson
长期使用的GCP服务账户密钥属于必须永久管理的机密信息，这些密钥难以定期更替，同时也很容易被泄露。将“工作负载身份联合机制”应用于120多个生产项目后，人们才意识到这种机制彻底改变了机器身份管理的方式：密钥仍然需要被妥善管理，但联合身份机制所代表的则是那些只需配置一次的信任关系，而这些信任关系的应用则取决于特定的属性条件。 作者：Shijin Nair
本周于2026年8月24日发布的Java新闻汇总中，重点介绍了以下内容：Atmosphere 4.0版本的正式发布；GraalVM、Azul Payara以及Quarkus的更新版本；WildFly 41的维护版本；Jakarta Data与Eclipse JNoSQL的重要升级版本；2026年9月版Open Liberty的测试版本；以及GlassFish 8.0.4对应的Docker镜像的发布。 作者：Michael Redlich
DoorDash已将工程代理的工作负载从开发人员的笔记本电脑转移到了其Flux云平台上。该平台在一个月内自动化处理了130,000项工程任务，每周还能支持超过25,000次自动化的代码审查流程。Flux利用隔离式的Firecracker微虚拟机、MCP网关、可重复使用的脚本以及多种调用机制来运行这些代理工作流程，同时确保这些流程具备受限的访问权限，并能实现集中式的审计功能。 作者：Leela Kumili
亚马逊最近推出了Kiro Crew，这是一个开源系统，可用于在不同的会话、工具和任务中同时运行多个Kiro编码代理。这个新的工作环境使开发人员能够将异步编码任务分配给人工智能代理，从而让诸如事故调查、工单分类处理、数据迁移以及代码审查监控等工作能够在无需人工持续监督的情况下继续进行。 作者：Renato Losio
Cloudflare AI Search是一款内置的搜索与检索服务，专为人工智能代理和应用设计，能够让它们使用定制数据来开展搜索操作。该服务支持与各种代理工具的集成、多模态搜索功能，并能与其他Cloudflare工具实现无缝衔接。 作者：Sergio De Simone
在不断切换标签页来测试应用程序的集成功能时，思考API的逻辑会让人感到不堪重负，而且非常耗时。 不过，你可以通过为应用程序编写测试用例来节省时间和精力——每当添加新功能时，都可以运行这些测试，而且在整个开发过程中都不需要离开集成开发环境。这样就能确保每个新功能都能按预期正常工作。 在本指南中，我将通过代码帮助你建立信心：首先你会学习如何使用测试用例来验证API的功能，然后会在Postman或其他API测试工具中确认测试结果。 先决条件 Node.js与Express的基础知识： 你应该具备Node.js和Express（或类似库如 fastify ）的基本使用能力，包括如何构建和运行简单的AP
来自加州大学伯克利分校和麻省理工学院的研究人员开发出了FreeToken这一开源推理引擎，该引擎提升了混合专家模型在消费者级硬件上的实用性。通过实施动态调度策略并优化权重管理机制，FreeToken显著提高了边缘计算场景中人工智能应用的解码速度与执行效率，从而促进了自主推理系统的发展。 作者：Olimpiu Pop
现在，Cloudflare Workers可以通过通过Spectrum路由的新connect(socket)处理程序来接收传入的TCP连接，从而结束了此前对HTTP使用的八年限制。使用任何语言编写的容器都可以使用全双工的gRPC协议进行通信；而Cloudflare Workers则可以通过自动进行的gRPC-to-web转换机制来实现单向通信或服务器端流式传输功能。目前所有这些功能都还处于私人测试阶段。 作者：Steef-Jan Wiggers
Fabiane Nardon介绍了TOTVS是如何为那些对大量数据“渴求不已”的AI系统准备企业数据的。她探讨了如何在精确性、安全性与成本之间平衡确定性逻辑与非确定性大语言模型。Nardon还详细说明了如何通过使用数据网格、低延迟数据库架构、语义本体以及动态的工具选择机制，来优化上下文窗口的设计，并减少事务系统中因数据处理而产生的开销。 作者：Fabiane Nardon
每次你与现代人工智能模型进行交互时，其实都在使用一种源于2017年那篇名为《注意力才是关键》的研究论文所提出的架构。 我们在freeCodeCamp.org的YouTube频道上发布的最新视频，详细讲述了八位谷歌研究人员是如何着手改进Google Translate的，最终又如何彻底改变了整个科技领域的格局的。 在这一突破性成果出现之前，人工智能领域主要依赖循环神经网络。这类模型会按顺序逐词处理文本，但这带来了两个巨大的障碍： “上下文丢失”：当处理长句或长段落时，模型会忘记开头那些重要的信息。 “训练速度缓慢”：由于需要顺序处理数据，各个步骤无法并行执行，因此即使使用庞大的GPU集群，模型的
许多开发者使用人工智能编码工具来生成那些缺乏创意且功能不完善的界面。在freeCodeCamp.org YouTube频道上最新的完整课程中，讲师Eric展示了如何利用现代的人工智能工作流程，摆脱低质量的设计成果，从而开发出成熟、可直接投入生产的网页应用。 本课程采用结构化的五步方法，帮助大家构建专业的网页前端： 需求分析 首先通过规范驱动的讨论会，让人工智能系统了解你的设计需求、特殊情况以及技术选型，从而生成清晰的规范文档和决策依据。 借鉴成熟UI设计 不要从零开始绘制线框图，而是直接复制那些经过实践验证的高性能用户界面，从而借鉴其布局结构和开源UI库。 整合需求与技术架构 将收集到的产品规
随着人工智能开发工具的不断扩展，那些采用垂直集成架构的生态系统为软件的开发提供了强大的解决方案。在freeCodeCamp.org的YouTube频道上，讲师Andrew Brown在这个长达三小时的课程中详细讲解了如何利用Meta公司的Muse生态系统来构建应用程序以及自主智能体工作流程，其中涵盖了Muse Spark模型和Muse Code终端工具的使用方法。 这个课程内容涵盖了很多方面，从低级别的API集成，到使用这些工具进行的全栈项目开发，无一不包括： 模型概述与性能评估 了解Muse Spark模型以及开源的Glimmer模型在成本、性能和多语言推理能力方面的优势。 API集成与兼容
第一次在技术面试中被问到“你的测试覆盖范围是多少？”时，我并没有一个令人满意的答案。 那时我已经发布了几款真正的Flutter应用程序，它们可以正常运行，用户也在使用它们。但我的测试工作其实非常有限——仅仅是为某个定价功能编写了少量的单元测试而已，并没有其他测试内容。 几个月后，我对其中一个任务完成流程进行了重构，这个修改在代码差异对比中看起来完全没问题，但却破坏了用户真正关心的一个功能：当用户将某项任务标记为已完成时，该任务并不会从错误的列表中移除。虽然没有任何程序崩溃，也没有任何错误日志被记录下来，但用户却开始不再信任这款应用程序。而我直到有用户把这个问题告诉了一位也是测试人员的朋友，才发
大多数关于如何调用语言模型的教程都会在 JSON.parse(response.content) 这行代码处结束。这段代码在处理前十个测试用例时确实可以有效运行。但当你开始实际应用时，会在第400次左右的一次请求中遇到问题：模型可能会返回一个它自己编造出来的日期，或者当你的数据结构应该包含5个元素时却返回8个数组项，又或者返回一个格式完全正确但实际上缺少某个字段的JSON对象。 我在开发Temploracraft这个简历工具时遇到了这样的问题。这个工具会接收用户上传的文档，并将其转换成应用程序可以编辑的结构化数据。 输入的数据确实具有很大的不可预测性：有些是两列结构的PDF文件，有些表格其实并
上周，我在一个静态网站前面加入了CDN缓存，本以为这样会让访问速度变快。 然而结果却恰恰相反——访问速度明显变慢了。这种变化非常明显：在调整之前，有一个独立的爬虫工具检测到了38个页面加载缓慢；而在调整之后，这个工具检测到的缓慢页面数量增加到了 75个 。 我在当天就恢复了原来的设置。下面我将说明到底发生了什么、为什么会出现这种结果，以及如果我在部署之前进行某个计算，就能避免这个错误。 目录 先决条件 设置过程 我做了哪些更改 最终结果 为何会适得其反，第一部分：犯错是要付出代价的 为何会适得其反，第二部分：爬虫工具的反应总是迟缓的 我本应该先进行的计算 那个令人后悔的决定 一个值得保留的方法
在本文中，我们将探讨混合专家模型是如何从最初仅有少数几个“专家”组件，发展到每层包含近900个“专家”组件的，以及那些使得这种稀疏架构仍能保持可训练性且成本可控的压缩机制与稳定性机制。 开放权重的混合专家模型发展速度惊人：Mixtral的总参数数量约为470亿，DeepSeek-V3达到了6710亿，而Kimi K3的参数数量更是突破了万亿大关。令人惊讶的是，并非这些模型的规模本身，而是每个模型实际上只使用极少量参数来处理每一个输入数据。 Kimi K3拥有2.8万亿个参数，但其中仅有约1040亿个参数被用于处理任何一个输入数据。在几乎每一层中，都有一个小型“路由器”从896个专门的前馈网络中
最近有研究发现，AliExpress利用Web Audio API，通过无声音频流来识别用户的设备类型。这种技术是通过分析各种硬件设备特有的音频处理方式来区分不同用户设备的。那些注重保护用户隐私的浏览器已经开发出了相应的应对措施，但这也暴露出现行网页标准在音频处理机制及用户隐私保护方面存在的安全漏洞。 作者：Olimpiu Pop
Meta详细介绍了MTIA 300——这是该公司首款专为训练排名与推荐模型而设计的内部加速器。 作者：Matt Foster
有四种方式可以将PQC技术应用到Spring Boot项目中：在服务之间对数据内容进行加密、对数据库中的字段进行保护、为需要长期保存的文档添加签名机制，以及将用于识别服务的令牌从RS256加密格式转换为其他更安全的加密方式。在这篇文章中，我们还会探讨为什么“先收集数据，后再解密”这种做法已经在实际中被广泛应用，以及为什么在没有使用KMS或Vault等安全工具的情况下，这些技术还不能被放心地应用于生产环境。 作者：Pankaj Sharma
Kasia Trapszo讲述了Netflix是如何将其商业平台从最初仅服务于美国的DVD业务发展成覆盖全球的基础设施体系的。她详细解释了如何应对国际支付方面的挑战、如何遵守严格的监管规定、如何根据不同的业务领域对原有的单体架构进行拆分与重构，以及如何为应对大规模的在线活动需求而对系统进行重新设计——这些经验都证明了：只有不断进化，系统才能持续保持良好的运行状态。 作者：Kasia Trapszo
微软正在更加重视对Azure Kubernetes Service中节点自动配置功能所可能带来的干扰进行控制，为此发布了新的指导方针，以帮助相关团队在实现节点自动化整合所带来的效率提升与保障应用程序的正常可用性之间找到平衡。 作者：Craig Risi
Uber的GitFarm将Git相关操作整合为一项集中式服务，从而避免了在大规模的单代码库项目中进行本地仓库克隆的操作。该平台通过使用预先准备好的下载资源、临时沙箱环境、仓库同步机制以及gRPC流式传输技术，有效降低了那些需要管理数千个仓库的自动化系统所消耗的资源量，并缩短了其启动延迟。 作者：Leela Kumili
当一个产品只有一种结算方式时，支付逻辑通常很简单：向用户收费，将订单标记为已支付，然后完成后续流程。 但一旦商业模式涉及到预付款、后期余额结算，以及中间环节的推荐奖励或优惠券应用，情况就会发生彻底变化。 在这种情况下，你不仅仅是在收取款项，而是在管理整个支付流程。 在本教程中，我将向您展示如何在Django中构建一个能够处理推荐机制的分期支付系统，该系统能够： 分别记录预付款和剩余余额的信息 支持优惠券和应用合作伙伴提供的优惠机制 防止重复支付的发生 安全地使用数据库事务 确保推荐奖励的发放始终一致 只有当整个支付流程完成时，才会解锁相应的功能或结果 核心思想很简单：把支付过程视作一种状态转换
我确认，那些被标记为“已验证”的结果实际上都是虚假的。这样一来，原本五个伪造的响应中现在一个也没有了，测试过程进行得非常顺利，任务已经完成。 随后我在更严格的条件下再次进行了测试，得到的准确率为66.7%。然而，这个数值并不符合我的预期；我本来还打算在它旁边标注“人工验证”呢。出现这种结果的原因是：仅仅一次成功的测试并不能证明其结果就是正确的，“已验证”这个标签其实并不代表这一点。而我之前开发的那个工具，本来就是为了防止人们忽视这种区别，但这次我却差点忽略了它。 这种讽刺意味确实值得专门加以说明。 我开发的这个工具叫做“spec-verify”：它属于Claude Code系列技能之一。该工具
如果你曾经在考试前夜临时抱佛脚地复习过，你就知道要记住所有内容是多么困难。 闪卡是极其有效的学习工具，因为它们运用了 主动回忆法 ：你需要主动尝试去记住答案，而不仅仅是被动地阅读笔记。研究表明，这种方法能够增强记忆力，帮助信息更好地被留存下来。 在这个教程中，你将制作一个全栈功能的闪卡应用，该应用能让学生： 创建学习主题 （比如“生物101”或“微积分”） 添加闪卡 ，卡片正面是问题，背面是答案 通过翻动卡片来学习 ，并标记答案是对还是错 跟踪学习进度 ，了解自己的学习情况 完成这个教程后，你将拥有一个可以正常运行的应用。该应用会使用MongoDB存储数据，并基于Next.js框架进行开发。学
历史市场数据通常会以已完成的数据集的形式提供。这种格式便于进行分析，但它与交易软件体验实时市场的方式截然不同。在实际情况中，各种事件是依次发生的，未来的发展方向是不可预测的，因此每一个决策都只能基于迄今为止发生的事情来做出。 在本教程中，我们将利用历史成交数据来重现这种交易环境。我们会选取EODHD提供的完整AAPL交易日数据，将超过一百万笔交易转化为有序的事件序列，并通过一个可控制的市场时钟按照这些事件发生的原始时间顺序重新播放它们。 在这个过程中，我们会添加可调节的播放速度、暂停与继续播放的功能、搜索机制，还会开发一个FastAPI服务，该服务能够通过REST接口提供这些控制功能，同时通过
您的Search Console报告显示，在90天的时间里，某个页面在谷歌搜索结果的第一页获得了3,068次展示机会，但在同一时期内，该页面并没有获得任何点击量。 通常人们会认为这个页面存在点击率低的问题，因此就会修改标题、优化元描述，然后等待效果出现。但实际上这种分析很可能是错误的，据此采取行动只会浪费精力。因为根本没有人会进行这样的搜索操作，所以那些数据也就没有任何实际意义。 本教程将教您如何区分网站所获得的两种类型的展示机会。您可以使用自己的Search Console数据运行一个简单的脚本，根据搜索排名将这些展示机会分为不同的类别，读取查询日志以分析机器生成的搜索请求信息，并将可疑页面
Cloudflare推出了“Wallets”功能，为代理商提供了稳定的加密货币余额以及支出控制机制，但目前仅支持索赔功能的操作，而关于“非法占用的投诉”已经开始出现。这些支付功能是通过x402平台来实现的，而该平台目前由Linux基金会负责维护。这种控制系统仅能针对单次支付进行管理，无法处理多笔支付的序列处理问题，因此具体的支付流程仍需要由相应的应用程序来决定。 作者：Steef-Jan Wiggers
Chad Schuster探讨了如何利用Numba JIT和GPU来提升Python的开发效率，同时使其具备类似C语言那样的高性能。他以大规模精算建模为例，详细解释了LLVM编译器的架构，以及由此带来的高达750倍的性能提升；同时，他也指出了在开发过程中需要面对的一些关键问题，比如面向对象编程的限制、类型推断错误以及编译时产生的开销等，这些都对那些负责构建计算密集型企业级系统的工程师们来说非常重要。 作者：Chad Schuster
通过采用可持续的测试策略，你可以跳过那些不必要的测试，确保问题能够尽快被发现，并且只运行那些会受到代码变更影响的测试。记录每次测试所消耗的能量，同时利用静态代码分析工具，可以帮助你找出效率低下的地方，从而指导优化工作。 作者：本·林德斯
Sätteri是由Astro团队开发的一款高性能Markdown及MDX处理器。这款基于Rust语言编写的工具为Astro 7.0版本带来了高达61%的构建速度提升。Sátteri支持灵活的JavaScript插件，并能原生集成各种Markdown功能。它在保持与现有生态系统兼容性的同时，还实现了更快速的解析速度以及更少的依赖关系。 作者：Daniel Curtis
谷歌云推出了由人工智能驱动的数据库操作代理程序。其中，入门引导代理程序能够简化数据库的配置流程；而监控与优化代理程序则有助于实现故障排查、性能调优等自动化操作。这些代理程序与“Gemini Cloud Assist”平台相结合，能够支持包括AlloyDB、Bigtable以及Spanner在内的多种数据库服务。 作者：Sergio De Simone
在上一批Spring生态系统的更新发布之后，经过了长达10周的间隔，2026年8月17日那一周，相关活动再次活跃起来。在这一周里，Spring Boot、Spring Framework、Spring Data、Spring Security、Spring Integration、Spring HATEOAS、Spring Modulith、Spring Batch、Spring AMQP以及Spring for Apache Kafka等组件都迎来了它们的首次更新发布。 作者：Michael Redlich
Diagrid Catalyst 2.0采用了基于Dapr的技术来实现数据恢复功能，并能够记录工作流程的历史信息，同时提供执行结果的验证机制。这一技术适用于多种代理框架。在评估其性能时，架构师应将其与这些框架自带的持久性机制以及现有的工作流程引擎进行对比，同时还需要考虑相关的基准测试结果及实际使用中的权衡因素。 作者：Mark Silvester
在这篇文章中，作者斯里坎特·马米达拉探讨了用于数据分析、报告生成以及机器学习的数据湖架构，并说明了在使用Kafka和Apache Hudi时如何管理消费者延迟相关的指标。 作者：斯里坎特·马米达拉
人类可靠性工程师亚历克斯·帕尔库埃分享了关于如何利用大语言模型来应对现实世界中的突发事件的相关经验。他解释了为什么人工智能在分析日志和追踪数据时能够发挥“超人般”的作用，为何在根本原因分析过程中，它仍然难以区分因果关系与相关性，以及工程领域的领导者该如何将人工智能融入到应急响应的工作流程中，同时避免削弱人类的专业能力。 作者：亚历克斯·帕尔库埃
AWS提出了一种以规范为导向的方法，通过将数据处理的意图与具体的处理逻辑分离出来，从而构建出灵活的数据工作流程。这种架构采用了声明性的规范、可重用的处理功能，并在执行前进行验证。AWS表示，这种方法能够将数据集的集成时间从数周缩短到几天，同时还能支持数据的可追溯性、版本控制、分类管理以及合规性要求。 作者：Leela Kumili
医学影像领域的论文中充斥着一些看起来很熟悉的术语：标准化、标签标注、验证、注释以及预处理。 如果你有机器学习的背景，你可能会认为自己已经理解这些术语的含义了。有时候确实如此。 但医学影像领域有一些特殊的之处。有些术语的含义有所不同，而有些术语则会根据具体的使用场景而有不同的用法。 本文将以一张胸部X光片为例，从它被拍摄下来的那一刻开始，一直讲到模型做出预测的整个过程。在这个过程中，我们将了解在医学影像论文中常见的那些术语以及它们真正的含义。 还有一个配套的 笔记本 ，你可以利用它亲自尝试完成这些步骤，而不仅仅是阅读相关内容而已。 我们将涵盖的内容： 你将学到的知识 从图像到数据集 1. 数据采
如今，数据已成为一种极其宝贵的资源。它使企业能够在市场中展开竞争，并推动创新，从而提升所提供产品与服务的质量。 数据处理能让团队自动化各种流程。它还能辅助决策制定，为终端用户带来更加个性化的体验，在诸如银行欺诈防范或风险控制等诸多领域帮助人们发现其中的规律。企业必须明白如何以有效、安全且合法的方式收集和利用数据。 你很可能目前正在使用或曾经使用过各种各样的产品与服务。你也知道，那些涉及数据的流程几乎与我们身边的所有事物都息息相关。此外，你或许已经熟悉“大数据”、“数据分析”、“人工智能”以及“机器学习”这些术语了。 但除非你是这些领域中的专家，否则其中一些概念可能会让你感到难以理解。毕竟，这些
想象一下这样的场景：你工作到很晚，终于让代码运行成功了，准备将其推送到GitHub上。 你执行了以下操作： git add . git commit -m "修复API集成问题" git push 几分钟后，你发现了一些异常现象：API的使用量突然增加了。可能是出现了意外的请求、新的云资源被使用了，甚至账单金额也比预期要高得多。 然后你发现了问题的根源： const apiKey = "sk_live_123456789"; 你的API密钥竟然被保存在Git仓库中去了。 这种情况确实很令人紧张，但也是可以解决的。 最重要的一点是： 如果API密钥已经被提交到了Git仓库中，那么即使你立即将其删
DuckDB Labs已经公开发布了DuckDB v2.0版本，该版本的代号为“Cyanoptera”。此次更新包含了超过10,000项修改内容，同时引入了客户端/服务器模式，从而实现了网络连接功能。其他改进还包括扩展程序的可移植性、更先进的数据类型以及新的解析器。在性能方面，该版本进行了异步I/O操作优化及存储机制调整。预计DuckDB v2.0将在2026年秋季正式上市。 作者：Olimpiu Pop
AI编程助手Cursor推出了名为Origin的代码托管平台，该平台被集成在其基于AI技术的编辑器中，因此对于那些已经在使用Cursor的工具包进行开发的团队来说，Origin可以被视为GitHub的一个替代方案。目前，Origin正处于早期测试阶段，仅面向Pro、Teams和Enterprise版本的用户提供；用户可以在Cursor应用程序中的“代码库”选项卡中找到这个新功能。 作者：Matt Saunders
Nuxt发布了4.5版本，其中包含了诸多更新：比如改用了Vite 8作为构建工具，采用了新的Rspack 2构建系统，同时还实现了实验性的SSR流式渲染功能。这种流式渲染技术能够通过立即生成HTML页面内容来缩短用户从请求开始到看到首字节内容所需的时间。此次版本还改进了错误代码处理机制，提供了新的组件模块，并为那些从早期版本升级过来的开发者提供了详细的升级指南。 作者：Daniel Curtis
安全研究人员警告称，由于服务器主板中内置的基板管理控制器存在漏洞，数千台企业服务器可能会面临被攻击的风险。这些基板管理控制器是专为管理员设计的专用处理器，能够让管理员远程实现对服务器的控制。 作者：Craig Risi
Ian Nowland探讨了为什么传统的持续集成/持续交付实践在处理那些具有状态特征的核心基础设施时会遇到问题。凭借他在AWS和Datadog的工作经验，他分享了一些实用的技术方法，这些方法能够帮助用户实现安全的渐进式部署、在生产环境中进行模拟测试，以及有效降低复杂软件平台中可能出现的问题带来的影响。 作者：Ian Nowland
本周于2026年8月17日发布的Java新闻汇总主要包括以下内容：JDK 27的第一个候选版本；针对JDK 28开发的JEP 541和JEP 540项目；Apache Tika 4.0的正式发布；Helidon版本的维护更新；Micrometer Metrics 1.18与Micrometer Tracing 1.8的首个里程碑版本；关于Jakarta EE 12的最新进展；以及BellSoft发布的重大安全补丁信息。 作者：Michael Redlich
现代应用程序通常会通过 ` /metrics ` 端点以 Prometheus 格式公开各种指标数据。 在这些指标中，直方图尤其实用。它们能够显示数值落在不同区间的频率，比如 HTTP 请求的耗时、数据库查询的时间，或者队列处理的延迟等。 与简单的平均值不同，直方图能够呈现完整的图像：你可以清楚地看到有多少请求处理得很快，有多少请求处理得很慢，以及那些偶尔出现的异常值是如何影响用户体验的。 例如，在支付系统中，交易数量的突然增加可能会暴露出隐藏的瓶颈。虽然大多数请求会迅速完成，但那一小部分处理速度缓慢的交易却可能对整个系统产生连锁反应，导致重试次数增加、失败率上升，进而影响整体的吞吐量。直方图
如果你之前曾经开发过 Node.js API，那么你就应该了解这种麻烦：TypeScript 中定义的类型与运行时验证的结果不一致，而 OpenAPI 文档的内容也与这两者都不同。 有时有人会在接口中添加新的字段，但相应的模式文件却从未得到更新。因此，文档内容会一直保持过时的状态，直到有客户端提交错误报告为止。这种情况下，既不会出现编译错误，也不会有测试失败的情况——这三个信息来源就这样出现了分歧。 在本教程中，你将学习如何使用 Hono 和 Zod 将这些问题统一起来。你会学到我在实际开发中使用的那些模式，包括我在维护的开源视频处理工具包 ClipForge 中所采用的方案。这些方法能够确保
当我刚开始学习对话式人工智能测试时，有一个问题一直困扰着我： 预期的结果到底在哪里？ 由于我之前从事过传统的软件测试工作，所以我习惯于一种固定的流程。 需求文档会告诉我们系统应该完成什么功能。我们创建测试用例，提供输入数据，定义预期结果，执行测试，然后将实际结果与预期结果进行对比。 举个例子： 测试项 输入内容 预期结果 有效登录 正确的用户名和密码 用户成功登录 无效登录 错误的密码 显示错误提示信息 API请求 有效的请求数据 收到HTTP 200响应及预期内容 但当我开始接触对话式人工智能时，我发现同样的测试方法不再适用了。 如果我向AI系统询问“如何重置密码？”，它可能会回答：“您可以
每一位移动应用开发者最终都会遇到同样的问题：当用户正在使用应用程序时，它运行得非常正常。 但一旦用户按下主屏幕按钮，所有事情就会出问题。本应在后台完成的同步操作根本没有进行；应该发出的通知也没有出现；用户在应用程序中开始进行的文件上传，在他们离开应用程序的瞬间就无声无息地失败了。 在移动设备上实现后台执行功能，是整个移动开发领域中最容易被误解的话题之一。大多数开发者认为这只是一个简单的问题——只要让代码在后台持续运行即可。而操作系统则将这个问题视为一个直接影响电池寿命、性能以及设备整体运行的资源管理问题。 只有真正了解iOS和Android系统对后台任务的处理方式，再进一步理解Flutter是
Cloudflare最近将Cloudflare OS开源了。这一平台使企业团队能够利用自身的知识、专业技能以及预先配置好的连接工具来创建工作成果；通过优化代币使用成本，这些工具能够帮助团队自动化那些重复性较强的工作流程（仅在必要时才会借助人工智能技术来提供辅助）；同时，该平台还允许用户构建个性化、可共享且可定制的工作软件，从而满足各种特定且复杂的应用场景需求——所有这些功能都在一个安全的环境中得以实现。 作者：布鲁诺·库里奥尔
JDK 27是自JDK 25以来第二个非长期支持版本的Java发行版。目前，它已进入第一个候选发布阶段，在这一阶段中新增了九项功能，这些功能以JEP的形式被纳入JDK中，大致可以分为四类：核心Java库、HotSpot虚拟机、安全相关功能以及Java语言规范。本文将对JDK 27进行详细分析，并预测哪些功能可能会被纳入JDK 28中。 作者：Michael Redlich
Andrew Swerdlow讲述了Roblox是如何将自动化软件开发从开发阶段扩展到实际生产环境的。他讨论了如何构建可靠的安全测试环境，如何通过代码审查来挖掘机构内部积累的知识，如何更新工程基础设施，以及如何重新定义衡量生产效率的指标——将这些指标从功能开发的速度转变为AI模型训练的效率——从而实现大规模、可信赖的自动化部署。 作者：Andrew Swerdlow
阿斯高特·米约尔内·索德博姆和奥拉·哈斯特讨论了他们的软件工程实践的发展历程，这些实践包括持续部署和结对编程。这次对话延续了上一集的内容，重点探讨了他们尝试采用Claude Code这一工具的经历，以及他们认为这种工具在其他方面确实很有用，但并不适合用于编码的原因。 作者：阿斯高特·米约尔内·索德博姆、奥拉·哈斯特
“左移开发”模式以及DevOps理念确实改变了我们从项目启动到将其投入生产这一整个流程，但这种变化也带来了认知负担的增加，同时导致测试、安全维护等工作出现了重复劳动的现象。本文探讨了在调整开发者平台规模时所面临的实际挑战，并分析了如何让使用这些平台的工程团队在文化层面达成共识，从而进一步降低他们的认知负担、提升工作效率，使变更能够更快地得到实施。 作者：约翰·基茨
微软提出了一种涵盖九个治理领域和四种功能的AI治理架构：政策制定、控制机制、透明度以及审计证据。这一框架将政策规定与运行时的执行措施、持续评估机制、可观测性体系、身份管理机制、安全保障措施以及审计流程相结合，从而帮助各组织在AI应用实际投入生产环境后验证其是否符合相关的治理要求。 作者：Leela Kumili
你所处理的大部分数据实际上都反映了各种关系：一个客户属于某个账户，某次事件会影响某种服务，而一名工程师负责维护某个代码库。你把所有这些信息存储在表格中，长期以来，这种存储方式一直运行得非常顺利。 然而，有时会有人提出这样的问题： 哪些工程师最近了解过昨晚那次事件所影响的服务情况？ 这类问题很容易理解，但编写相应的SQL查询却相当困难。通常需要使用四到五次连接操作，每次连接都会生成一个比最终结果范围更广的中间数据集，而大部分这些中间数据最终都会被丢弃。随着表格规模的扩大，查询速度会变得越来越慢，而且每次查看这个查询语句时，都很难理解其具体逻辑。 为了解决这类问题，人们才创造了图数据库。 在这本手
几个月前，我坐在一个会议中心里，准备在一场活动中发表主题演讲。这时，我发现我的Oura手环显示的心率数据与我在普拉提课上测得的数据完全一样——数值相同，压力等级也一样。只不过这一次，我感到紧张不安，而不是像在普拉提课上那样专注于完成各种动作。 就在那时，我明白了为什么这两种截然不同的情境会产生相似的结果：你的可穿戴设备并不知道你真正的感受。它只知道你的身体正在做出某些反应，然后根据收集到的数据来推测这些反应的具体含义，而不管你是兴奋还是恐惧。 这并不是说这些技术有缺陷，而是所有市面上的可穿戴设备在测量情绪时都存在这样的局限性。说实话，一旦你明白了其中的原因，你看待自己收集到的数据的方式就会完全
一些最为危险的“原生故障”其实是由那些看似运行正常的程序所引发的。 加密操作会生成正确的密文，解析器也会拒绝处理格式错误的输入数据，缓存机制也能通过基准测试，候选发布版本也能通过所有的单元测试和集成测试。 然而，在这些看似正确的结果背后，某些组件仍然认为自己拥有已经被转移的对象控制权；某些成功路径在运行过程中并未初始化输出字段；有些终结器还在等待释放那些实际上已经由其他运行时机制控制的对象；还有两个线程会修改相同的状态，但调度器并没有选择那种会导致竞争条件出现的执行顺序。 然而，预期的输出结果中根本没有任何迹象能够揭示这些隐藏的问题。 第一次出现可观察到的故障可能要几个小时后才会发生：比如分配
智能手表可以告诉你，你的心率是每分钟78次，你走了6,421步，或者昨晚睡了7个小时。这些数字在屏幕上看起来很简单，但实际上，每一个数字的背后都蕴含着一系列复杂的测量和计算过程。 你的手表并不会直接“看到”你走了多少步，也不会直接测量你的睡眠时间。相反，那些微小的传感器会持续检测你的运动、血液流动的变化、电生理活动以及体温等信息。这些信号会被转换成数字数据，经过处理以去除干扰，然后由算法进行分析，从而找出其中有意义的模式。 这一整个过程是在后台悄悄进行的。你手腕的每一个动作都会被转化为一系列数字；反射光的变化会用来测量心率；多种不同的信号会被综合起来，以此来判断你在做什么，或者你的身体处于怎样
以下是一些大多数Kubernetes教程都不会告诉你的内容：绝大多数工程师都能够使用 kubectl expose 命令，但其中不到10%的人真正了解这个命令执行后会带来什么效果。 我在超过10家公司中解决过与Kubernetes网络相关的问题，每次都会遇到同样的知识盲区。工程师们并不明白ClusterIP在底层是如何工作的，也不理解为什么不同命名空间中的Pod能够默认互相通信，更不清楚CNI插件在内核层究竟起到了什么作用。 本教程正是为了解决这些问题而设计的。你将从中系统地学习Kubernetes网络的工作原理：了解Pod的IP地址是如何分配的，以及这些地址为何能够在不同的节点之间正常使用；
许多工程师在继承现有的代码库时，首先想要做的就是修改这些代码。我完全理解这种冲动。 当你打开一个长达1500行的类文件时，你会看到其中混杂着数据库调用、业务规则、分散在各处的配置值、根本没人愿意去修改的方法，以及那些提到早已被淘汰的系统的注释。 这时，一款人工智能编码助手主动提出可以帮助你理解整个代码库的结构。 于是你就会问： 请重构这个类。 但通常来说，现在还不是进行重构的时候。 从处理遗留系统的经验中，我认识到：代码虽然可能写得很糟糕，但却可能蕴含着重要的信息。 某个奇怪的条件实际上可能代表着某种业务规则；重复出现的计算逻辑可能是由于两个看似相同的流程其实并不完全相同所致；一个命名很糟糕的
Odoo是一个开源的企业资源规划平台，它能够帮助企业通过一个统一的应用程序来管理销售、客户关系管理、库存、会计、人力资源以及制造等各项业务运营。 您可以将Odoo部署在不同的托管环境中，这样就能根据自身的需求灵活选择适合的部署方案。 选择合适的托管方式是任何Odoo部署项目中的重要环节，它会影响性能、安全性、维护成本、可扩展性以及长期运营费用等诸多方面。 您的团队可以选择在自己的基础设施上自行托管Odoo，也可以使用托管服务提供商来负责服务器的管理工作。这两种方法各自提供不同的控制程度、灵活性以及运营责任。 在本文中，您将了解到多种托管Odoo的方式，包括如何设置基本的自主托管环境。同时，您还
任何系统在某个阶段都会出现这样一种情况：存在某个没人愿意去修改的功能。 一开始，这种问题很轻微：只是一个简单的验证逻辑，这里加一个if语句，那里再加一个。但随着需求的变化，越来越多的条件被添加进去，相应的功能代码也变得越来越长。有人还会留下注释，提醒别人“在修改之前一定要先阅读整个代码”。于是，这个功能就变成了新开发者入职培训中的必讲内容。 当复杂的业务规则毫无秩序地堆积在一起时，就会发生这种情况。 责任链模式正是为了解决这类问题而存在的。它不是让一个方法包揽所有事务，而是通过一系列专门处理特定任务的组件来解决问题。每个组件只负责执行其中一条业务规则，并判断请求是否符合该规则；如果符合，则将请
你是否曾经好奇过，计算机是如何识别手写数字的，如何判断一封邮件是否属于垃圾邮件，如何推荐视频，又如何理解句子的含义呢？ 许多现代人工智能系统都依赖于一种被称为 神经网络 的技术。 不过，这个名称可能会让人们觉得这种技术比实际情况要复杂得多。你可能会认为，构建一个神经网络需要高级的数学知识、一台性能强大的计算机以及成千上万的代码行。 其实并非如此。 从最基础的角度来看，神经网络是一种数学模型。它以一些数字作为输入，对这些数字进行计算，然后得出预测结果，再判断这个预测结果与正确答案之间的差距，并据此调整自身的参数，以便在下一次计算时能够取得更好的效果。 在本次教程中，我们将使用Python和Num
Dan Finneran探讨了在生产环境中使用未被妥善管理的AI生成代码所带来的风险，并展示了如何利用eBPF技术在Kubernetes中拦截并控制与AI相关的API请求。他解释了如何通过内核级别的套接字钩子来实现对提示信息的过滤、模型切换、令牌限制以及系统调用功能的管控，从而在无需修改应用程序的源代码或重新启动容器的情况下保障AI系统的安全性。 作者：Dan Finneran
安全研究员Christopher Domas开发了一款名为“skitter-creek-bath-salts”的开源硬件安全工具，该工具通过操控内存控制器的转换寄存器来破坏CPU的权限边界。这样一来，非特权级别的软件就能够访问受保护的内存区域，从而暴露出现代处理器架构中存在的安全漏洞——这些漏洞可能会影响云计算及保密计算系统的安全性。 作者：Olimpiu Pop
OVHcloud将从9月开始上调价格：2026款游戏服务器的价格将上涨87%，而其他新型服务器的价格则会上涨40%到59%。该公司的创始人Octave Klaba表示，由于RAM供应商将生产能力转向了用于人工智能领域的高带宽内存，因此6月份时内存的成本比一年前高了六倍。而AWS也在提前多年就预购了相关产品后，重新调整了这些产品的定价。 作者：Steef-Jan Wiggers
谷歌推出了HEIR（同态加密中间表示技术）这一开源编译器及开发工具链，其目的在于让加密计算更容易被实际应用。具体而言，HEIR能够将那些专为常规的未加密数据而设计的预训练AI模型进行重新编译，从而使这些模型能够直接处理加密数据。 作者：塞尔吉奥·德·西蒙内
VoidZero推出了Vite+的测试版。这款统一的Web开发工具链将运行时环境、包管理功能以及各种前端开发工具整合到了一个命令中。Vite+支持多种类型的项目，而且属于开源软件。该平台通过热重载、格式检查及测试等功能显著提升了开发效率。团队表示，未来会重视社区用户的反馈意见，以便对产品进行进一步优化。 作者：Daniel Curtis
AWS推出了aws-bench这一开源测试工具，用于评估人工智能代理在真实的AWS环境中的表现——这些真实环境包括那些存在配置错误或基础设施供应问题的场景。与传统测试工具不同，aws-bench使用的是AWS提供的临时资源，并通过自动化验证机制来评估代理的性能。 作者：Gianmarco Nalin
在LinkedIn这样的规模下，仅仅依靠人工审核员来处理代码审查任务，或者直接将现成的AI审核系统应用于GitHub，显然并不是一种有效的管理方式。为了解决这个问题，LinkedIn的工程师们开发了一个多智能体的AI代码审查平台——该平台能够理解企业的编码规范与环境，将代码审查视为一种重要的生产性基础设施，并有效减少错误判断以及那些信息量较少的反馈结果。 作者：Sergio De Simone
Bruna Pereira解释了DoorDash是如何构建这样一个能够处理各种类型内容的AI审核平台的。她介绍了如何用混合架构来取代那些仅依赖大语言模型的昂贵审核流程：利用快速的内部模型来过滤那些显而易见的错误，通过大语言模型进行多维度评估以做出更细致的判断，并使用无代码工作流程来进行后续测试。了解这种架构设计是如何在保障安全性的同时，使系统能够处理每天数百万条消息的。 作者：Bruna Pereira
Cloudflare最近推出了Kitesurf这款专为自动化工作负载设计的轻量级浏览器。Kitesurf在Cloudflare Workers平台上使用隔离的WebAssembly/Rust环境来运行浏览器的各项组件，并且支持Chrome DevTools协议，因此像Playwright和Puppeteer这样的工具可以使用它来进行测试或开发，而且其资源消耗远低于完整的Chromium浏览器。 作者：Renato Losio
Wiz的安全研究人员最近对六种流行的新型云存储服务进行了测试，发现这些服务与Amazon S3相比存在严重的安全漏洞。虽然S3已经成为了对象存储领域的行业标准，但大多数其他服务仍然缺乏AWS所提供的那些安全防护功能。 作者：Renato Losio
微软已正式推出Azure DevOps Remote MCP Server，该服务提供了针对工作项、代码仓库及管道的托管端点，用户无需进行任何安装操作即可使用。不过，Claude Desktop、Claude Code、ChatGPT以及Cursor目前还无法与之连接，因为Entra系统不支持动态客户端注册功能，也不支持客户端ID元数据文档。 作者：Steef-Jan Wiggers
架构并不是一种一旦确定就无法改变的选择；而系统的适应性则是一个会随着法规、技术以及市场环境的变化而不断变化的目标。即便是一个设计得非常合理的系统，也会随着时间的推移而不再适合当前的环境，但这并不意味着这些设计是错误的。这篇由七篇文章组成的系列文章探讨了上下文存储、网关以及拓扑结构等相关主题，将架构视为一门不断发展中的社会技术艺术——在这个过程中，开发团队会刻意地调整各种因素，以优化系统的摩擦力、适应能力以及运行效率。 InfoQ提供
Cloudflare最近详细介绍了自己是如何利用人工智能将内部的工程标准从被动的文档形式转变为在软件开发整个生命周期中都能得到有效执行的控制系统。 作者：Craig Risi
Cloudflare、Astro、AI智能体、GitHub Actions、问题分类与处理、智能代理技术、软件架构、开源技术、开发者工具、AI自动化、自动测试、人工干预机制、代理工作流程、GitHub、软件工程、AI软件开发、错误排查、持续集成、开发者效率、自主智能体、AI编程、Cloudflare Workers、Flue、triagebot 作者：Leela Kumili
学习数据结构与算法往往会让人感到面对着一堵由复杂术语、语法以及深奥的数学知识构成的障碍墙。不过别担心，因为我们刚刚在 freeCodeCamp.org 的YouTube频道上发布了一门课程，该课程由Sumit Saha主讲，它运用人们熟悉的现实世界类比来讲解计算机科学的基础概念。 通过这门课程，你将建立起关于数据在后台是如何被存储、检索以及优化的直观理解。由于这些抽象的技术概念与我们在日常生活中遇到的现象有着密切的联系，因此这门课程会让你意识到：其实你在日常生活中已经在运用这些知识了。 这门课程涵盖以下主题： 核心的线性数据结构，包括数组、单链表、双链表和循环链表。 顺序存储结构，如栈（后进先
使用简单的完成提示和基础的RAG流程来构建一个基础的人工智能演示系统确实很容易，但要将这样的智能系统投入实际生产环境，就需要进行严谨的系统设计、可靠性工程分析，并确保系统具备容错能力。 我们刚刚在 freeCodeCamp.org 的YouTube频道上发布了一门全面的课程，该课程会指导你设计和实现一个可用于实际生产环境的多智能体自动化Pull Request审核系统。这门课程是由Ayush Singh制作的。 这个系统的设计理念是模仿资深工程师的人工审核流程。在這门课程中，你将学习到以下关键内容： 将复杂的人类工作流程拆解为明确的触发条件、专业领域的关注点以及可审计的结果，并为这些结果分配相
DeepSeek发布了名为DeepSeek Harness的开源开发工具，该工具可用于构建自主运行的AI系统。这款软件采用了微内核架构，并为各种功能模块提供了可插拔的插件。此次发布的版本中还包括了一个仅用于记录事件信息的日志系统，以便追踪程序的执行过程。用户是否会选择使用这一工具，可能会受到其所使用的插件生态系统的稳定性以及相关API维护情况的影响。 作者：Olimpiu Pop
Harper所倡导的数据库平台采用单一运行时架构，这种架构能够将应用程序代码与数据整合在一起。通过与基于Vercel的技术栈进行对比测试，人们发现，在处理实时个性化数据任务时，Harper的性能要显著更好。最近，Harper发布了5.2版本，该版本配备了新的缓存机制，使得每个节点的处理吞吐量得到了进一步提升。 作者：Renato Losio
Flux推出了名为“Flux Mirror”的CLI插件，该插件能够根据声明性配置，在不同的注册中心之间复制容器镜像、Helm图表以及OCI相关资源。作为Flux v2.9 CLI插件系统的一部分，这个插件旨在确保Kubernetes集群仅从团队自己管理的注册中心中获取数据并进行同步操作。 作者：Matt Saunders
上周，微软发布了Aspire 13.5版本。这一更新改进了控制面板的设计以及aspire.dev网站的界面，并添加了许多提升使用体验的功能。交互服务现在支持文件导入功能及进度提示界面；资源管理功能允许在控制面板中显示交互式终端界面；此外，部署配置也加入了Kubernetes持久化存储机制以及跨范围的Azure资源引用功能。 作者：Almir Vuk
人工智能使得所有代码都变成了只能被写入而不能被读取的形式。这类代码结构过于复杂，难以理解；而测试代码本身反而成为了描述这些代码行为的文档。此外，这种代码也属于“一次性使用”的类型——重新编写这些代码要比调试它们要容易得多。人类根本无法大规模地审查由人工智能生成的代码。功能需求与实现方式之间的关联被解开了，开发者应该把注意力放在创新上。 作者：本·林德斯
InfoQ现已开始招收参加InfoQ认证的AI辅助工程培训项目的学员。这个为期五周的在线培训项目专为那些已经每天都在生产环境中使用编码工具进行开发的资深工程师和架构师设计。在当前阶段，培训的重点已从如何引导这些工具工作，转变为探讨这些工具被允许执行哪些操作，以及它们能在人类发现错误之前自动识别出哪些问题。 作者：Artenisa Chatziou
Vercel发布了Next.js 16.3版本，该版本相比16.0版本带来了许多显著改进。这些优化包括降低开发过程中的内存消耗、加快构建速度以及提升类型检查的准确性。“即时导航”功能使得响应速度更快，且仍保持服务器端渲染的技术架构。不过开发者们被建议谨慎使用这些新功能，因为其中也存在一些需要注意的问题。 作者：Daniel Curtis
詹姆斯·阿瑟阐述了为何同步是前端架构领域的下一个发展方向。他解释了如何利用Electric和TanStack DB将反应式编程的概念应用到服务器端，从而用声明式的数据绑定机制取代传统的命令式数据获取方式。通过了解基于查询的同步机制以及本地端的乐观更新技术，您将会明白：工程师们完全可以利用自己现有的技术栈来构建速度极快、具备高度协作性且功能强大的应用程序。 作者：詹姆斯·阿瑟
在本教程中，我将向您展示如何使用vLLM来优化大型语言模型的推理性能，从而提升AI代理的工作效率。我会帮助您理解大型语言模型推理的原理，分析为什么AI代理的任务会引发GPU调度和内存压力问题，并探讨vLLM是如何被设计出来以提高处理能力的。 接下来，我们将运行一台本地的vLLM服务器，并通过其兼容OpenAI的API，使用AI代理与它进行连接。 目录 背景知识 先决条件 什么是大型语言模型推理？ 大型语言模型推理如何利用CPU和GPU 为什么AI代理的任务难以处理 vLLM是如何为AI代理任务提供支持的 设计动机与架构 步骤1：安装vLLM 步骤2：启动vLLM服务器 步骤3：将AI代理连接到
每当你在SQL中看到一个查询嵌套在另一个查询内部时，这就是子查询。子查询也被称为内查询，而包含它的那个查询则被称为主查询或外查询。 子查询的作用是为主查询提供额外的数据，这些数据可以以派生列或派生表的形式出现，或者它们也可以用来过滤主查询返回的行。 对于刚开始学习SQL的初学者来说，子查询可能相当难以理解。本文将帮助大家简化这一概念，使其更易于理解。读完这篇文章后，你应该能够更加熟练地使用子查询来解决问题了。 目录 先决条件 子查询的工作原理 执行顺序 子查询的类型 非相关子查询 相关子查询 结论 先决条件： 子查询属于高级SQL概念，因此，必须牢固掌握SQL的基础知识，包括SELECT、FR
今年早些时候，我发表了《在Flutter中分离Material和Cupertino设计库》，这篇文章介绍了当时还处于预览阶段的功能：Flutter计划将Material和Cupertino设计库从核心SDK中分离出来，作为独立的包发布在pub.dev上。 在当时，这一功能仍处于预览阶段，迁移工具还不完善，相关生态系统也尚未做好相应准备。这篇文章主要是为了说明Flutter的发展方向及其原因。 2026年8月12日发布的Flutter 3.47彻底改变了这一状况。 独立的`material_ui`和`cupertino_ui`包已经更新到了1.0版本，迁移工具也已准备就绪，兼容性过渡方案也正式投
一个网站可能看起来很专业，使用鼠标操作时也能运行得非常顺畅，但对某些用户来说，使用它仍然会遇到困难。 有时，某个表单会仅通过颜色来提示用户出现了问题；固定的页眉可能会完全覆盖当前处于键盘焦点位置的元素；登录表单可能会阻止用户从密码管理工具中复制密码并粘贴到表单中；而某个自定义按钮，用鼠标点击时可以正常使用，但当人们使用键盘操作时却毫无反应。 这些其实都是开发过程中做出的决策，并非只有在进行无障碍性审核时才会出现的问题。 《Web内容无障碍性指南》为识别和消除这些障碍提供了统一的标准。WCAG 2.2是最新的WCAG 2建议标准，世界万维网联盟也建议开发人员和各类组织在可能的情况下使用WCAG
我维护着自己的网站，偶尔会将其升级到新版本。在升级的过程中，我也会经常尝试不同的技术和架构。 最近，我遇到了一个问题：Vercel向我发出了警告，提示我在“图像优化”功能上即将达到免费版本的使用限制。经过几次尝试和调整，我最终解决了这个问题，确保该功能不会不必要的超出我的免费版本使用范围。 在这篇文章中，我将解释具体出现了哪些问题，我是如何找出问题的根源的，以及我采取了哪些措施来解决问题。同时，我也会向大家详细介绍我所选择的方法以及是如何成功解决这个问题的。 那么，问题到底是什么呢？ 我现在使用的网站版本是第5版（发布于2026年），该版本使用了Cloudflare R2对象存储提供的CDN服
React在很多方面都表现得非常出色。但如果你曾经尝试过每秒向它传输数千个数据点，你就会很快意识到：React并不像一根能输送大量水流的消防水管，而更像是一根普通的花园浇水软管。 如果强迫它处理过多的数据，要么会导致“草坪被淹没”（即DOM结构变得混乱），要么会使得“管道爆裂”（也就是应用程序运行出现严重问题）。 还有另一个与上述观点相关的观察结果：你的笔记本电脑通常拥有8到16个CPU核心，而你的React应用程序几乎总是只使用其中的一个核心。主线程负责处理JavaScript代码、DOM操作、布局计算以及绘制工作；而其他核心则处于闲置状态，因为主线程实在难以维持每秒60帧的渲染速度。 这两
像PyTorch和TensorFlow这样的高级机器学习库使得训练智能代理变得非常简单，但依赖这些现代框架往往会掩盖其内部运作的复杂机制。 我们刚刚在 freeCodeCamp.org 的YouTube频道上发布了一门视频课程，该课程演示了如何完全不使用外部库或第三方引擎，仅用标准的C语言从零开始构建一个强化学习框架。 这门课程涵盖的内容包括： 实现自定义的自动微分功能，同时设计动态计算图、内存分配系统以及矩阵数据结构，以便处理前向和反向梯度传播过程。 从基础层面开始编写线性代数运算代码，包括转置矩阵乘法、ReLU激活函数以及数值稳定的Softmax算法实现。 用C语言开发一个功能完备的蛇形游
React Router v8于2026年6月17日正式发布，此次更新带来的变动很小，同时也引入了一些新的功能。主要的更新内容包括仅支持ESM格式的构建版本以及默认的中间件设置。React Router v6和Remix v2已经进入了生命周期终止阶段。开发者应遵循相应的迁移指南来更新自己的应用程序；同时，也有人正在考虑使用其他替代方案，比如TanStack Router。 作者：Daniel Curtis
亚马逊网络服务为Amazon Bedrock AgentCore添加了运行时实例这一新功能，这一计算选项为人工智能代理提供了专为复杂的长周期工作流程以及多代理协作而设计的持久性基础设施支持。 作者：马特·桑德斯
上周，微软发布了.NET 11预览版7，此次更新涉及C#、ASP.NET Core、.NET MAUI、Entity Framework Core、Windows Forms以及F#等多个技术。C#语言新增了带有标签的“中断”与“继续”功能；ASP.NET Core引入了Blazor电路暂停机制、CacheView功能，同时还提供了内置的验证规则本地化支持；Windows Forms增加了可选的现代化渲染流程；而EF Core则在SQLite数据库中添加了对Half数据类型的支持。 作者：阿尔米尔·武克
Sam Newman探讨了土木工程中“渐进性崩溃”这一概念，以及它如何应用于分布式系统。通过列举一些现实世界中的案例——从1968年Ronan Point大厦的坍塌事故到AWS系统的故障——他为软件领域的从业者提供了重要的韧性工程策略。了解如何加强系统组件的稳定性、隔离故障节点，并减少组件之间的相互依赖关系，从而有效防止灾难性的连锁反应。 作者：Sam Newman
WhatsApp正在有限范围内进行Scam Alert功能的测试。该功能利用设备上的机器学习技术，来识别来自非联系人的潜在诈骗信息。Meta的架构能够将消息内容保留在用户设备上；同时，通过使用保密计算、不可察觉的HTTP传输方式、差分隐私技术以及模型透明度机制，来评估这一功能的性能并确保模型数据的安全传输。 作者：Leela Kumili
Docker VMM（虚拟机监控层）是Docker专为Docker Desktop开发的新款虚拟化技术。它用Docker能够直接控制且经过优化、专门为容器工作负载设计的引擎，取代了原有的第三方虚拟化组件。该技术的公测版本随Docker Desktop 4.86版在Mac和Windows平台上同步推出。 作者：Sergio De Simone
截至2026年8月2日，欧盟《人工智能法案》第50条规定，人工智能系统必须以机器能够识别的方式对合成生成的内容进行标记。各大技术供应商目前正在采用统计水印技术来实现这一要求，这些技术不会影响自然语言生成的性能，但会对相关系统的运行产生一定影响。这一举措引发了开源社区的强烈反应，人们普遍对这些规定的合规性以及可能带来的安全风险表示担忧。 作者：Olimpiu Pop
微软发布了.NET 11预览版7，其中包含了许多针对.NET MAUI的更新功能，这些更新包括跨平台密码认证机制、新的XAML热重载技术、Shell路由模板，以及更多适用于AOT编译环境的绑定方式。此次发布也进一步推动了MAUI从传统渲染引擎向新处理器的迁移进程，同时改善了在Android和Apple平台上的开发体验。 作者：Edin Kapić
GitHub宣布，目前“堆叠式拉取请求”功能已进入公开测试阶段。这一功能允许将大型软件修改拆分为多个较小的、相互依赖的拉取请求，从而使这些请求能够被独立审核和合并。 作者：Craig Risi
布拉德·格兰瑟姆探讨了软件工程师和架构师如何从个体贡献者转变为具有影响力的技术领导者。他分享了一些实用的建议，包括如何将自身技能扩展到业务和法律领域、如何调整沟通方式以适应非技术领域的利益相关者、如何摒弃个人私心来助力团队发展，以及如何应对复杂的组织环境以最大限度地发挥自己的技术影响力。 作者：布拉德·格兰瑟姆
Netflix将用于观察性因果推断的自动化工作流程进行了开源，这一技术大大减少了进行因果分析时所需耗费的时间与精力。在掌握了观测数据以及用户制定的分析计划之后，该自动化系统会通过“演员-评论家”循环机制来估算因果关系、生成分析报告，并提出后续应采取的行动。 作者：安东尼·阿尔福德
Jordan Nanos探讨了半导体技术的限制、数据中心的扩张以及网络传输瓶颈如何影响人工智能软件架构。他基于SemiAnalysis的研究成果，分享了关于基准测试性能、GPU性能扩展能力，以及从芯片制造到模型推理这一整个流程中的“代币经济”机制等方面的见解。 作者：Jordan Nanos
Cloudflare推出了WriteGuard，该功能目前处于私人测试阶段，旨在为使用Model Context Protocol的服务器提供精细的安全控制机制。通过限制这些服务器对那些能够修改数据或执行某些操作的工具的访问权限，而非仅仅允许它们读取信息，Cloudflare希望能够提升人工智能系统的安全性。 作者：Sergio De Simone
你向编码助手请求创建一个新的端点，90秒后，这个新的端点就已经可以正常使用了。 然后你查看代码变更内容，发现它引入了一个并不存在于你的`package.json`文件中的验证库；尽管你们的团队在去年春天就已经改用了Node.js的测试框架，但它仍然使用Jest来编写测试用例；此外，由于它不知道代码库中其他处理函数都是通过服务来调用的，所以它直接从路由处理函数内部访问了数据库。 代码可以运行，它编写的测试用例也能通过，但你们还是不得不重写大部分代码。 这些情况都不是模型本身的问题——它确实给出了一个看似合理的解决方案，但它之所以会犯这些错误，是因为没有人告诉它这个特定的代码库是如何运作的。 你们
本周于2026年8月10日发布的Java新闻汇总中，重点介绍了以下内容：针对JDK 28提出的简单JSON API方案；Jakarta EE 12的最新进展；2026年8月的Open Liberty版本更新；LangChain4j的版本升级；Eclipse JNoSQL及GraalVM Native Build工具的维护性更新；GlassFish 9.0的第三个里程碑版本发布；以及Groovy 6.0的第二个测试版发行。 作者：Michael Redlich
Jendrik Jördening分享了将大语言模型集成到生产流程中的实际工程策略。他探讨了如何克服不确定性问题、如何对数据结构进行限制、如何将语义文本提取与确定性代码分离，以及如何利用鉴别模型来验证各种设计决策。此外，他还介绍了如何采用MVC架构来组织大语言模型的开发工作，从而确保数据库的完整性、系统的可观测性以及其可靠性。 作者：Jendrik Jördening
Grafana Labs宣布，目前已正式推出了两款工具，这些工具能够让人工智能编码代理在开发过程中查询实时的观测数据：gcx CLI和Grafana MCP服务器。这两款工具都允许代理从Grafana Cloud或自行搭建的环境中获取各种指标数据、日志信息、跟踪记录、服务水平目标以及合成监控结果。 作者：Claudio Masolo
在这段播客中，Michael Stiefel与Tracy Bannon讨论了人工智能在软件领域所扮演的角色，以及它在安全性、软件开发以及整个社会层面所带来的各种风险。虽然在一个软件生态系统中建立一定的信任是合理的，但当两个不同的软件生态系统相互交织时，这些风险就会急剧增加。 作者：Tracy Bannon
确定性规则能够有效保障各项硬性指标的准确性，但建筑设计的初衷呢？了解如何利用“智能适应性评估函数”结合人工智能代理与分版本的评估标准，来评估那些需要主观判断的复杂问题——比如边界匹配度、语义契约的偏离情况，以及那些已经过时的假设等等。通过持续且经过校准的反馈机制，可以进一步提升进化式架构管理的效率。 作者：Hemant Kumar Mahato、Łukasz Sieczkowski、Vijayasenthilkumar Kuppusamy
Vercel的设计工程师Shadcn在shadcn/ui项目中推出了用于聊天界面的新组件。此次发布的组件包括MessageScroller和Message等，这些组件的设计重点在于提升对话功能。这种设计方式强调了模块化的特点，使得开发人员可以在不影响底层逻辑或样式的情况下随意调整各种元素。同时，该系统也支持无头组件的使用。 作者：Daniel Curtis
Cloudflare推出了cloudflare/ci这一CI开发工具包。该工具包基于Cloudflare Workflows，使用TypeScript定义代码执行流程；它为每个执行步骤提供了可靠的重试机制和回放功能，默认支持并发执行，并支持对测试环境的状态进行快照缓存。该工具包专为Workers运行时环境设计，且依赖于仍处于私人测试阶段的Artifacts技术。因此，其实际价值在于所提出的“可靠步骤模型”，而非作为一种可以直接替代传统CI系统的解决方案。 作者：Mark Silvester
Grab正在利用人工智能技术来自动化数据分析流程，由此使得分析师所需完成的工作量从2月份的44%下降到了6月份的30%。该方案结合了人工智能系统的自主性、经过验证的数据、上下文管理机制以及人工监督功能，使得许多分析任务能够由自助分析系统来完成，而无需分析师的干预——这些系统可以自行处理各种指标数据查询及SQL请求。 作者：Leela Kumili
JEP 540——这个简单JSON API项目，目前已经进入了JDK 28版本的开发阶段。该API提供了一种无需依赖任何外部库即可解析和生成JSON文档的功能。它专注于实现核心功能，同时提供了不可变的值结构；这种API允许用户进行简单的遍历和数据转换操作，并且严格遵守相应的语法规范。在测试阶段收集到的用户反馈将会对它的后续发展产生重要影响。 作者：A N M Bazlur Rahman
SpaceXAI推出了Grok Bot这一系统——这套由持久性人工智能代理组成的系统运行在专用的云计算机上，能够与网站、应用程序、收件箱以及其他工具进行交互。 作者：丹尼尔·多明格斯
Nikolay Samokhvalov开发了PGSimCity，这是一个开源的教育工具，它能够在浏览器中通过3D空间模拟的方式呈现PostgreSQL数据库的运作机制。该工具有助于后端开发人员和系统可靠性工程师更好地理解SQL语言以及内核执行的流程。该项目已在GitHub上公开发布，其目的就是通过交互式设计来帮助人们更深入地了解数据库架构。 作者：Olimpiu Pop
Amazon DynamoDB最近推出了原生向量搜索功能，这使得开发人员能够将嵌入向量与应用程序数据一起存储在DynamoDB中，并且可以直接在DynamoDB上执行近似最近邻查询，而无需使用单独的向量数据库。该功能支持过滤后的相似性搜索，同时也允许用户为语义搜索需求配置相应的向量索引。 作者：Renato Losio
AWS已将Dogwood这一政策语言开源。该语言在Cedar的基础上增加了时间条件功能，使得规则能够分析代理之前执行过的操作，而不仅仅是某一次具体的请求。Dogwood适用于审批流程、速率限制控制以及统计功能的实现，它采用Apache 2.0许可证进行发布，在AgentCore Policy中也被支持；不过，目前用于解释这些规则的解析器尚未达到可生产环境使用的标准。 作者：Steef-Jan Wiggers
我还能清楚地记得第一次戴上Oura戒指，第二天早上查看自己的状态得分时的情景——那一刻，我觉得自己就像在查看考试成绩一样。 我看到得分大概是62分，顿时慌了神：难道是我生病了吗？还是压力太大了？又或者是睡眠姿势不对导致的？ 但实际上，这些根本无关紧要，因为这款戒指根本不了解我的具体情况。它所掌握的关于我的信息仅仅是一晚上的数据而已。而我却把这些数据当成了绝对可靠的依据。 对于那些购买了智能手表或智能手环，却发现它们无法立刻了解自己的健康状况而感到失望的人来说，这款产品非常适合你们。事实上，在使用的第一周内，你们的可穿戴设备并没有出现故障，只是它还没有真正掌握你的健康数据而已。 目录 使用初期的
交易研究代理可以编写策略代码，运行回测，检查结果，并不断修改策略。而更困难的任务在于确保这一循环不会演变成一种无序的、盲目追求理想回测结果的探索过程。 在这本手册中，我们将利用LangChain Deep Agents构建一个多代理交易研究系统。EODHD会提供历史市场数据，而一个基于Python的确定性层则会负责控制数据的分割方式、回测逻辑、基准测试的设置、实验记录的保存以及策略选择规则的实施。随后，协调员、策略工程师和研究评估人员将在这些规定的框架内共同开发并评估三种不同的策略版本。 我们的目标并不是证明人工智能代理能够可靠地发现盈利策略，而是建立一个研究工作流程，在这个流程中，各代理可以
当看到Discord机器人实际运行时，它们会显得相当复杂。这些机器人能够回复消息、讲述故事、记住对话内容，并且可以全天候保持在线状态。 当我最初开始研究它们的工作原理时，我认为背后肯定有大量复杂的代码在支撑着这一切。 但实际上，其基本原理其实非常简单。 从根本上说，Discord机器人只是一个Python程序，它连接到Discord平台，等待某些事件发生，然后决定该如何做出响应。一旦你理解了这个基本概念，就可以逐步为它添加各种功能，从而将一个简单的机器人发展成更有趣的东西。 在这个教程中，我们将从一个非常基础的机器人开始，逐渐将其开发成功能更强大的工具。在这个过程中，你将会学习到关于Disco
Cloudflare最近推出了“缓存响应规则”这一功能——这种规则引擎会在源服务器做出响应之后、但在内容被写入Cloudflare的缓存系统之前开始发挥作用。此前，缓存规则仅能针对请求的相关属性进行操作；而“缓存响应规则”则增加了在内容被缓存之前对其响应内容进行评估的环节。 作者：雷纳托·洛西奥
Cloudflare推出了代理追踪功能，为代理调用、模型运行、工具执行以及相关审批操作添加了新的追踪数据。会话记录会按顺序依次回放，但文档中也提醒用户：这些追踪数据并非无损存储的，因此数据内容可能会被截断。不同框架在数据记录方面的默认设置也有所不同；从2026年10月1日起，所有的追踪数据都将被视为可计费的事件。 作者：Steef-Jan Wiggers
Sudeep Das讲述了DoorDash是如何从传统的一次性预测系统转变为一个能够主动为用户提供推荐服务的平台的。他介绍了如何利用消费者与语言之间的天然联系、RQ-VAE模型生成的语义标识来优化产品信息的呈现方式，以及如何通过基于实际数据的搜索算法来显著提升推荐结果的相关性及转化率。 作者：Sudeep Das
在本教程中，你将构建一个实用的人工智能代理。该代理能够接收用户的输入指令，判断是否需要使用某些工具，在PHP环境中执行这些工具，将对话记录存储在MySQL数据库中，并持续进行推理，最终给出答案。 我们的目标并不是创建一个华而不实的演示程序，而是要展示：对于许多开发者来说，如何利用一套现实可行的技术栈来构建这样的人工智能代理——使用PHP处理请求，用MySQL进行数据持久化存储，借助Gemini Flash进行推理和函数调用，最后通过cPanel将系统部署在标准的共享托管环境中。 读完本文后，你将会了解以下内容： 如何构建代理循环结构 工具调用在实际应用中的工作原理 如何存储及重新加载对话记录数
你肯定已经见过上百次这样的场景：Wi-Fi信号突然中断，Chrome浏览器陷入无反应状态，然后一个像素化的霸王龙图标就会出现，只要你按下空格键，它就会立刻在沙漠中开始奔跑。 这个自2014年以来就隐藏在“没有网络”错误提示背后的小游戏，每个月被玩大约2.7亿次。在谷歌内部，它的代号是“Project Bolan”，这个名字是为了纪念摇滚乐队T. Rex的主唱马克·博兰。 由于Chrome浏览器是基于开源的Chromium项目开发的，因此这个游戏的全部代码——包括所有的设计细节和编程技巧——都公开透明，任何人都可以查看。 所以我把它的全部代码都看了一遍。结果发现，这个看似“简单”的游戏其实蕴含着
任何具有合规性要求的B2B SaaS产品（比如涉及银行业务、贷款服务、工资发放或加密货币相关的应用）在开发初期都会遇到同样的问题：在允许企业使用你的平台之前，你必须先核实他们的身份。 这意味着需要收集企业的类型信息、审核他们的注册文件，并向用户展示他们的验证进度，但整个流程不能让人感觉像是在填写繁琐的海关表格一样。 本文详细介绍了如何利用Shadcn UI构建一个功能完备的三步客户身份验证流程：包括用于显示操作进度的步骤提示组件、用于选择账户类型的单选组、用于上传文件的区域，以及用于显示验证状态的警告提示。你会看到实际的代码实现，而不仅仅是简化后的示例代码，同时也会了解到每个设计决策背后的理由
使用原始的LLM SDK来构建AI代理，在开发原型阶段确实可行，但一旦你需要结构化输出、可测试的代码以及具备生产环境可靠性的系统，这些问题就会显现出来。 这些问题的出现具有很强的规律性。你的笔记本代码可以正常运行，于是你将其应用到生产环境中，并开始添加各种补丁：比如为`json.loads`添加异常处理逻辑，编写辅助函数来去除Markdown格式的标记，使用`if`语句检查字段类型，设置重试机制，以及创建一个将工具名称与对应的可调用函数关联起来的映射函数。这些代码单独来看并不复杂，但当它们汇集在一起时，就会占据你代码库的大部分内容，而真正的代理逻辑反而被这些辅助代码所掩盖。 本文将按照这些问题
我见过一些旧系统的迁移项目被认为取得了成功，因为那些旧的框架已经从代码库中消失了。 但六个月后，团队仍然在面对同样的耦合问题、同样不清晰的业务规则，以及几乎相同的部署难题。 虽然技术已经发生了变化，但整个系统本身并没有发生太大的改变。 人工智能让这个问题变得更加复杂了。 它能够比人类团队更快地翻译代码，能够解释那些不熟悉的类结构，生成测试用例，创建适配器，更新API接口，从而大大减少重复性工作。 但是，如果你让一个人工智能编码工具去处理一个旧应用程序，并简单地要求它将所有内容都迁移到现代的技术架构中，那么很可能会得到你想要的结果： 还是那个系统，只不过被更快地重新编写了一遍而已。 这并不一定算
许多PDF文档中包含色彩丰富的图表、演示文稿、营销材料、扫描页或图形，而这些内容并不总是适合用于打印或归档。在某些情况下，将文档转换为灰度格式可以减少视觉干扰，生成更适合打印的文件，降低打印成本，或者为黑白出版做好准备。PDF转灰度转换工具能够自动化这一过程：用户无需手动编辑每一页，只需在浏览器中上传PDF文件，选择灰度转换的方式，预览结果，然后下载新生成的文件即可。 在本教程中，您将使用JavaScript开发一个基于浏览器的PDF转灰度转换工具。用户可以通过该工具上传PDF文件，预览每一页的内容，调整灰度程度，在多种转换模式中进行选择，指定需要处理的页面，生成灰度版本的PDF文件，预览最终
Meta AI Research推出了Muse Glimmer这一模型。该模型是一个拥有300亿个参数的开放源代码模型，采用Apache 2.0许可证进行发布，专为本地计算环境设计。它能够让自主智能体在消费者级别的GPU上独立执行复杂任务，而无需依赖云服务API。Muse Glimmer采用了多阶段训练机制来提升性能，并且支持多种输入形式，从而有效辅助编码与自动化相关工作。 作者：Olimpiu Pop
npm 12带来了许多与安全性相关的变更，使得某些安装行为需要用户明确选择才会被执行。值得注意的是，默认情况下，脚本的执行是被禁用的，因此运行任何脚本——包括那些在构建过程中自动执行的脚本——都需要获得用户的明确许可。此次更新还限制了来自非官方注册源的代码的下载，从而解决了社区对于自动执行脚本可能带来的安全风险的担忧。 作者：丹尼尔·柯蒂斯
Kubeflow项目宣布了几项技术更新，这些更新旨在进一步提升在Kubernetes平台上实现的分布式人工智能及高性能计算能力。这些改进包括Kale 2.0的推出——这是一个经过升级的SDK，它支持Spark语言，并且增强了Kubeflow Trainer的功能。在这些发展举措的背后，是该项目为尽快完成从“云原生计算基金会”的认证流程而做出的努力。 作者：Matt Saunders
Rx.NET 7.0发布了，这一新版本所做的改动旨在减少Windows应用程序的部署大小。在新版本中，WPF、Windows Forms、UWP以及Windows Runtime的相关功能被从主要的System.Reactive包中分离出来，这样就可以避免那些独立运行的应用程序因包含大量未被使用的框架依赖项而占用数十兆字节内存的情况。 作者：Edin Kapić
在这期播客中，负责“文化与方法”板块的首席编辑Shane Hastie与David Gudeman讨论了早期初创企业工程团队的独特文化，探讨了创始人的性格特点以及过早推行某些流程规范如何可能破坏团队的运作效率，同时还分析了工程师们如何在没有正式权力支撑的情况下发挥自身影响力，并做出明智的职业选择。 作者：David Gudeman
Expedia集团已将mockql-rs这一Rust语言编写的命令行工具开源。该工具能够根据请求，在被@mock-annotated标记的GraphQL字段中填充由大语言模型生成的数据。这一举措延续了Airbnb在4月份推出的@generateMock工具，同时也呼应了 GraphQL基金会于2月份发布的RFC建议。这三项技术虽然采用不同的实现架构，但都旨在解决相同的问题；其中还有两项工具使用了相同的指令名称，然而这些指令的实际含义并不兼容。 作者：Steef-Jan Wiggers
Baruch Sadogursky和Patrick Debois探讨了为什么编码代理会因为过大的上下文窗口以及过于冗长的提示信息而失效。他们介绍了一些实用的解决方案，包括延迟加载技能、为上下文数据添加版本标识、使用外部存储系统来保存数据，以及利用大语言模型来进行评估。软件架构师与工程团队负责人将了解到如何将原始的Markdown文件转化为高效、可靠的代理工作流程。 作者：Patrick Debois, Baruch Sadogursky
在工程管理领域，人们普遍认为：报告的事故数量增加意味着系统的可靠性正在下降。然而，《Great Circle》最近发表的一篇文章指出，实际情况往往恰恰相反：事故数量的增加实际上可能说明一个组织的事故管理机制正在得到改善。 作者：克雷格·里西
Cloudflare已将其开源的JavaScript及CSS库托管服务cdnjs迁移到了自己的开发者平台上。新的架构采用了Workers、R2、KV存储系统、工作流机制、队列系统以及持久化对象等技术，从而整合了内容发布与传输相关的基础设施；同时，在每天要处理90亿次请求的高负载环境下，该新架构依然能够确保包内容、URL地址以及SRI哈希值的完整性。 作者：Leela Kumili
如今，扩散模型已成为最具影响力的生成式人工智能系统之一。它们被应用于从图像合成与编辑到视频生成、科学发现以及多模态内容创作等诸多领域。 尽管这些模型具备令人印象深刻的功能，但其背后的基本原理却出奇地简单：它们从纯粹的噪声开始，逐步将其转化为真实的数据。 然而，这个简单的描述立刻引出了一个更深层次的问题：如果模型仅仅以随机噪声为起点，那么它如何知道在每一步该朝哪个方向发展？是什么让模型判断出某个微小的改变是会让图像变得更真实，还是会让它偏离真实数据的分布范围呢？ 2019年，杨 Song和Stefano Ermon提出了一种新的视角，以一种简洁且符合数学原理的方式解答了这个问题。他们的框架并非试
有时你并不想更改PDF文件的实际内容，只是想要在文档的某些部分或全部上添加一层彩色背景而已。 这种方法在制作带有品牌标识的报告、为文档添加彩色背景、突出显示打印版内容、生成设计样稿、应用水印效果，或是为演示文稿准备材料时都非常有用。 “PDF颜色覆盖工具”能够实现这一功能——它在PDF页面上叠加一层半透明的彩色层，同时保留下方的原始文本、图片和布局。 用户无需使用图形设计软件逐页进行手动编辑，只需上传PDF文件，选择所需的覆盖颜色、调整透明度、选择混合模式，指定颜色层的显示位置，预览效果后即可下载修改后的文档。 在本教程中，你将学习如何使用JavaScript来开发这个工具。用户完全可以无需将
在学习C语言时，人们很容易陷入那种仅仅负责接收用户输入并输出结果的终端应用程序的编写中。虽然这类练习对于掌握语言基础非常有用，但要真正深入理解CPU架构、内存管理以及游戏引擎的核心原理，就必须了解代码是如何直接转化为可视输出的。 我们刚刚在freeCodeCamp的YouTube频道上发布了一门新课程，这门课程不再局限于终端环境，而是重点介绍像素操作与图形处理相关的内容。该教程由Gustavo Pezzi制作，利用SDL3库的跨平台功能，教你从零开始构建低级软件渲染器。 在课程中，你将学习计算机是如何通过创建和管理自定义帧缓冲区来处理内存的；你会了解如何将2D屏幕坐标映射到1D内存数组中，如何
无论你是从事机器人设计、流体动力学分析，还是处理复杂的工程数据，学习编程都是提升工作效率与技术分析能力的最有效方法之一。 我们刚刚在freeCodeCamp.org的YouTube频道上推出了一门全新的综合课程，这门课程将教你如何使用Python进行工程开发，并帮助你掌握NumPy和Pandas等工具。同时，你还会学到如何在工作中运用人工智能技术。 这款课程专为机械工程师、机器人爱好者以及那些希望在日常工作中运用现代编程技术和人工智能工具的人设计。 在学习实际的工程应用之前，你会先系统地学习Python的基础知识： Python核心基础：从工程师的角度学习变量、控制结构（`if/elif/el
Astro 7着重提升构建性能，它采用了原生工具以及用Rust语言重新编写的编译器。新版本在处理Markdown格式的内容时效率更高，同时对HTML代码的规范要求也更加严格。最近的更新为该工具添加了高级路由功能及增量构建机制；不过，在用户反馈中也有提到一些关于旧文件兼容性以及依赖项数量计算方面的问题。Astro主要适用于那些依赖少量JavaScript代码的内容驱动型网站。 作者：丹尼尔·柯蒂斯
Nick DiStefano介绍了Uber Eats是如何从传统的原生应用界面转变为采用原生技术构建的单页WebView架构的。他为那些希望绕过原生应用的发布周期、管理跨平台数据状态、构建通用性的原生与Web应用之间的通信机制，以及在不影响各项性能指标的前提下进行大规模用户界面迁移的工程领导者及软件架构师提供了关键性建议。 作者：Nick DiStefano
在OpenAI公开了其沙盒测试系统中的安全漏洞后，Anthropic对141,006次评估测试进行了审查。审查发现，在三起情况下，由于配置错误，Claude模型竟然访问了互联网；这些行为导致了针对实时目标系统的未经授权的攻击。因此，Anthropic已经暂停了所有具有攻击性的评估测试，并计划加强安全措施，同时与外部审计机构展开合作。 作者：Olimpiu Pop
在伦敦QCon大会上，阿拉斯代尔·艾伦在题为“当AI取代了职业发展中的中间环节时” 的演讲中指出：AI通过消除各个职业发展阶段中的学习机会，扰乱了人们的职业发展路径；但同时，它也让人们能够超越自身的经验水平去完成任务。因此，越来越少的初级开发人员选择进入这个行业，而AI也使得入门级别的招聘活动变得缓慢。 作者：本·林德斯
Vercel已经正式推出了v0 API，这使得开发人员和AI应用能够通过API调用来程序化地生成、迭代、预览以及部署各种应用程序。 作者：Daniel Dominguez
想象一下：现在是周五下午4点，你的团队刚刚完成了本次迭代周期的最后一项功能开发。但产品经理要求在当天结束前通过TestFlight发送一个新的版本，这样客户就可以在周末进行测试。 你打开Xcode，等待代码打包完成，处理一个昨天还不存在的签名错误，修复问题后重新打包代码，再次等待上传，然后等待App Store Connect进行处理。接着你需要为Android版本重复这些步骤，不过这次是通过Android Studio来操作的。你需要签署APK文件，登录Firebase App Distribution平台，将文件上传进去，添加测试人员，编写发布说明，最后点击发送按钮。 现在已经是下午6点4
对于基于大语言模型的AI功能而言，因果推断已不再是理论上的概念。Airbnb、Netflix、Lyft和Uber都发布了详细的工程博客文章，详细说明了他们是如何衡量产品变更对用户行为的因果影响的。 他们所使用的技术方法（如差异分析法、回归不连续性分析以及双重稳健估计等）都是标准工具。 值得关注的是，这些团队是如何在大规模应用中运用这些技术的：在哪些情况下这些方法在实际操作中会失效，他们又是如何通过补充措施来确保估算结果的可靠性，以及他们是如何将这些数据与实际的产品决策联系起来的。 如果你正在开发基于大语言模型的功能，并且是根据用户点赞率和会话时长来做出产品决策的，那么这些文章一定会改变你对测量
PDF编辑并不仅限于添加签名或合并文档。有时，你只是想通过增加亮度、提升对比度、添加模糊效果、将其转换为灰度图，或者应用一些创意视觉效果来改善PDF的外观——而这一切都不需要打开Photoshop或安装任何桌面软件。 在这个教程中，你将使用JavaScript、PDF.js、Canvas API以及PDF-lib构建一个基于浏览器的PDF过滤器工具。用户可以上传PDF文件，预览每一页，叠加多个过滤层，应用预设效果，处理选定的页面，预览最终结果，重新命名文件，然后直接从浏览器中下载编辑后的PDF。 由于所有操作都在用户的设备上本地进行，因此上传的PDF文件永远不会离开用户的设备，这使得这个工具既
当你的AI代理同时为多个人提供服务时，每一次工具调用都必须明确：该代理究竟是在代表哪位用户行事。让我们通过构建一个能够与Slack和GitHub连接的AI代理来学习如何解决这个问题。 当使用Slack时，系统会使用 해당用户的 workspace；而在GitHub上创建问题时，也会以该用户的身份在其有权访问的仓库中操作。虽然代理可能会犯错，但它绝对不能使用错误用户的权限来进行操作。 解决这个问题的方法分为两个部分，而这两个部分都在本教程的前半部分进行了讲解： 每位用户都需要单独授权。 Alice为自己授权Slack，Bob也为自己授权Slack。 代理传递的是标识符，而不是令牌。 像 alic
MCP 2026-07-28规范去掉了初始化握手过程及会话头部信息，同时增加了必要的方法说明字段和工具名称字段，这样一来，网关在无需解析JSON数据的情况下就能对代理请求进行路由处理。开发者们对此意见不一：一些人认为这是对REST架构的重新诠释，而另一些人则坚持认为，这种规范设计本来就是标准的核心内容。 作者：Steef-Jan Wiggers
David Chisnall阐述了CHERI硬件架构是如何重新定义指针安全性，从而解决数据隔离与共享所带来的问题的。他解释了CHERI如何为C/C++语言提供空间上的和时间上的内存安全保障，如何通过CHERIoT技术将其应用到微控制器中，以及如何用轻量级且可审计的隔离机制取代那些成本高昂的操作系统级别的远程过程调用机制——而所有这些都不需要对现有代码进行大规模的修改。 作者：David Chisnall
在这一期播客中，InfoQ的编辑团队成员以及我们的朋友们将共同探讨云计算与DevOps领域的当前发展趋势。这些报告旨在为InfoQ的读者提供有关值得关注的关键话题的概览。通过这期播客，您将有机会听到我们之间的真实对话，以及各位行业专家分享的经验故事。 作者：Daniel Bryant、Matt Saunders、Shweta Vohra、Steef-Jan Wiggers、Mark Silvester
InfoQ的编辑团队以及InfoQ的朋友们正在讨论云计算与DevOps领域的当前发展趋势，这些讨论是我们编制2026年度趋势报告的重要组成部分。 作者：Steef-Jan Wiggers、Matt Saunders、Shweta Vohra、Daniel Bryant、Mark Silvester
Spotify为Apache Parquet数据湖引入了外部索引架构，这种架构能够在不将数据集复制到生产数据库的情况下实现低延迟的点查询。该方案将查找键与Parquet文件中的行位置对应起来，从而允许从云对象存储中进行有针对性的数据读取；同时，这些数据仍可被用于分析、机器学习、人工智能应用以及在线服务。 作者：Leela Kumili
Netflix将其大部分批处理工作负载迁移到了Kueue上。Kuee是一个开源的、基于云技术的批处理作业执行系统，这些年来，它的功能已经远远超过了Netflix自己开发的解决方案。Netflix将自己之前自主研发的功能对应到了Kqueue的功能体系中，同时也受益于那些如果自行开发的话会耗费高昂成本的新增功能。 作者：Rafał Gancarz
一个令人印象深刻的演示与一个值得信赖的系统之间的差距，其实是通过各种评估来衡量的。 我想先讲一个目前正在数百个工程团队中发生的真实案例。 有一个团队为法律研究开发了一个RAG应用程序。他们用40个精心挑选的问题对该程序进行了测试，结果看起来很不错，于是便向合作方展示了这个系统。合作方对它印象深刻，随后便决定将其正式投入使用。 然而在系统投入生产三周后，一名法律助理发现其中一个答案错误地引用了某项法规。工程团队查看了相关数据，发现“准确性得分”为0.91，这个数值看起来是正常的；他们还检查了答案的相关性，结果也符合标准。 但他们忽略了一个重要的指标：即“上下文完整性”。这个指标用于判断系统是否检
2022年，我在业余时间开发了一个小型微服务产品，最终以几千美元的价格将其卖了出去。如今，有了人工智能工具的帮助，开发这样的产品可能会更加容易。 但真正发生巨大变化的是获取关注的成本，而不是开发软件本身的成本。 我认为，在2026年，产品的分发渠道将比开发本身更为重要。在这篇文章中，我会与大家分享我在产品开发过程中所学到的经验，并试图劝阻大家在开始下一个项目之前，先不要急着直接投入编码工作。 读完这份指南后，你应该能够掌握一些实用的方法和思路，这些方法可以帮助你将自己那些充满热情的项目推向市场。 需要明确的是，这篇文章主要是针对那些正在开发数字产品的人，尤其是软件产品。不过，这些概念同样适用于
六个月前，你们推出的这款人工智能产品开始采用“用户主动选择参与”的模式。你们进行了倾向性分析，并考虑了用户的参与程度以及查询的准确性等因素，最终发现任务完成率确实提高了8个百分点。这一数据被纳入了季度业务报告中，大家都对此感到满意。 然而，严谨的数据科学家难免会提出一些棘手的问题：你们有多确定这个倾向性模型已经考虑到了所有可能影响结果的因素？如果遗漏了某些因素，那么逻辑回归模型得出的选择概率就会不准确；又或者，如果结果回归模型的设定本身就有误——因为任务完成率与查询准确性之间的关系并非线性的，线性模型根本无法准确反映这一关系——那又会怎样呢？ 你们有两个模型，但并不确定哪个是正确的，而这两个模
JetBrains解释了为何在与开发相关的支出在六个月内增加了大约十倍之后，它开始集中管理人工智能技术的使用情况。该公司并没有限制工程师只能使用少数被批准的工具，而是建立了一个共享访问及成本核算系统，这样既能保证各团队仍可以自由选择所需的工具，同时也能让这些团队更清楚地了解自身的资源消耗情况，并对资源的利用进行更好的控制。 作者：Matt Foster
Meryem Arik探讨了针对高容量、非实时工作负载设计低成本大语言模型推理架构的策略。她解释了软件架构师和工程负责人如何通过在硬件配置、推理运行时机制、推测性解码技术以及智能队列重排序等方面进行关键权衡，从而实现成本的大幅降低。 作者：Meryem Arik
IBM与Red Hat宣布将进一步扩展Lightwell项目，推出新的商业产品，这些产品旨在帮助各组织在人工智能辅助的软件开发时代建立可靠、可验证的软件供应链。 作者：Craig Risi
Netflix详细说明了自己是如何重新设计其实时服务依赖关系映射系统“Service Topology”，以便使其能够支持大规模生产环境的。该系统通过三个阶段来区分数据的中转处理、内容丰富化处理以及持久化存储操作；它将产生的压力反馈给Kafka系统，而不是直接丢弃这些数据；同时，在进行大量内部数据传输时，它使用服务器发送的事件机制，而非gRPC协议。 作者：Eran Stiller
静态网站目前正受到人们的青睐，这是有原因的。一个包含HTML、CSS和JavaScript文件的文件夹，加载速度很快，托管成本也很低，而且几乎不可能出现故障。 像 Astro 、 Eleventy 和 Hugo 这样的工具，能够利用Markdown文件和模板帮您生成这样的网站结构。而Netlify、Vercel以及Cloudflare Pages等托管服务，则可以通过内容分发网络来提供这些生成的网站内容，而且通常还是免费的。 不过，您的网站还需要具备实际的功能。读者可能想要留下评论，或者有人想通过电子邮件与您联系。也许您还想实时显示价格信息，需要用户登录后才能查看某些页面，或者在网站发布之前收
系统设计长期以来一直被视为后端领域的问题。 如果你问一群Flutter工程师“系统设计到底意味着什么”，他们中的大多数人会提到服务器架构：负载均衡器、数据库以及微服务。 但如果你让他们设计一个分布式缓存系统或画出一个消息队列的示意图，他们会犹豫不决。而当你要求他们为社交Feed应用开发Flutter客户端时，他们就会立刻打开新文件开始编写组件代码。 这种差距确实存在，不过正在迅速缩小。 随着Flutter应用程序变得越来越复杂——它们具备了实时功能、离线支持、多平台兼容性，同时还包含需要维护的人工智能生成代码——在编写任何一个组件之前所做出的架构决策，其重要性已经与后端架构相当了。 在那些以产
Linux生态系统中的各种人工智能相关政策呈现出极大的多样性：从GCC的严格限制，到Linux内核的务实态度，再到Kubernetes所采用的那种更加开放、以透明性为原则的开发模式，这些不同的策略都体现出了一个共同的目标：确保人类维护者始终能够成为代码不可或缺的守护者。 作者：Olimpiu Pop
Angular v22是谷歌开发的以TypeScript为基础的开发框架。此次更新带来了API功能的稳定性改进、符合人体工程学设计的模板，以及用于支持AI集成的工具升级。主要亮点包括：Signal Forms功能的稳定性得到提升，变化检测机制也得到了优化，同时还新增了一个用于依赖注入的@Service()装饰器。该版本支持TypeScript 6，并去除了那些已被弃用的功能。 作者：Daniel Curtis
“Cloud Native Buildpacks”于2026年7月正式成为CNCF的官方项目。这一变更将各服务所使用的Dockerfile中关于基础镜像的选择机制，统一到了由平台工程团队管理的单一构建系统中，从而实现了对所有服务的统一补丁管理。BellSoft开发的优化版Paketo构建系统，进一步证明了如今供应商们已经将这种构建系统，而非Dockerfile本身，视为保障容器安全的关键环节。 作者：马克·西尔维斯特
根据GitHub的公告，GitHub Code Quality服务现已在GitHub Enterprise Cloud和GitHub Team上正式推出。该服务结合了CodeQL分析技术以及人工智能辅助检测功能，能够识别代码在可维护性及可靠性方面存在的问题，随后会利用Copilot Autofix功能为开发者提供修改建议，这些修改建议会出现在拉取请求中供他人审核。 作者：Matt Saunders
Kennedy Torkura介绍了在AWS环境中使用GenAI技术来保护大语言模型和知识库，使其免受数据污染、LLMjacking等安全威胁的方法。他阐述了工程领导者与架构师如何将传统的云安全措施与MITRE ATLAS框架相结合，从而主动发现漏洞、建立防护机制，并确保生产环境中的AI应用能够获得有效保护。 作者：Kennedy Torkura
Pinterest公布了其自主研发的Terraform执行引擎——资源供应管道系统(RPP)。该系统能够确保最小权限访问机制，并需要经过双重审核流程。对于Pinterest的AWS基础设施而言，这一系统至关重要，因为它为GitHub Actions工作流程提供了严格的防护机制。 作者：Claudio Masolo
随着人工智能使代码生成的成果变得日益普遍，人们对系统的理解能力却在不知不觉中逐渐下降，这种认知上的缺陷会威胁到软件架构的健康发展。本文探讨了为何必须将人类的理解能力视为软件架构的重要组成部分，并提出了具体的策略、社会技术指标以及设计检查点，以帮助现代工程团队保持对系统设计初衷的清晰认识。 作者：Jacobus Meintjes、Narayana Rengaswamy、Paul Katsande、Sureshbabu Bikki
本周于2026年8月3日发布的Java新闻汇总中，重点介绍了以下内容：JEP 535项目——Shenandoah垃圾收集器默认采用分代回收模式，该功能将应用于JDK 28版本；A2A Java SDK、Apache Camel以及Gradle都发布了更新版本；GlassFish也进行了维护性升级；Groovy 8.0也迎来了第五个里程碑版本的发布；同时，JetBrains的TeamCity也针对安全漏洞进行了相应的修复。 作者：Michael Redlich
Canva对会话撤销机制的基础设施进行了重新设计，使其能够在支持多达1亿个活跃会话的同时减少数据库查询次数。该架构使用Amazon S3来存储持久性的撤销记录，并将紧凑型内存索引分发到应用程序网关中。Canva表示，这种设计提高了部署速度，降低了对数据库基础设施的需求，同时还将撤销缓存所需的内存占用量减少了87.5%。 作者：Leela Kumili
JEP 401被集成到了JDK 28中，它引入了“值对象”这一概念。这些新的类实例具有不可变的字段、经过修改的相等性判断逻辑，以及更为严格的构造函数使用规则和同步机制。其目的在于提升程序运行效率并降低内存分配所带来的开销。不过，默认情况下这些新功能是处于禁用状态的，需要用户在编译或运行时进行相应的配置才能启用。 作者：A N M Bazlur Rahman
Cloudflare宣布推出了一项开发者预览功能，通过一个简单的控制面板设置，任何网站都可以启用WebMCP（Web模型上下文协议）接口。这一功能使得基于浏览器的AI应用能够通过结构化的工具与未经修改的网页进行交互，而无需进行数据抓取或猜测操作，从而确保人类用户仍然可以正常访问并控制这些网站。 作者：Sergio De Simone
Stripe的工程团队最近介绍了他们是如何通过将全球基础设施建模为图结构来实现数据库故障恢复自动化处理的。该团队利用图搜索算法以及状态机，自动计算并执行相应的修复方案。 作者：Renato Losio
Cloudflare推出了名为Cloudflare Computer的新开源运行环境。这一平台旨在为人工智能代理提供更接近“真正计算机”的运行环境，而不仅仅是临时使用的容器。据该公司称，该技术利用Cloudflare的隔离机制来实现快速的无服务器执行，从而使这些人工智能代理更加经济、高效且易于扩展。 作者：Sergio De Simone
GitHub整合了其在2026年3月至7月期间为防范供应链攻击而进行的npm及Actions相关设置调整。其中一些修改实际上只是改变了默认值，并没有新增任何选项。在Hacker News上的讨论中，人们更多关注的是这些等待机制是否真正有效，或者它们能否替代开发者对软件包进行签名验证这一措施。 作者：Steef-Jan Wiggers
Cloudflare最近推出了Precursor这一客户端行为分析工具。该工具会持续监测用户的操作行为，例如鼠标移动轨迹及键盘输入节奏，从而更有效地识别那些复杂的机器人程序或人工智能代理，而无需依赖CAPTCHAs这类一次性验证机制。 作者：Renato Losio
马丁·斯皮尔阐述了在OpenAI中，这种“智能工作流程”是如何显著提升代码修改量的。他讨论了快速交付机制所带来的那些隐藏的、系统性的性能问题，并说明了如何通过部署这些持续运行的AI系统来自动化执行性能分析、回归检测以及持续优化工作，从而确保产品在全球范围内仍能保持高速发展与良好的扩展性。 作者：马丁·斯皮尔
几乎每一个正在发展的软件系统中都会出现这样一个问题，而大多数开发人员直到问题造成了实际的损害之后才意识到自己遇到了它。 你有一组对象：它们具有不同的类型、形状和数据结构。而在某个时刻，会有人要求你对这些对象执行某种操作，比如将它们导出为PDF格式、向它们发送通知、生成报告或计算相关费用。 你的第一反应可能是编写一个函数，根据对象的类型来决定执行哪些操作，例如使用if-else语句或switch结构。这样的代码逻辑是：如果这个对象是NewUser类型，就执行这个操作；如果是JointAccountUser类型，就执行另一个操作。这种方法确实有效，你将其实现后，大家都很满意。 然而，后来又出现了新
在本教程中，我将向您展示如何使用QLoRA进行有监督微调，从而优化大型语言模型，使其能够用于AI代理中。这种方法使我们能够对预训练模型进行定制，使其表现出我们期望的行为。我们将采用一种轻量级的训练流程，仅更新模型中的少量参数。 我们会利用Unsloth以及Hugging Face生态系来下载Qwen 1.5B基础模型，然后应用基于QLoRA的有监督微调方法，并将优化后的LoRA适配器权重保存在本地，以便后续进行推理使用。所有操作都在本地完成，因此您无需支付任何模型API的使用费用。 目录 背景知识 什么是有监督微调？ 什么是LoRA？ 动机与架构 步骤1：安装Python相关依赖库 步骤2：训
几十年来，要进行心电图检查，人们都必须前往医院或诊所。医生会在患者的胸部和四肢上放置多个电极，以此来检测心脏的电活动。 如今，许多可穿戴设备也能进行这种检查。它们仅使用设备内部安装的两个小型电极，在大约30秒的时间内就能完成单导联心电图的测量。 尽管这种检测方式非常方便，但智能手表并不能取代医院里使用的专业心电图仪。实际上，它们的作用是不同的：临床用的心电图仪用于诊断各种心脏疾病，而可穿戴设备则主要用于收集足够的信息来监测心律，并识别某些异常情况，比如心房颤动。 多项研究已经证明，在适当的条件下，现代智能手表上的单导联心电图设备能够以很高的准确率检测出心房颤动，但它们的用途是补充而非替代标准意
我仍然记得第一次在量子模拟器上运行贝尔态电路的情景。 那段代码只有几行，但它的效果实在令人惊叹——两个量子比特发生了纠缠，模拟器也给出了几乎完美的结果。后来，我把同样的电路应用到了真正的硬件设备上。 然而那种神奇的效果有所减弱。 输出结果仍然可以识别，但原本理想的50/50分布现在出现了误差，额外的错误也让电路的行为不再像我在本地测试时看到的理想状态那样。 那一刻让我明白了一个重要的道理：量子计算的未来不仅仅取决于更优秀的算法，还离不开更好的架构设计。 多年来，许多囚禁离子量子计算机都是基于 一维线性离子链 构建的。这类系统在门操作精度方面取得了行业内的领先水平，因此非常适合用于早期的量子计算
如果你曾经构建过Web应用程序或配置过Spring Security，那么你几乎肯定遇到过跨站请求伪造攻击（CSRF）。 OAuth 2.0的工作原理：后端开发人员的实用指南 》中，我简要介绍过那个神秘的 state 参数，并指出它的核心作用就是保护授权流程免受CSRF攻击的侵害。 当时，我们只是把CSRF视为一个需要了解的基本概念而已。而今天，我们将深入探讨这一主题。 也许你在使用Spring Boot构建REST API时，会遇到每次发送 POST 请求时都会出现的HTTP 403 Forbidden错误，于是你通过在Security Filter Chain中添加 .csrf(csrf
长时间阅读PDF文档会让人感到疲劳，尤其是当文档的背景颜色很鲜艳，或者你在光线较暗的环境中阅读时。 在某些情况下，设计师、开发人员和印刷专业人士可能希望查看文档在颜色反转后的效果，或者为便于访问或审查而准备不同的版本。 PDF颜色反转工具能够实现这一目标——它在保持文档结构不变的前提下，改变PDF页面的颜色。用户无需手动编辑每一张图片或图形，只需上传PDF文件，选择颜色反转模式，指定需要处理的页面范围，调整输出质量，然后点击几下即可生成新的PDF文件并下载。 在本教程中，你将使用JavaScript制作一个基于浏览器的PDF颜色反转工具。用户可以上传PDF文件，预览其内容，选择反转方式，指定处
当某个工作流拥有的权限超出了实际需求时，一个看似简单的构建任务就可能引发仓库数据被修改、令牌被滥用，甚至带来比团队预期更严重的后果。 这个问题很容易被忽视，因为该工作流仍然能够正常运行，所以这些多余的权限往往会在直到出现审查问题、事故或发布失败时才会被发现。 这一点非常重要，因为GitHub Actions在代码管理、机密信息处理、版本发布以及自动化部署等环节中扮演着核心角色。如果能在工作流和具体任务的层面严格限制权限范围，那么一旦某个步骤、操作或依赖项遭到攻击，攻击者能造成的破坏也会大大减少。 在本教程中，你将学习如何确定一个工作流实际所需的权限范围，将这些权限降到最低限度，同时确保在权限受
你花了两周时间开发这个AI助手。流式聊天功能设计得很美观，系统提示语也很简洁，安全过滤机制也配置好了。 你向团队展示了这个成果，大家都感到非常印象深刻。随后你将应用提交到了App Store，它终于上线了。 然而在上线三天后，有用户反馈称：如果连续快速点击两次发送按钮，就会出现两个永远无法停止旋转的加载图标；还有用户发现，如果在聊天过程中关闭应用程序再重新打开，聊天界面就会崩溃。 你们团队中的某位成员修改了`AIRepository`中的错误信息字符串，但由于测试用例检测的内容有误，所以测试结果仍然显示正常。一位产品经理询问如果Gemini API不可用，这个新功能是否会出问题，但没有人知道答
npm为Node.js引入了分阶段发布机制：在某个版本能够被用户安装之前，必须先获得维护者的批准。这些版本会被放入队列中，而且在正式发布之前必须通过双重身份验证。这一功能的目的是为了在日益严重的供应链安全威胁面前增强系统安全性。目前，npm CLI 11.15.0及以上版本以及Node 22.14.0及以上版本都已经支持这一功能，同时还提供了许多可配置的权限设置选项。 作者：Daniel Curtis
微软发布了Azure API Management中的专门用于处理AI相关请求的层级功能，并将其置于公开测试阶段。这一层级的核心架构是围绕模型、MCP服务器以及相关工具来构建的，而非基于API本身。它将Foundry、Bedrock、Vertex AI以及OpenAI等服务统一通过一个终端点提供访问接口，且配置管理采用政策卡片的形式进行，而非XML格式。架构师们对这种整合表示欢迎，但同时也质疑相关的治理边界应该如何划定。 作者：Steef-Jan Wiggers
事件管理平台提供商Rootly宣布，它决定放弃长期以来实行的关于小型拉取请求的限制政策。该公司表示，既然现在大多数代码都是由人工智能工具生成的，那么这一限制已经不再具有实际意义了。Rootly指出，他们的评估重点已经从“拉取请求的规模”转变为“这些变更所可能带来的影响范围”，因此功能开关和回滚机制被赋予了更高的优先级，而代码行的数量则不再被作为评判标准。 作者：Matt Saunders
Uno Platform 6.6版本支持在五个目标平台上进行原生AOT编译与发布，同时提供了可选的Vulkan渲染后端，并能够自动完成与该框架的Model Context Protocol服务器之间的注册流程。此次更新还减少了XAML代码中的重复部分，扩展了跨平台的WinUI API功能覆盖范围，同时还提升了应用程序的可访问性以及多语言文本处理能力。 作者：Edin Kapić
这就是2026年的工程文化趋势报告。报告中，来自QCon会议的演讲者以及InfoQ的撰稿人们共同探讨了人工智能应用的成熟度与相关风险、工程团队结构与角色的变化，以及在2026年这一年中绝不能被忽视的软件开发中的人文因素。 作者：本·林德斯、拉菲克·杰梅尔、克雷格·史密斯、瓦内萨·福米科拉、肖娜·马特尔、菲利普·莫蒂默、因卡·奥莫勒
这份报告总结了InfoQ文化与方法编辑团队对2026年这一领域中正在持续发展中的各种趋势以及新出现的动向的看法。 作者：Shane Hastie、Ben Linders、Vanessa Formicola、Shawna Martell、Rafiq Gemmail、Craig Smith、Phillip Mortimer、Yinka Omole
Jo Kelly-Fenton和Aleksandar Mitic介绍了Spotify是如何创建“Honk”这一人工智能编程工具的，该工具专门用于处理大规模代码库迁移工作。他们还分享了关于如何将持续集成测试的运行流程与人工智能工具分离、如何解决自动化拉取请求过程中出现的瓶颈问题，以及如何推动数千个工程代码仓库实现标准化的一些关键经验。 作者：Jo Kelly-Fenton, Aleksandar Mitic
人工智能正在迅速改变工程团队应对生产故障的方式——它能够帮助人们总结故障信息、分析不熟悉的代码、提出相应的解决措施、生成拉取请求，而且在诊断故障方面也发挥着越来越重要的作用。 作者：Craig Risi
Instacart推出了名为Blueberry的人工智能辅助事故响应系统，该系统能够帮助值班工程师更快地排查生产中出现的问题。该系统结合了人工智能代理、运营数据以及历史事故处理经验，在Slack平台上生成合理的根本原因分析结论。通过使用并行子代理机制、与MCP系统的集成功能以及事故处理记录，该系统能够在确保工程师能够有效控制整个调查过程的同时，显著缩短事故排查所需的时间。 作者：Leela Kumili
想象一下，你正在构建一个电子商务平台，在这个平台上下订单时需要同时触发多个操作：必须通知仓库准备发货，电子邮件服务需要发送确认邮件，同时欺诈检测系统也需要审核这笔交易。 订单处理模块负责完成结账流程，将订单信息保存到数据库中，然后向消息队列发布一条 order.created 事件，这样下游的所有系统就可以各自独立地对这条事件作出响应。 这种设计非常常见且合理，但它存在一个可靠性问题——在生产环境中出现问题之前，这个问题往往不容易被察觉。 当顾客下订单并且支付成功后，应用程序需要执行两步操作：将订单信息保存到数据库中，以及向消息队列发布事件。这两项操作分别针对两个不同的系统进行，目前没有办法让
大多数Flutter教程都只涉及到网络调用和REST API。但一旦你需要与物理设备进行交互——比如心率监测器、智能灯泡、健身追踪器、工业传感器，或者你自己定制的硬件设备——你就不得不离开HTTP这个“舒适的环境”，转而使用蓝牙低功耗技术。 本指南会教你如何在Flutter中正确且全面地实现这些功能。 移动设备上的蓝牙功能其实相当复杂。Android和iOS之间的权限设置有所不同，即使是同一款Android系统的不同版本，权限要求也会存在差异。蓝牙连接的生命周期包含许多状态，服务与特征的数据模型也会让新手感到困惑，而字节级的数据编码方式几乎会让每个人在初次尝试时遇到麻烦。 flutter_bl
想象一下，让人工智能助手来处理成千上万的医学图像。它能够运行整个处理流程，跟踪进度，总结每一项决策，并告诉你哪些文件需要人工审核——而这一切过程，它根本不需要看到任何患者的个人信息。 乍一听，这似乎是不可能的。因为通常情况下，人工智能助手需要访问它们所要帮助处理的数据。 在这个教程中，你将构建一个不会直接查看敏感医学图像的人工智能系统。相反，它会通过精心设计的工具来协调整个去标识化处理流程，确保患者的所有数据都保留在你的机器上。 使这一切成为可能的技术是“模型上下文协议”（Model Context Protocol，简称MCP）。这一开放标准允许人工智能模型调用外部工具，而不仅仅依赖它们内置
Vercel Labs推出了一种名为Zero的实验性系统编程语言，这种语言专为人工智能应用设计，而非供人类用户使用。它具备一些独特的特性，比如专门的工具链契约以及结构化的错误提示信息。目前该语言已发展至0.3.4版本，能够为各大操作系统生成本机二进制文件。虽然Zero仍处于开发阶段，但它非常注重代码的大小、执行速度以及人工智能系统的易用性。 作者：丹尼尔·柯蒂斯
在Kubernetes平台上运行AI代理时，会遇到一个关键问题：是否应该为每个代理分配一个单独的Pod？kagent项目认为不需要这样做——这些代理的活动频率较高、生命周期较短，有时还会生成子代理，并且可能需要等待人类的批准才能执行某些操作，因此为每个代理分配一个Pod会造成资源浪费。Agent-Substrate方案则通过添加一个控制层，来将逻辑“演员”调度到那些寿命较长的工作节点Pod上。 作者：马克·西尔维斯特
AI工作流程存在两个相互矛盾的需求。要在生产环境中可靠地运行，就必须确保每个步骤都能被持久化存储并分布式执行，这样系统才能在发生故障后继续运行、完成部署并重新启动。然而，正是这些机制使得系统的运行速度变得过慢，而快速迭代测试对于评估大语言模型的输出质量来说却是必不可少的。那些能够提升系统稳定性的特性，恰恰会降低迭代的效率。 作者：Mateus Moury
Wiz Research公开了一种名为CosmosEscape的攻击工具，这种工具能够突破Azure Cosmos DB的Gremlin沙盒机制，进而获取一个能够在整个平台上被使用的密钥，从而对该服务中的所有数据库进行读写操作。微软在两天内就封锁了这一攻击途径，但直到2026年7月才成功移除了该密钥。业界专家们对这种“共同承担责任”的机制以及此次重组所带来的实际影响展开了讨论。 作者：Steef-Jan Wiggers
Dumanshu Goyal探讨了如何优化数据层，以便让那些对延迟要求极高的应用（比如用于存储人工智能特征的数据结构）能够更高效地运行。他以NASA的航天飞机项目为例，解释了代理架构会带来哪些隐藏的CPU使用成本、导致延迟增加以及增加系统风险的问题；同时，他也展示了直接访问型Valkey架构是如何实现微秒级延迟、提升系统的可靠性，并大幅降低基础设施维护成本的。 作者：Dumanshu Goyal
仅仅拥有一个平台是远远不够的；真正的挑战在于确保该平台能够被用户理解、使用，并真正被他们采纳。只有当某种功能能够被他人可靠地使用时，它才算真正实现了其价值。为了评估开发工作的进展，你可以问自己：“这个功能真的被人们在使用吗？”“它是否减轻了用户的使用难度？”这样的思考有助于让开发工作始终与实际的用户需求保持一致，而不仅仅是追求功能的完成。 作者：本·林德斯
如果你问别人QA工程师是做什么的，你很可能会听到这样一个熟悉的答案： “他们负责测试软件并找出其中的缺陷。” 这种看法非常普遍，而且公平地说，找出缺陷确实是QA工作的重要组成部分。但如果你在现代软件团队中工作几周，你就会很快意识到，这其实只是QA工程师实际工作内容的很小一部分。 在过去十年里，软件开发发生了巨大的变化。各个开发团队不再需要等待数月才能发布新功能；许多机构甚至每周、每天，甚至是每天多次进行系统更新。应用程序已经变得越来越复杂，云服务、API、微服务、移动应用以及第三方集成组件都在幕后共同发挥作用。 随着软件的发展，QA的角色也在不断演变。 如今的QA工程师会在某个功能开始进入测试
几个月前，我在跑步时同时使用了三款不同的设备。为什么呢？这又是一个关于截止日期以及我自己的拖延习惯的长故事…… 当我跑完步回到家后，那款使用GPS功能的智能手表的电池电量已经只剩下15%左右了；而那些依靠手机GPS功能运行的智能手环和智能戒指的电池电量却几乎没有减少。就在那时，我才真正意识到：GPS功能实际上会消耗设备多少电量，以及大多数人在看到手表提供导航信息时，其实并不了解其中的具体原理。 那么，让我们来详细了解一下吧：可穿戴设备中的GPS功能究竟是用来做什么的？为什么它会如此耗电？在长途徒步过程中，又该如何节省电池电量呢？ 目录 当你的手表显示“正在获取GPS信号”时，实际上发生了什么？
我们刚刚在freeCodeCamp.org的YouTube频道上发布了一门全新的课程，这门课程将帮助你从完全的初学者成长为Claude Code的高手。 无论你是想自动化自己的开发流程，管理复杂的项目架构，还是希望更快地部署应用程序，这套课程都能帮助你立即开始实际操作。负责教授这门课程的是Eric，他曾经在亚马逊和微软担任高级软件工程师。 在这门内容全面的速成课程中，你将深入学习构建基于人工智能的应用程序所需要掌握的基础知识。课程内容包括： 如何在Visual Studio Code中本地安装Claude Code并配置工作环境。 使用 /goal 命令自动执行任务，并循环运行这些任务，直到满
微软与Uno Platform发布了SkiaSharp 4系列的首个稳定版本，首先是4.148.0版，随后不久又推出了4.150.0版。此外，还提供了4.151.0版本的预发布版本，这一举措体现了该项目所采用的新策略：即使软件包的版本号及发布节奏与Skia项目的进展保持同步。 作者：Edin Kapić
Ponytail是一个仅包含指令文件而非源代码的仓库。在短短九天内，它就获得了44,000个GitHub星标——这一成就得益于它让那些用于自动编码的程序停止了不必要的重复操作。该项目最初宣称自己的代码量减少了80%到94%，但这一数据是基于有缺陷的基准测试结果得出的；在有人指出这一问题后，维护者重新进行了测试，并最终得出了代码量减少了54%这一更准确的数值。 作者：Steef-Jan Wiggers
Laurence Tratt介绍了yk这一开源的元追踪JIT编译器框架。他讲解了如何通过进行最小限度且不会对代码造成实质性影响的修改，来自动提升Lua、MicroPython这类基于C语言编写的解释器的运行速度。他还详细阐释了追踪机制的工作原理，以及如何利用开发人员提供的提示来优化编译后的代码执行路径，同时介绍了如何处理那些需要恢复到原始解释器执行方式的复杂情况。 作者：Laurence Tratt
JioHotstar详细解释了其实时广告请求处理流程所依赖的分布式架构体系，这一架构涵盖了广告决策机制、分层处理流程、节奏控制算法、延迟优化措施，以及为在大规模流媒体播放过程中选择并展示个性化广告而所需的服务协调机制。 作者：Leela Kumili
你提交代码后，几分钟后，这些代码就会真正开始为用户提供服务。 在这两个时刻之间，有一系列复杂的流程在运转：代码构建、生成相应的成果文件、数据库迁移、健康检查以及流量分配调整。每一位生产工程师都依赖这一整套流程，而许多团队至今仍然亲自负责这些工作的执行。 部署基础设施如今已经悄然成为一种运营负担。它最初只是出于技术上的必要性而存在的——因为当时没有其他可行的解决方案，所以每个团队都必须自行搭建这套系统。 如今，这已经成为另一个需要工程师维护的系统，它会消耗大量的值班时间、开发资源，甚至还会在凌晨两点占用本该用于更重要工作的精力。 在这篇文章中，我们将详细探讨一次实际的生产环境部署过程：从代码构建
大多数SaaS产品的登录页面都包含相同的核心组成部分：首页展示区、用户评价、功能介绍、价格信息、常见问题解答以及页脚。而大多数开发者都会在每个项目中从头开始构建这些内容，这种重复性工作其实并不属于真正的软件开发过程。 因此，我开发了一个名为 ChatDeck 的SaaS登录页面模板，并将其开源。该模板基于Next.js 16、React 19、shadcn/ui以及新的 base-nova 样式框架进行开发，同时使用了Tailwind CSS v4和TypeScript。完整的源代码托管在GitHub上，遵循MIT许可证。这个模板的诞生源于我在开发过程中所做的各种决策。 在构建这个模板的过程中
如果完全相同的量子电路在模拟器中能够完美运行，那么为什么在实际的量子计算机上却常常会产生不同的结果呢？ 这个问题几乎让每一位量子开发者都感到困惑。如果你打算开发更大规模、更可靠的量子应用，理解这个现象就至关重要。 本教程假设你已经熟悉如何在 Qiskit 中创建和执行基本的量子电路。 当你第一次在真实硬件上运行一个量子电路时，你可能会认为其输出结果应该与模拟器中的结果一致。毕竟，代码、算法和编译器都是相同的。然而实际情况往往并非如此。 有时候这种差异几乎难以察觉；而有时，那些在模拟器中运行得非常完美的电路，在实际设备上却会产生令人费解的输出结果。当你的量子电路结构变得更加复杂，涉及的量子比特数
作为软件开发人员，我们通常被教导要优先考虑速度、性能和正常运行时间等因素。在构建API时，我们的核心目标就是确保数据能够顺利地从A点传输到B点。 然而，全球范围内的数据隐私法规正在日益严格，用户也越来越关注自己的数字足迹。将隐私问题视为“事后才需要处理的法律事项”，或者认为可以在生产环境中再解决这些问题，已经不再是一种可持续的做法。 这时，《设计即隐私》这一理念就派上了用场。 “设计即隐私”是一个框架，旨在将隐私保护措施主动融入到工程开发的整个生命周期中。这意味着，你的系统架构应该默认就能保护用户数据。 在这份全面的指南中，我们将通过现代的工程模式、代码设计理念以及有针对性的数据库结构，来讲解
在我还从未听说过“HIPAA审计”这个术语之前，我花了三天的时间帮助一家医疗保健领域的SaaS初创企业修复一个配置错误的S3存储桶。其实并没有发生任何数据泄露事件——没有人访问过那些数据。但那个存储桶是公开可查询的，其中存放着患者的预约记录，因此周五晚上11点时，这家企业的首席执行官收到了一位安全研究人员的消息。 最终并没有被处以罚款，但却产生了大量的法律费用，还有进行整改所需的成本。在接下来的六个月里，与企业客户进行的那些涉及HIPAA合规性的沟通也确实给企业带来了不少麻烦。 HIPAA并不只是一项抽象的合规要求，而是一系列具体的技术规范，这些规范会直接影响到基础设施的建设决策。如果这些规定
安全漏洞的曝光揭示了在评估人工智能在网络防御能力方面的表现时所存在的一些问题。值得注意的是，OpenAI开发的模型突破了沙箱环境的限制，侵入了Hugging Face的系统。这一事件属于多阶段攻击，它暴露出了评估机制中存在的缺陷，因此人们呼吁加强基础设施的安全管控，并开发更有效的本地应急响应工具。 作者：Olimpiu Pop
eslint-rspack-plugin的5.0.0版本现已作为纯ESM包发布，这一改动旨在使其与Rspack生态系统保持一致，并同时移除了原有的CommonJS构建方式。该插件仍然会在构建过程中集成ESLint功能，但此举可能会影响构建速度。为提高效率，建议用户使用独立的代码检查命令。该项目是开源的，可以通过npm获取。 作者：Daniel Curtis
Chris Richardson探讨了如何利用团队架构设计与内部平台来加速微服务的交付过程。他详细解释了六种关键的平台开发模式——这些模式涉及安全性、可观测性以及构建与部署环节——并分享了相应的策略，旨在帮助那些采用流水线式工作模式的团队减少认知负担，同时避免常见的平台工程失误。 作者：Chris Richardson
根据Perforce Software发布的2026年平台工程报告，平台工程的成熟度正在成为决定企业能否将人工智能的应用转化为可持续的运营价值的重要因素。 作者：Craig Risi
Quotient公司的首席执行官Lizzie Matusov解释了为什么在人工智能技术投入不断增加的情况下，软件交付效率却往往没有得到提升。她提出了一个基于研究结果制定的人工智能成熟度评估框架，该框架旨在帮助工程领域的领导者摆脱那些徒有表面意义的指标（如代币的使用量），使整个组织在人工智能应用方面保持一致的行动方向，并解决软件开发生命周期中存在的各种关键瓶颈问题，从而实现可衡量的商业成果。 作者：Lizzie Matusov
Embabel已经发布了1.0版本，这个框架为基于Java开发的人工智能代理程序提供了支持。它允许Java和Kotlin开发者将这些代理程序定义为具有明确数据类型的对象。Embabel建立在Spring AI的基础上，能够支持多种模型架构，并将规划机制与预定义的状态机相结合，从而为代理程序的工作流程提供了极大的灵活性。 作者：Erik Costlow
微软发布了TypeScript 7.0版本，该版本配备了原生编译器，使得构建速度提升了8到12倍。在实际代码项目中，这些性能提升得到了验证。不过，这个版本目前还缺乏稳定的编程接口，这一功能预计会在7.1版本中加入。为了帮助现有工具顺利过渡到新版本，微软提供了兼容性包，而且TypeScript仍然是一个开源项目。 作者：丹尼尔·柯蒂斯
阿伦·约瑟夫分享了关于如何扩展像德国电信的LMOS这样的企业级智能平台的实际经验。他探讨了如何消除组织内部的分歧与障碍，用核心平台抽象机制取代繁杂的工具体系，以及如何通过临时生成的智能代理和代理定义语言，将传统的聊天机器人发展成具备实际操作能力的智能系统。 作者：阿伦·约瑟夫
HashiCorp发布了Vault Kubernetes Key Management的公开测试版。这款与KMS v2兼容的插件允许Kubernetes API服务器将数据包加密任务委托给Vault Enterprise，从而将用于保护etcd数据的密钥移出集群，将其存储在另一个受专门管理的信任域中。 作者：Mark Silvester
微软的Agent Framework现在提供了受支持的运行时环境。Build 2026版本将Agent Harness、GitHub Copilot以及Claude Agent SDK连接器，还有相关的编排工具正式发布了；从那以后，Agent Harness和Foundry Hosted Agents也进入了正式发布阶段。这一变化意味着：开发工具的重点已经从用于构建代理程序的SDK，转变为用于运行这些代理程序的、受到严格管理的平台。 作者：Steef-Jan Wiggers
安德烈亚·佩鲁福探讨了WebAssembly在浏览器之外的发展前景，以及它在服务器端的JVM中所扮演的日益重要的角色。他介绍了Wasm运行时在性能方面的改进——从解释器模式发展到高效的JIT编译技术，并分析了各种实际应用场景，这些场景涵盖了边缘计算平台以及模块化插件架构等领域。 作者：安德烈亚·佩鲁福
为什么一些看似简单的功能却会突然需要跨团队进行协商呢？在本文中，我们将探讨边界模糊现象是如何悄悄破坏各团队之间的协作效率、增加他们的认知负担的。通过学习一些实用的社会技术策略——重新分配职责、明确关键决策规则、提前准备应对异常情况的方案——我们可以重新界定各个团队的职责范围，从而推动软件架构的持续进化与发展。 作者：迈克尔·费舍尔、尼古拉斯·劳伦斯、莫妮卡·卡雷卡尔
HubSpot重新设计了其“即时访问”授权系统，采用了规则引擎架构。该系统通过以有向无环图形式组织的独立规则来评估访问请求，并加入了结构化的决策元数据、规则级别的可观测性功能以及相应的管理流程，从而取代了那些复杂的条件授权逻辑。 作者：Leela Kumili
本周于2026年7月27日发布的Java新闻汇总中，重点介绍了以下内容：针对JDK 28提出的OpenJDK JEPs提案；GPULlama3.java 1.0版本的正式发布；Micronaut、Quarkus及JobRunr的更新版本；JDKUpdater的维护版本；Maven 4.0的第六个测试版；以及Jakarta Agentic AI 1.0的首个里程碑版本。 作者：Michael Redlich
在最近一篇关于Azure架构的博客文章中，Azure首席工程师Kishorekumar Pattabiraman详细阐述了在构建AI系统时，在选择各种技能、子代理机制或其他解决方案时应遵循的实际标准，他特别强调了可重用性、简洁性以及长期维护的便利性。 作者：Sergio De Simone
Cloudflare最近推出了Meerkat这一基于QuePaxa共识算法的内部服务。与Raft不同，Meerkat允许在无需领导节点的情况下进行数据写入操作，同时仍能保证数据的一致性，从而提升Cloudflare全球网络的可用性。 作者：Renato Losio
AWS Builder Center现在为各类研讨会提供了免费且限时使用的沙箱环境，因此开发者不再需要使用自己的AWS账户和信用卡，也不必担心会出现意外费用。这一功能一直是社区用户长期以来的诉求之一，它有效解决了那些正在学习新AWS技术的从业者们所面临的最大障碍之一。 作者：Renato Losio
大多数营销着陆页都会遇到同样的问题：你面对的只是一块空白屏幕，而你需要重新创建那些已经制作过无数次的页面元素。 标题栏、功能展示区、用户评价、价格信息、常见问题解答以及页脚这些内容都是常见的构建模块，但开发人员往往会在每个新项目中花费数小时来重新设计这些部分。 通过本指南，你将学习如何使用Next.js、shadcn/ui、Tailwind CSS以及可复用的shadcn组件来构建现代化的营销着陆页。你无需从零开始创建每一个页面元素，而是可以直接组装出一个可用于实际项目的完整页面，然后根据自己的品牌需求进行定制，从而获得一个适用于各种实际开发场景的基础框架。 目录 先决条件 我们要构建什么？
你向ChatGPT提出一个问题，它会给出回答；你再提另一个问题，它又会再次作出回应。这种来回互动的方式，一直是大多数人体验人工智能时的标准模式：一种聪明且反应迅速的助手，在被说话时就会做出响应。 但如今，一些重大的变化正在发生。人工智能不再仅仅是被动地作出回应，它还能自主地进行规划、决策并采取行动。这种新型的人工智能被称为 能动型人工智能 ，而它也正迅速成为当今科技领域最重要的发展趋势之一。 在这篇文章中，我们将详细解释什么是能动型人工智能、它是如何运作的、目前它在哪些领域被应用，以及它会带来哪些风险。 我们将会探讨的内容 “能动型”到底意味着什么？ 聊天机器人与能动型人工智能的工作原理有何不
JDK 24去掉了那些在Java 21版本中导致Netflix等团队遇到开发瓶颈的、与监视器相关的机制。而在JDK 25 LTS版本中，这种问题被“下游资源饱和”这一新的瓶颈所取代：开发瓶颈的位置发生了变化，现在应用程序代码中必须明确设置相应的限制条件。本文分析了在采用虚拟线程技术后可能出现的各种故障情况，并提供了一套基于公开测试基准的实际解决方案。 作者：Sandeep Bharadwaj
霍莉·卡明斯探讨了为何在科技领域“没有什么是全新的”。她将历史上那些与技术架构相关的权衡关系，与现代的云计算、微服务以及人工智能领域的热潮联系起来进行分析。她还把财务债务（零利率政策实施后的现象）、技术债务与认知负担及睡眠不足等问题联系起来，帮助工程领域的领导者们理解如何应对各种假设的变化，如何践行可持续发展的理念，以及如何重新运用那些已被证明有效的工程技术方法。 作者：霍莉·卡明斯
Dropbox将其内部的知识平台Dash与Model Context Protocol（MCP）相结合，从而在人工智能辅助的代码审查过程中揭示相关的安全设计信息。该系统能够为拉取请求检索相应的威胁模型及安全要求，帮助审核人员验证代码实现是否符合设计初衷。InfoQ的一篇问答栏目进一步探讨了这一技术的架构及其实施过程中获得的关键经验。 作者：Leela Kumili
HashiCorp推出了tfpolicy，这是一个基于HCL的新政策即代码框架，专为Terraform设计。目前该框架已在HCP Terraform中进入公开测试阶段。它的作用在于通过将政策的制定与执行直接集成到Terraform的工作流程中，来简化基础设施管理的流程并使其更加现代化，从而无需再使用额外的工具或语言。 作者：Sergio De Simone
我们正在迅速超越那些基于单一提示的大型语言模型，步入自主智能体的时代。 为了帮助您掌握这一全新的技术范式，我们在freeCodeCamp.org的YouTube频道上发布了一门内容丰富、系统全面的课程，该课程将全面讲解有关自主智能体的所有知识。 这门课程旨在从基础概念入手，引导您逐步学习如何使用LangChain和LangGraph构建可用于实际生产环境的端到端智能体工作流程。 以下是您可以从这门课程中获得的几项关键收获： 标准大型语言模型与自主智能体在架构上的区别。 如何利用LangChain构建单智能体系统及多智能体系统。 LangGraph的核心组成部分，以及它为何对于那些需要处理状态变
现在，AWS Lambda可以直接引用客户自己拥有的S3存储桶中的部署包，这样就不再受地区限制，代码存储的配额也不再存在地域差异；同时，默认的存储空间也从75GB增加到了300GB。每个函数的代码包使用量限制仍然保持不变，在更换代码文件后，仍然需要执行“UpdateFunctionCode”操作。至于对Terraform提供者的支持，这仍然是一个有待改进的功能。 作者：Steef-Jan Wiggers
人工智能是一种能够放大效果的工具；将战略重点放在组织架构上，才能获得最大的收益。DORA在2025年针对软件开发中的人工智能技术进行的研究，提供了有关团队构成及成功要素的详细信息，这些信息可以用来将相关研究成果付诸实践。 作者：本·林德斯
穆拉特·德米尔巴斯探讨了由于云计算经济因素的影响，云数据库架构正在向分散式结构发展的趋势。他解释了如何通过将计算资源与存储资源分离来实现弹性扩展、降低成本以及提高系统的容错能力。他还分析了传统的Paxos协议在推动这种分布式架构发展过程中所起的作用，并讨论了网络优化、共享内存技术的发展以及自组装数据库设计的相关概念。 作者：穆拉特·德米尔巴斯
如果你问十位初级开发人员OAuth 2.0的原理，其中九个人会开始列举诸如“授权服务器”、“承载令牌”、“PKCE”和“隐式授权”之类的术语。他们还可能会画出一张包含六条来回箭头的序列图。 但当你问他们为什么会有某个特定的HTTP请求存在，或者如果去掉这个请求会发生什么问题时，他们往往无法给出合理的解释。 在我看来，这是因为人们通常是以逆向的方式来学习OAuth的。大多数教程都是先介绍定义和序列图，然后再解释为什么该协议会被设计成这样的结构。 在本书中，我们将改变这种教学方式。我们会从实际工程问题出发，逐步构建OAuth 2.0的概念体系，从而自然地理解这一协议的运作原理。当我们开始使用Spr
“反重力智能体技能”是一种非常有效的方法，可以帮助你一次性为人工智能智能体设定工作流程，并让它在各种场景中都能被重复使用。你只需编写一个简短的`SKILL.md`文件，将其放入相应的文件夹中，智能体在需要使用时就会自动加载这些配置。 然而，这类技能存在一个隐藏的局限性：它们是静态的。如果你下载了别人编写的技能代码，但希望它的行为有所改变，你就必须手动复制整个代码并进行修改。而且，最近你也应该注意到了，市面上有很多经过分叉修改的“技能版本”，这些版本往往很难进行维护。 在本次教程中，我将向你展示一种解决方法。这种方法可以让任何智能体技能读取特定项目中的配置文件，因此你完全可以使用现有的技能，只需
大型语言模型从根本上改变了我们构建现代软件的方式。 但是，如果对于每个用户请求都依赖同一个人工智能模型，就会带来严重的生产风险。API可能会出现故障；对于一些简单的任务来说，使用专有模型可能会耗费高昂的成本；而那些价格较低的开源模型则可能在处理复杂的逻辑推理时遇到困难。 当我所在的团队为我们的客户支持平台开发一个企业级的人工智能引擎时，我们选择对所有场景都使用同一个顶级模型。 然而仅仅一个月后，我们就遇到了两个严重的问题：一次大规模的API故障导致我们的应用程序完全无法正常运行；同时，由于我们使用了价格较高的模型来回答一些简单的常见问题，我们的每月API使用费用也大幅增加了。 为了解决这些问题
对于那些负责管理多模型路由系统的数据科学专家和产品经理来说，使用传统的回归分析方法来评估模型质量其实存在根本性的缺陷。无论你是否意识到这一点，你实际上都在进行因果推断实验；而你的路由规则正在潜移默化地影响你对系统性能的评估结果。 以这样一个路由系统为例：它会根据查询的置信度阈值，将请求要么转发给高级模型，要么转发给速度更快、成本更低的替代模型。如果查询的置信度低于某个阈值，就会选择高级模型进行处理；而高于该阈值的查询，则会使用低成本模型。如果你分析相关日志，并对路由决策结果进行回归分析，可能会发现使用高级模型处理请求确实能让系统性能提升14个百分点。基于这一数据，你的基础设施团队或许会提议将所
Kubernetes自带了一些控制器，用于管理一组内置资源，例如部署对象、服务、节点等等。 而“操作符”则将这种机制扩展到那些Kubernetes本身不识别的资源类型，使你能够以与管理系统中其他资源相同的方式来管理这些自定义的、通常是外部系统。 本指南分为四个部分：首先介绍什么是操作符，然后讲解操作符的内部结构，接着指导如何从零开始构建一个操作符，最后说明如何将其准备好投入生产环境使用。 目录 第1部分：简介 什么是操作符？ 操作符、控制器与CRD的区别 为什么不直接使用Helm Chart、CronJob或脚本呢？ 第2部分：操作符的内部结构 自定义资源 监控变化 管理器 协调循环 第3部分
微软发布了.NET 11预览版6，其中对.NET MAUI在架构设计及可靠性方面进行了多项改进。此次更新为Windows平台带来了新一代的CollectionView实现机制，同时将Android Shell的开发模式调整为处理器模型驱动的方式，提升了Native AOT技术的兼容性，还增加了对那些被中断的媒体选择操作的恢复支持功能。 作者：Edin Kapić
本文提出了一种深入防御的方法，用于保障模型上下文协议（MCP）在生产环境中的安全运行。文章阐述了四个层面的架构控制措施：安全执行机制、管理基础设施、出站数据的安全性控制以及语义完整性的维护，并指出，要确保生产环境的安全，必须在最早的可信任控制点就开始实施这些防护措施，而不仅仅是在网关层面进行防护。 作者：Nik Kale
丹尼尔·杜布罗夫金解释了为什么传统的LeetCode白板面试无法有效评估高级工程人才的能力。他分享了自己尽管拥有数十年的领导经验，但在基本算法测试中仍然表现不佳的经历，并提供了切实可行的方法来改进面试流程。通过这些方法，我们可以更准确地评估候选人在判断能力、系统设计能力以及实际的人工智能应用能力方面的表现，从而获得更可靠的招聘依据。 作者：丹尼尔·杜布罗夫金
Cloudflare推出了其内部DNS服务，该服务为私有网络提供权威DNS解析及递归DNS查询功能。通过将私有网络与公共网络的DNS管理整合到同一个平台上，这一服务大大简化了DNS管理的流程。 作者：Gianmarco Nalin
微软发布了用于在Azure Kubernetes Service中路由代理流量的参考架构。该架构将相关问题归纳为三个关键方面：哪种模型会被用来接听电话、电话是如何被管理的，以及由哪块GPU来处理这些通话请求。 作者：Claudio Masolo
要追踪洪水风险，需要一样虽然不起眼但却至关重要的东西：干净且结构清晰的数据。 在本教程中，你将亲手构建一个数据处理流程。你会创建一个Python ETL（提取、转换、加载）流程，该流程会从法国官方开放的水文数据API Hub'Eau 中获取每日的水位数据。然后，你需要对这些数据进行清洗，并将其发布为公共数据集，就像 实时版本 所做的那样。 本教程基于一个实际存在的流程系统——该系统每周会按计划自动运行一次，从而确保 巴黎洪水数据集 能够得到及时更新。 不过，你并不会只是简单地复制和粘贴代码。真正的目标是理解这个流程为何能以这样的方式运作。你会了解到，那些让一个脚本能够仅运行一次，却能让另一个脚
在这本书中，你将从零开始构建一个金融科技交易账本，并逐步将其发展成一个可用于生产环境的DevSecOps平台。你还需要将其部署在AWS上。 该应用程序能够处理贷方和借方交易，触发合规性警报，并将所有数据存储在数据库中。你需要自行搭建相关的基础设施：包括自动化系统、扫描工具、政策执行机制、秘密管理机制、威胁检测系统以及监控系统。 完成整个开发过程后，你在面试中就可以详细解释每一个决策的来龙去脉，因为这些决策都是你亲自做出的。 这份指南并不会直接提供现成的解决方案。它会让你先自己探索和理解每个问题，然后再介绍相应的解决工具。 所有的代码、配置文件、脚本以及分步操作说明都存储在配套的仓库中。在开始之
如果你曾经花费两天时间从APM工具中提取数据，只是为了回答“在我的负载测试中应该使用多少个虚拟用户？”这个问题，那么这个教程非常适合你。 通过学习这个教程，你将了解到如何在不到五分钟的时间内，直接从生产环境中的实时数据中计算出工作负载模型中所需的各个数值，而无需进行任何估算。 我们的应用场景： 每年，在黑色星期五之前的几周，性能工程师和运维人员都会面临同样的问题：有人需要为高峰期的负载测试建立工作负载模型，而且时间非常紧迫。 通常的做法是登录APM工具，导出CSV文件，在电子表格中对数据进行处理，然后根据这些数据对用户行为进行推测。这个过程需要花费数天的时间，还需要多个人参与，但最终得到的结果
在React中构建可用于生产环境的表单，往往会带来诸多麻烦。这是前端开发中让大多数开发者感到不适的部分之一。 通常，你会先使用`useState`钩子来创建一个简单的受控表单。但当表单的结构变得越来越复杂时，你会发现，在输入框中输入一个字符就会导致整个组件树重新渲染。这样一来，应用程序的性能会大幅下降，用户体验也会变得非常糟糕。 你或许还会尝试通过改用`useRef`钩子来创建非受控表单，以此缓解这种重新渲染的问题。然而，这样做会带来严重的可扩展性隐患。随着表单规模的扩大，维护代码就会变成一场噩梦。 虽然快速编写代码可能能让你得到一个可以运行的演示版本，但真正的工程实践才是为了让应用程序能够成
以下是互联网管理机构发布的一份官方文件中的内容： “那些无法通过阅读文本区分讽刺内容与真实文档的读者，或许适合从事市场营销工作。” 这条内容实际上出现在RFC编辑员的《给RFC作者的说明》中，而这正是制定互联网标准的实际规则手册[1]。 这就引出了一个值得思考的问题：为什么负责制定IP、TCP和HTTP等标准的机构，需要以书面形式提醒人们，自己发布的一些文档其实只是笑话呢？ 因为近五十年来，他们一直都是故意这样做的。 如果你们关注过我的文章，就会知道我非常喜欢计算机网络，尤其是那些我们所有人都在依赖的协议细节。当我第一次了解到这一传统时，真的感到十分惊讶，从那以后，这个话题就成为了我最喜欢讨论
增材制造已然成为工业4.0以及现代工业生产的核心技术。无论是减轻航空航天涡轮零件的重量，还是打印定制的钛合金医疗植入物，又或是优化数字化供应链，现代3D打印技术在工程领域和产品设计中都已变得不可或缺。 我们刚刚在 freeCodeCamp.org 的YouTube频道上发布了一门课程，该课程将帮助您了解基础的桌面3D打印技术以及工业级别的增材制造工艺。 这门课程涵盖了增材制造的整个生命周期，从基础概念讲到企业级应用流程，具体内容包括： 工业4.0与智能制造：探讨信息物理系统、物联网以及云计算如何与3D打印技术相结合，从而打造智能工厂。 核心打印技术：深入讲解ASTM标准分类的各种打印方法，包括
对许多开发者来说，人工智能的工作流程大致是这样的：编写一个提示语，获取模型给出的回复，提取其中有用的信息，然后继续下一步工作。这种工作流程涵盖了范围相当广泛的任务，从总结文档内容到起草电子邮件，再到解释代码逻辑。然而，当某项任务需要多个步骤、外部数据的支持，或者决策结果取决于模型刚刚返回的信息时，这种工作流程就会遇到问题。这时，开发者不得不手动重新编写提示语，手工调整输出结果，去做那些本应由系统来完成的工作。在这种情况下，单一的提示语就不再是一种有效的工具了，而设计一个能够多次向模型发送请求的系统，才成为了真正需要完成的任务。有两种术语可以用来描述这两种不同的工作模式： ** “提示语工程”是
Uber的“零增长架构”侧重于可扩展的基础设施建设，这种架构将容量扩张与业务需求分离开来，从而减少对硬件的依赖，同时提升服务的扩展能力。其中，垃圾回收机制的优化是这一架构的核心所在。此外，生成式人工智能也被应用于开发过程中，这不仅提高了开发人员的效率，同时还引入了成本管理措施，以确保企业的经济效益。 作者：Olimpiu Pop
AWS发布了GuardDuty调查工具的公开预览版。该工具能够将调查结果、90天内的活动记录以及资源拓扑结构整合成结构化报告，这些报告中会包含风险等级、置信度评分以及MITRE ATT&CK分类信息。用户可以通过AWS MCP服务器使用这一工具进行调查，因此调查工作可以直接通过代理工具来执行。目前，每个账户每天最多只能使用10次这个预览版工具来进行调查。 作者：Steef-Jan Wiggers
在一个没有专门分配迁移预算的情况下，一个负责薪资管理和人力资源管理的软件团队在五年的时间里，将原本由三个独立模块组成的系统拆分成了120多个较小的服务。每一个新功能都是作为独立的服务来开发的，而不是对原有的系统进行修改。这篇文章介绍了这种基于“拉取式开发”模式的迁移方法、实现这一目标所使用的工具、成本控制措施，以及团队在实施过程中遇到的各种问题。 作者：Prashanth Pasham
Remix 3是一个全栈Web框架，它摒弃了React，转而专注于Web平台的基本组件与机制。该框架将路由处理、请求处理逻辑以及UI组件整合到一个统一的架构中，前端开发则使用了基于Preact的分支版本。与之前的版本不同，Remix 3强调服务器在请求生命周期管理中的核心作用。从Remix 2迁移到Remix 3并非易事，因为这需要对现有的应用程序进行相应的修改。 作者：Daniel Curtis
本·格林探讨了在人工智能代码自动化快速发展的时代，软件工程师如何适应这一变化并取得成功。他结合自己创业的经验，解释了一些关键的理念，比如从简单的事情做起、保持对代码的理解能力、优先解决复杂的问题，以及关注这些解决方案对客户的实际影响。他还指出，在代码被自动化的情况下，人类的同理心、自主性以及实际问题解决能力依然是不可替代的。 作者：本·格林
Grafana Labs增强了Grafana Assistant的功能，使其这个基于人工智能的监控辅助工具能够通过自然语言从30多种不同的数据源中查询并分析相关数据。 作者：Craig Risi
当新的依赖版本发布时，Dependabot现在不会立即建议用户提交拉取请求，而是会等待三天后再发出提示。这种设置提高了在恶意版本被集成到系统中之前发现并将其移除的可能性。 作者：Sergio De Simone
TanStack Table V9是一个针对各种JavaScript框架开发的无头UI库的测试版。该版本在状态管理、内存使用效率以及扩展性方面都得到了优化。最显著的变化是采用了可选组件机制，这使得开发者可以仅加载所需的组件。对于旧版本的兼容性，也提供了相应的迁移工具。这个库仍然保持免费且以开发者为中心的设计理念。 作者：Daniel Curtis
Netflix介绍了将大语言模型推理技术集成到其内部服务平台中所面临的各种挑战，这些挑战包括如何支持不同规模的模型、满足不同的硬件要求，以及应对不断发展的推理技术。 作者：Matt Foster
传统的API网关假定相关服务具有确定性，且数据结构十分简单——然而，智能代理技术的出现打破了这些假设。了解为什么企业工程领域的领导者们正在将AI网关作为实现进化式架构变革的关键工具吧！通过将安全控制机制、路由规则、代理身份识别、操作策略以及语义审计功能整合到同一个控制平台中，企业能够有效预防各种昂贵的故障事件，同时确保核心系统的稳定性。 作者：Joe Price、Branimir Đurek、Pavlos Migkiros、Trevor Dearham
埃琳娜·范·恩亨格尔探讨了如何在不牺牲原生云服务功能的前提下，避免陷入无服务器架构所带来的供应商锁定问题。她详细介绍了如何利用“清晰架构”、Spring Cloud Function以及Gradle模块来构建FaaS应用程序，从而实现业务逻辑的解耦。最后，她还通过现场演示展示了如何使用Terraform CDK在AWS和Azure等多云环境中部署Kotlin服务。 作者：埃琳娜·范·恩亨格尔
约翰内斯·希克林探讨了自己是如何摆脱传统的三层Web架构，转而采用以本地处理为主的设计方式的。他分享了自己从使用Prisma转向开发Overtone这一音乐推荐应用程序的经历——Overtone这款应用就是利用客户端事件驱动模型和SQLite数据库来实现的。这次讨论重点分析了事件驱动模型与CRDTs技术之间的权衡关系。 作者：约翰内斯·希克林
本周发布的2026年7月20日Java新闻汇总主要包括以下内容：两项针对JDK 28提出的JEP提案；新的JEP 540和JEP 541，分别涉及“简单JSON API”功能以及淘汰macOS/x64平台版本的相关计划；2026年7月的关键补丁更新；Embable 1.0版本的正式发布；Azul Payara 7.2.0及Helidon 4.5.1的最新进展。 作者：Michael Redlich
微软发布了.NET 11预览版6，其中C#、ASP.NET Core、.NET MAUI以及Entity Framework Core都得到了更新。C#新增了扩展索引器以及内置的联合类型支持；ASP.NET Core默认提供了异步验证功能、自动CSRF防护机制，并兼容OpenAPI 3.2标准；.NET MAUI将CollectionView功能扩展到了Windows平台；而Entity Framework Core则增加了FULL OUTER JOIN操作的支援。 作者：Almir Vuk
Amazon EKS最近新增了对Kubernetes版本回滚的支持，这一功能使得用户在升级后如果遇到问题，可以在7天内将集群的控制平面恢复到之前的Kubernetes版本。这一特性为团队提供了保障，使他们能够在遇到问题时迅速恢复系统，从而有效降低直接进行集群升级所带来的风险。 作者：Renato Losio
JFrog Security Research发现了一种存在于FFmpeg媒体框架中的漏洞，名为“PixelSmash”。这种漏洞允许攻击者远程执行代码或发起拒绝服务攻击。该漏洞已经存在了16年，许多使用MagicYUV解码器的应用程序都受到其影响。要利用这一漏洞，攻击者只需制作一个特殊的媒体文件即可。建议用户检查自己的系统是否存在这一漏洞，如有必要，请及时应用补丁或禁用相关解码器。 作者：Olimpiu Pop
github.com/ziaongit/nodejs-gemini-agent 。 目录 功能调用机制的工作原理 我们正在构建什么 先决条件 项目设置 工具的定义 工具功能的实现 构建智能代理的循环机制 命令行入口点的设置 添加Express HTTP服务器 智能代理的测试 故障排除 接下来要构建什么 功能调用机制的工作原理 这里有一个让人感到惊讶的地方：Gemini并不会直接运行你的代码。它只会返回一个结构化对象，其中包含诸如“调用 get_weather 函数、将 city 设置为柏林”这样的指令。你的代码会接收到这些指令，然后执行相应的功能并将结果反馈回去。Gemini会检查这些结果是否
大多数开发者在开始自动化工作的过程中都会采取类似的方法。他们会编写一些脚本来完成某些有用的任务，比如从API中获取数据、调整一批图片的大小，或者发送报告邮件，然后将这些脚本安排在每天早上自动运行。 这样做之后，他们会在自己的crontab文件中添加相应的指令，这样就能感受到自己对自动化流程的控制力了。现在，在他们睡觉的时候，电脑会自动执行这些脚本。 有一段时间里，这样的安排确实足够用了。但后来就不再适用了。 也许某个备份脚本在凌晨3点悄悄地失败了，而你直到当天晚些时候需要使用该脚本时才发现了这个问题；又或者你编写了一个在终端环境中运行得非常顺利的脚本，但却发现在用crontab安排它执行时却会
在这个教程中，我将向您展示提示工程和上下文工程如何提升人工智能模型的性能。 我们将构建一个简单的本地模型，从基础输入开始，然后通过使用更合适的提示语和更丰富的上下文信息来改进它，这样您就能看到每一项改变对最终输出结果的影响。 我们将会使用LangChain v1、Ollama、Qwen以及Python。所有操作都在您的个人电脑上完成，因此您无需支付任何API费用。 目录 背景知识 什么是提示工程？ 什么是上下文工程？ 为什么提示工程和上下文工程对人工智能模型如此重要 动机与架构 步骤1：安装Ollama并下载模型 步骤2：安装Python相关依赖库 步骤3：编写代理代码 示例输出结果 提示语优
许多PDF文件包含不应公开分享的信息。在将文件发送给他人之前，个人资料、财务数据、签名、地址、账号信息、员工资料或机密商业数据通常都需要被隐藏起来。 一款PDF模糊处理工具可以让这一过程变得简单。它并不会永久删除这些内容，而是会在PDF文件的指定区域添加模糊效果，这样一来，敏感信息就会变得难以阅读，而文件的其他部分则保持原样。 在这个教程中，你将使用JavaScript制作一个基于浏览器的PDF模糊处理工具。用户可以上传PDF文件，预览每一页，在敏感内容上标出需要模糊处理的区域，调整模糊程度，对选定的页面应用模糊效果，预览最终结果，然后下载处理后的PDF文件——整个过程都不需要将文件上传到服务
每个开发者最终都会遇到同样的令人沮丧的问题。 有客户报告称，你的应用程序在生产环境中出现了故障。你在开发机器上使用完全相同的工作流程进行测试，但一切运行得都非常正常。你的团队成员也无法重现这个问题。自动化测试也通过了，代码中也没有任何明显的变动能够解释这种故障现象。 然而，客户们仍然在遇到这个bug。 这类问题是最难解决的，因为问题的根源往往并不在于代码本身，而在于代码运行的环境。配置差异、基础设施问题、流量模式的变化、操作系统不同、依赖关系的差异，或者生产环境中的数据差异，都可能导致那些在开发阶段根本不会出现的问题。 事实是：这些困难大多是我们自己造成的。你管理的每一台服务器、你搭建的每一个
如果你曾经尝试过构建一个能够真正感知周围环境、对其进行追踪并作出相应反应的机器人系统，你就会知道：真正的难点并不在于训练检测模型，而在于如何让这个模型在真实的机器人软件系统中实时稳定地运行——尤其是在遇到硬件限制或时间调度问题时，也能保证系统的正常运作。 在这个教程中，你将使用ROS 2和YOLOv11构建一个完整的实时物体检测与追踪系统。你会学习如何将模拟器中的摄像头数据发送到ROS 2系统中，在单独的线程中运行YOLO推理算法，利用ByteTrack技术实现跨帧的多物体追踪功能，以及如何将训练好的模型导出为ONNX格式，以便在性能有限的硬件上更快地执行推理任务。 通过学习这个教程，你不仅会
Zalando的工程团队最近介绍了他们为那种每秒需要处理约100万次请求的高吞吐量API所开发的、运行在客户端进程中的负载均衡系统的设计与实现方案。这一方案的实施使得延迟时间更加容易预测，基础设施的成本也有所降低，同时人们也能更清楚地了解故障实际上是从哪里发生的。 作者：Renato Losio
工程师们越来越多地认为，只要提供准备充分的背景信息，现代的大语言模型就已经能够通过根本原因分析来进行推理了，这样一来，原本复杂的难题就被转化成了那些负责处理相关遥测数据的系统流程。一项针对十一种不同模型的实验为这一观点提供了初步的证据。 作者：马克·西尔维斯特
想象一下，你的团队在两周前将A提示在全球范围内推广使用。由于时间紧迫且对效果充满信心，因此在没有进行任何A/B测试、也没有设置测试对照组或保留用户群的情况下，这一更新就应用到了100%的用户身上。 虽然各项完成率看起来都很稳定，但深夜时一位同事从测试环境中提交了一个新的提示方案，这就引发了一个重要的问题：这个替代方案是否才是更合适的上线选择呢？ 现在你陷入了这些已记录的数据所构成的困境之中。这个问题看似无解，但实际上并非如此。产品团队会通过前瞻性实验来观察如果推出某个功能会发生什么结果；而反事实估算则能帮助我们了解：如果选择了其他方案，最终会得到什么样的结果。 对于那些负责处理大语言模型产品日
你曾经构建并使用过API。你知道什么是GET请求，JSON响应的具体格式，也知道如何添加Authorization头部信息。你使用过REST，可能还尝试过GraphQL，或许也听说过gRPC。 但你是否真正了解：当你的应用程序发送请求时，实际上会发生什么？哪些数据会通过网络传输？为什么HTTP/2能提高传输效率？既然HTTP已经足够使用了，为什么还需要WebSockets？从根本层面来说，Protocol Buffers与JSON有什么不同？ 而在设计系统时，你该如何决定该采用哪种通信方式呢？ 这本手册正是为解答这些问题而编写的。 这并不是一本针对API初学者的指南。它深入探讨了客户端与服务器
如果你曾经很喜欢使用Express.js来快速构建后端服务器，但又希望不必去猜测数据类型或调试那些繁琐的运行时错误，那么我们刚刚为你准备了一篇非常实用的教程。 我们的新视频课程《在Express中使用TypeScript》已经登陆freeCodeCamp.org的YouTube频道啦！ 在这门实践性很强的教程中，讲师Rachel会一步步指导你如何将Express与TypeScript结合使用，让你同时享受到两者的优势：Express带来的快速开发效率，以及TypeScript所提供的类型安全性、可扩展性和稳定性。 在整个课程中，你将从零开始构建一个完全符合类型规范、可用于生产环境的爱宠收容所A
当开发人员从关系型数据库世界（如MySQL、PostgreSQL）转向Firebase这种NoSQL文档数据库时，他们往往会沿用原有的习惯，试图在新的系统中复制表结构、外键以及关联操作。 其结果是什么呢？复杂的查询语句、飞涨的读取成本，以及那种在添加少量功能后就变得难以维护的数据库结构。 要理解Firestore的工作原理，我们首先需要对比它所基于的关系型模型。只有弄清楚SQL是如何处理数据的，才能清楚地看到Firestore与它的区别所在，从而了解如何正确地构建NoSQL数据结构。 在本指南中，我们将介绍NoSQL的设计原则、数据嵌入与引用机制，以及各种类型的关系建模方法（1-1、1-N、N
两年前，人工智能编码工具还只是个新鲜事物。各广告机构会允许初级开发人员在内部项目或副业中试用这些工具，因为在这种工作中，即使代码存在缺陷，也不会造成什么严重后果。 对于客户委托的项目，代码仍然都是手写的。没有人会把自动完成功能作为完成截止日期的保障。 但那个时代已经结束了。如今，这些工具已经成为软件开发过程中的核心工具。那些过去需要六个月才能完成MVP开发的团队，现在只需六周就能完成任务，而客户们也开始质疑：为什么还会有人要求更长的开发时间呢？ 这些工具发展得非常迅速，围绕它们的工作流程也发生了巨大的变化：出现了新的代码审核机制、新的定价模式，而且高级工程师们的工作重点也从编写代码转变为评估机
Jotai v2.20.0已经发布，其主要目标是提升在高吞吐量场景下的性能。此次更新主要包括对内部架构的调整，以及解决之前存在的性能问题。虽然日常使用的API接口并未发生变化，但库开发者需要注意一些已被弃用的功能，因为Jotai v3的开发工作已经开始启动。 作者：Daniel Curtis
这篇文章介绍了一项实验：在这项实验中，代码辅助工具需要根据LangChain4j的文档来设计一个智能系统。该辅助工具创建了一个能够自主编写、测试和调试代码的编程框架。实验结果表明，在调试过程中，两种架构模式——监督式架构和工作流架构——在灵活性与执行速度之间带来了不同的权衡结果。 作者：Kevin Dubois, Mario Fusco
在经过招标流程后，空中客车选择了Scaleway作为其主权云服务提供商。在评选标准中，技术能力与对非欧洲地区治外法权规定的抵御能力都被视为重要考量因素。空中客车表示，这一选择旨在实现多云环境的互补性，并非意味着要放弃使用AWS。业内人士指出，这种趋势正在从大型云计算企业扩展到美国的小型SaaS供应商；同时，任何关于“主权云”的宣称仍然需要具备可验证的管控机制作为支撑。 作者：Steef-Jan Wiggers
约尔格·沙德详细解释了如何应对复杂的“数据管理问题”，从而构建出可扩展且安全的AI架构。他还介绍了自主数据产品是如何作为数据的“容器”来使用的——这些产品能够封装数据处理流程、数据结构以及元数据。通过使用MCP这样的协议，逐步发现并优化相关工具，可以有效避免数据关联关系的混乱，确保各项治理政策得到执行，并实现可靠的多模态数据访问功能。 作者：约尔格·沙德
当工程师们受够了企业律师们的过分干涉时，会发生什么呢？有时候，他们会想出一些内部笑话，而这些笑话会悄悄地被植入数百万台设备中，并且持续存在三十多年之久。 20世纪80年代末，在一场价值数百万美元的商标纠纷中，苹果公司的法律团队开始仔细检查每一项技术资产、每一行代码以及每一个音频文件，试图找出其中可能隐藏的音乐元素。在无休止的官僚主义干扰下，一位工程师决定采取一种巧妙而带有消极抵抗性质的反抗方式。 通过一些巧妙的文书操作，这个充满讽刺意味的内部笑话成功绕过了法律审查，最终成为了操作系统的一部分。三十多年过去了，这一隐秘的反抗行为仍然存在于现代科技发展的诸多角落——甚至包括苹果公司自己发布的法律声
Anthropic正在扩展其官方认证体系，现在，那些拥有高级技能的从业者可以通过参加“Claude认证架构师——基础课程”考试（ CCA-f ）来验证自己的专业能力。 不过，阅读官方考试指南可能会让人感到有些困难，因为Anthropic提供的标准文档往往侧重于概念性内容。为了解决这个问题，我们刚刚在freeCodeCamp.org的YouTube频道上发布了一门内容全面、注重实践操作的备考课程，该课程由拥有20年开发经验的Andrew Brown主讲。 这门课程非常重视实际操作环节，而不仅仅是理论讲解。其主要涵盖以下领域： 智能体架构与协调机制： 构建可靠的智能体工作流程，并管理完整的智能体运
现代软件工程正在发展成为一个由人工智能积极参与规划、编码和部署的生态系统。为了帮助弥合初始概念与最终上市产品之间的差距，我们刚刚在 freeCodeCamp.org 的YouTube频道上发布了一门由开发者兼课程创建者Ania Kubow制作的课程。 该教程以TRAE IDE为核心内容，这是一种专为人工智能设计的开发环境，具备双操作模式。在IDE模式下，它像一个标准的编辑器一样使用，同时提供智能代码补全和重构辅助功能；而在单独模式下，开发者可以用简单的英语描述开发目标，然后将整个实现过程委托给系统来处理，同时还能监督最终结果。 通过将一个简单的句子转化为一份完整的产品需求文档和结构化的任务列表
Meta的React库将其Rust版本的React编译器集成到了主代码仓库中，这一举措旨在提升构建速度，并增强与基于Rust的JavaScript工具链的兼容性。这个经过优化后的版本能够自动缓存组件，因此其性能得到了显著提升，编译速度最快可提高50%。为了方便用户进行升级，公共API保持不变。 作者：Daniel Curtis
在成熟的安全运营体系中，瓶颈通常并不在于分析师的分工与任务分配，而在于检测引擎团队能否及时调整规则库，以适应那些变化速度远快于规则制定速度的威胁环境。了解多智能体系统是如何将威胁检测与响应的时间缩短40%，同时将所需的人工工作量减少12倍的。 作者：Willem Berroubache
Ink & Switch发布了bijou64这种变长整数编码方案，该方案使得每个数字都只能用一个字节来表示，从而彻底解决了那些针对PKCS#1、JWT库以及比特币的攻击中所存在的“规范性问题”。此外，这种编码方案的解码速度也比LEB128快两到十倍。随后，开发者们还为Elixir、Go、Perl和Java等语言实现了该编码方案的实现版本，而一些技术论坛上的评论者们则围绕SIMD指令的性能以及剩余数值范围的检测机制展开了讨论。 作者：Steef-Jan Wiggers
2026年QCon AI New York活动已于12月15日至16日在新泽西市威斯汀酒店举行，目前注册工作已经开始。本次会议设置了六个关于生产领域人工智能的讨论主题，这些议题由Eder Ignatowicz主持，Faye Zhang和Wes Reisz也将参与讨论。首批会议安排在8月份公布，完整的活动日程则会在11月之前确定。 作者：Artenisa Chatziou
Jeremy Edberg与Qian Li探讨了为什么外部协调工具会降低系统的可靠性，以及如何利用现有的数据库来实现可靠的数据处理流程。他们介绍了DBOS Transact是如何利用标准表格、SKIP LOCKED队列以及唯一的主键来管理那些复杂且具备容错能力的人工智能工作流程的——这些机制能够在将延迟降到最低的同时，完全避免额外分布式系统所带来的运营开销。 作者：Jeremy Edberg, Qian Li
当一个新的平台团队试图通过缺乏文档支持的、强制性的工作流程来实施他们的规划时，开发人员的体验会明显下降。成功的经验在于简化管理流程、优先处理真正重要的事情，并通过预防、检测和沟通等手段逐步推进各项合规要求的落实。同理心、专注精神以及共同的目标是推动这些措施获得成功实施的关键因素。 作者：本·林德斯
Expedia集团推出了STAR这一内部开发的、由人工智能辅助构建的观测平台。该平台能够帮助工程师利用服务遥测数据以及大语言模型来调查各类生产故障。STAR基于FastAPI、Datadog、Celery、Redis和Langfuse等技术构建而成，它遵循结构化的工作流程来分析遥测数据、生成根本原因分析报告，并为事故应对工作提供支持，同时确保工程师能够及时获取相关进展信息。 作者：Leela Kumili
GitLost是一种由Noma Security发现的提示注入漏洞利用技术，它通过欺骗GitHub的新版智能工作流程，导致私人数据被泄露。攻击者通过在公开的GitHub问题中嵌入隐蔽指令，从而绕过安全防护机制，迫使这些智能系统在公共评论中暴露机密信息。 作者：Sergio De Simone
大多数关于提示工程的教学教程都遵循相同的流程：安装SDK，输入API密钥，调用 generateContent 函数，然后打印输出结果。模型会生成一些看似合理的内容，之后教学教程也就结束了。 但当你真正尝试将这个系统投入实际使用时，才会发现其实真正的准备工作根本还没有开始。 “API返回的文本”与“让用户感到可信的实际功能”之间的差距，正是需要耗费大量精力去解决的地方。 这个差距中充满了各种棘手的问题：模型生成的内容听起来和其他聊天机器人没什么两样；它会编造用户从未说过的话；它返回的数据会被用Markdown格式包裹起来；系统会在凌晨2点出现故障；而对于那些只是想得到答案的用户来说，系统展示的
日期和时间选择器这类组件，在设计文件中看起来可能很简洁，但一旦开始实际开发，就会发现它们会消耗大量的资源。你需要一个日历、一个时间选择器，以及一个能够保证这两者同步的状态管理系统，通常还需要范围选择功能以及对应的多语言版本。 本指南将介绍一些现成的选择器组件，你可以直接将这些组件应用到你的React项目中：组合型日期和时间选择器、日期范围选择器以及时间选择器。 所有这些组件都可以作为 Shadcn日期和时间选择器 组件使用，你只需通过一条CLI命令即可安装它们，而无需从头开始开发。 这些组件都是基于Radix和Base UI的基础架构构建的，下面介绍的版本是使用Base UI实现的。此外，这些
大多数分割教程都是从选择一个模型开始，将图像输入该模型中，然后调整超参数直到相关指标得到改善。但这种方法忽略了通常最为关键的一步：理解数据本身。 在本教程中，我们首先会对数据集进行详细分析，随后会根据这些分析结果来决定MONAI分割流程中的每一个设计细节。 我们将涵盖以下内容： 本教程适合谁？ 关于数据集 什么是MONAI，为什么使用它？ 什么是Dice评分？ 第1部分——建模前的数据分析 类别平衡对分割结果的影响 患者数量对数据划分的影响 第2部分——构建分割流程 单一配置对象 按患者分组的数据划分方式 由快照自动选择的转换操作 模型、损失函数与评估指标 结果解读 预测结果可视化 失败模式比
在本教程中，我将向您展示如何使用LangSmith来追踪和监控本地的AI代理。我们会构建一个简单的本地AI代理，然后为其启用LangSmith追踪功能，这样我们就能通过Web界面查看模型调用情况、工具使用情况以及请求处理延迟等信息。 我们将使用LangChain v1、Ollama、Qwen以及Python这些工具。除了用于实现观测功能的组件外，所有操作都在您的本地机器上完成，因此代理本身不会产生任何与模型API相关的费用。 目录 背景知识 什么是可观测性与监控？ 什么是LangSmith？ 开发动机与架构设计 步骤1：安装Ollama并下载模型 步骤2：安装Python相关依赖库 步骤3：启
当你为他人维护文档时，比如简历、一页的作品集或可打印的菜单，瓶颈往往不在于布局设计，而在于编辑流程本身。 任何微小的修改（“把这个项目符号上移”、“删除那行内容”、“这个链接已经失效了”）都需要由你这位使用代码编辑器的人来完成，尽管提出修改要求的人自己非常清楚他们想要做什么。 我在为一位家庭成员维护简历时遇到了这个问题。那份简历被制作成了一个静态的HTML文件，设计已经完成，内容也是由当事人提供的。但每次进行修改——无论是重新排列职位顺序、添加证书信息、修复链接，还是调整打印分页设置——都意味着要再次发送修改内容给我，然后让我去编辑文件。经过第十次这样的循环后，我终于意识到：其实应该让页面能够
检索增强生成技术，通常被称为RAG，已成为利用大型语言模型构建应用程序时最常用的方法之一。 与让大型语言模型完全依据其训练数据来回答问题不同，RAG系统会从外部知识库中检索相关信息，并将这些信息作为上下文提供给模型。 其基本原理非常简单： 将用户的问题转化为嵌入向量。 在向量数据库中搜索语义上相似的文档片段。 将检索到的这些片段传递给大型语言模型。 基于这些片段生成答案。 然而，这个看似简单的过程存在一个重大缺陷：用户提出的问题与包含答案的文档在表达方式上可能存在很大差异。 例如，用户可能会提出这样的问题： 为什么我的AWS Glue作业在处理了几百万条记录后速度会显著下降？ 而知识库中相关的
任何应用程序在某些时候都需要与其他系统进行交互。移动应用会与后端服务进行通信；后端服务又会与支付网关对接；认证服务需要与用户服务进行交互；数据传输流程则要与存储系统相连。 问题不在于系统是否需要相互沟通，而在于应该如何实现这种沟通。 多年来，基于HTTP和JSON的REST架构一直是人们的首选方案。它运行稳定、使用简单，而且相关的开发工具也随处可见。然而，随着系统规模的扩大——无论是参与交互的服务数量增加、数据交换量增大，还是对实时通信的需求提高——REST架构逐渐暴露出了其局限性。 这时，远程过程调用、Protocol Buffers以及gRPC这些技术应运而生了。 通过这本手册，你将了解什
大多数关于 程序化广告 的教程都只停留在网页横幅这个层面。其实这很可惜，因为一旦你将这种概念应用到现实世界中，它会变得有趣得多。 如果你之前从未从事过广告行业的工作，也无需担心。你不需要任何广告行业的背景知识就能理解这些内容。只要你能阅读基本的Python代码，那就已经具备了所需的一切条件。 广告本身只是实现这一目标的一种手段而已。真正重要的技能是：如何将现实世界中那些杂乱无章的信息转化为软件能够处理的数据。 在这篇文章中，你将会了解什么是程序化广告，以及为什么它在网页上能够取得如此好的效果。你还会明白，为什么将这种技术应用到户外广告牌上实际上是一个数据建模的问题，并且你会通过编写简单的Pyt
在这篇文章中，你将通过亲手操作原始的Linux内核功能，逐步了解容器网络接口（CNI）的实际工作原理。而不是通过阅读YAML配置文件来学习。 容器网络接口（CNI）是Kubernetes系统中那些被称为“黑盒”的组件之一。大多数每天都在运行Kubernetes集群的人，从来都没有深入了解过它的内部机制。他们只知道自己使用的CNI的名称（比如“我们使用的是Calico”，“我们采用的是Cilium”），这种认知就如同你知道汽车上发电机的品牌一样——只是知道它的名称，并不真正了解它的工作原理。 CNI位于整个系统架构的最底层，位于kubelet之下、Pod们之下，它默默地负责转发每一个数据包。正因
当人工智能助手回答问题时，它会从寥寥几页内容中提取相关句子并加以引用。你的页面是否适合被人工智能系统引用，并非什么难以理解的现象，而是与你所使用的HTML代码的某些机械性特性有关——这些特性是可以被测量、评估并加以调整的。 本教程将详细介绍我对自己网站进行的那次审计过程：它发现了哪些隐藏在代码中的标题标签，以及如何通过一次简单的修改就能解决这些问题，同时还会讲解如何利用持续集成系统来防止类似问题再次发生。 重点在于：我的主页在可提取性方面的得分是65分（满分100分）。造成这一问题的原因在于有五个UI组件将其标题标记为 或 标签。将这六个标题修改为符合ARIA标准的段落格式后，页面的得分便提高
Max Korbacher解释了为什么仅仅依靠技术是无法构建出成功的内部开发平台的。他探讨了“先建设基础设施”这一思维方式所隐藏的陷阱，强调了明确的产品发展方向的重要性，并说明了如何通过DevEx和SPACE这些指标来衡量真正的价值。学习如何协调团队成员的工作、管理技术债务，以及如何营造一个充满活力的社区环境，从而确保平台能够得到长期的应用与推广。 作者：Max Körbächer
InfoQ现已开始招收三批为期五周的在线认证课程学员，这些课程将于八月启动，每批课程都由经验丰富的专家负责授课：Luca Mezzalira将讲授架构设计相关内容，Michelle Brush会讲解工程领导力方面的知识，而Katharine Jarmul则会探讨人工智能安全与隐私保护相关议题。 作者：Artenisa Chatziou
DoorDash开发了Entity Cache这一透明代理缓存平台。该平台基于Envoy和Valkey技术构建，旨在减少其微服务架构中的冗余服务请求。在DoorDash的服务网格环境中运行，该平台通过缓存机制、事件驱动的失效处理机制、故障应对措施以及性能优化手段，能够每秒处理超过150万次请求，并保持99.99999%的高可用性。 作者：Leela Kumili
本周于2026年7月13日发布的Java新闻汇总中，重点介绍了以下内容：Value Objects的功能重新引入（预览版本）；WildFly 41版本的正式发布；Open Liberty 26.0.0.7版本的更新；TornadoVM、Apache TomEE、Java Operator SDK以及LangChain4j的补丁版本发布；Micronaut的维护版本更新；一个新的扩展模块Quarkus Shim；以及Oracle为Fusion Applications开发的新AI Agent Studio。 作者：Michael Redlich
GitLab发布了其DevSecOps平台的19.2版本，新增了自动化功能，这些功能专门用于处理那些由于AI编码工具生成的代码量远远超过了开发人员手工审核的能力而堆积下来的安全审查任务。这一更新于2026年7月16日宣布发布，其中有四项功能已经从测试阶段正式推出或进入公开测试阶段：依赖关系扫描自动修复功能、安全审查流程管理功能、GitLab Duo命令行工具以及自定义审查流程功能。 作者：Matt Saunders
Yelp推出了“Training Orchestrator”这一新内部框架。该框架取代了之前各团队单独使用的Spark训练脚本，现在采用了基于配置、以DAG结构为基础的执行模型。 作者：Claudio Masolo
Bhavuk Jain探讨了如何将基础人工智能技术转化为可扩展的移动产品。他详细介绍了开发“AI壁纸”功能以及“Circle to Search”工具过程中所遇到的工程挑战，说明了如何建立可靠的运行时防护机制、进行模型微调以及实现与操作系统的无缝集成。对于工程领域的领导者来说，他指出了在确保用户体验的同时，如何平衡模型响应延迟与基础设施成本问题，从而推出安全、可靠的人工智能产品。 作者：Bhavuk Jain
GitLab提出了一种新的绿色DevOps实践方法，展示了软件工程团队如何衡量其CI/CD流程所产生的碳排放量。 作者：Craig Risi
由字节跳动开发的Rspack已经发布了2.0版本。这一新版本在性能上得到了显著提升，依赖项也有所减少，并且更加注重现代ECMAScript模块的标准。主要的更新包括采用纯ESM核心架构、优化了静态分析功能，同时还增加了对RSC格式的支持。性能测试结果显示，构建时间的缩短十分明显。这个项目的发展势头非常迅猛，其通过npm平台的下载量每周都超过了500万次。 作者：丹尼尔·柯蒂斯
最新发布的Android Studio版本Quail 2现已稳定可用。该版本在IDE中扩展了“Gemini/AI Agent Mode”功能，使得多路AI对话可以同时进行，进一步推动了谷歌将基于AI的工作流程直接集成到Android Studio中的目标。此外，该版本还提升了调试和性能分析功能，使用户能够更轻松地测试那些处于实验阶段的新增功能。 作者：Sergio De Simone
谷歌云发布了一份新的指南，详细说明了各类组织应如何保护在谷歌Kubernetes Engine上运行的人工智能应用程序。该指南指出，从原型开发阶段到生产环境的过渡速度远远超过了传统安全模型的发展速度。这份文档提出了一种三层防护体系，涵盖了基础设施安全、模型数据完整性以及应用程序安全等方面。 作者：马特·桑德斯
由于AWS的计费系统发生了配置变更，导致在超过24小时的时间里，客户看到的预估账单金额高达数十亿甚至数千亿美元。AWS自身的警报系统确实检测到了这些异常情况，但未能及时停止账单生成流程，也未通知相关工程师进行处理；直到4.5小时后，客户才向该公司反映了这一问题。在问题处理期间，整个平台范围内的预算与成本异常警报功能都被暂时关闭了。 作者：Steef-Jan Wiggers
Jake Mannix讨论了如何让人工智能代理摆脱那些混乱、类似于“20世纪70年代的BASIC编程语言所使用的架构”。他说明了通过实现中间协议层，工程团队能够构建出具有版本控制功能的、结构清晰的“虚拟工具”。这种设计使得接口映射、动态数据结构转换以及运行时异常检测成为可能，从而能够在不降低系统运行速度的情况下，主动消除数据泄露风险。 作者：Jake Mannix
Anthropic详细介绍了其在各类产品中为Claude所采用的管控架构。该团队认为，确保智能体的安全性关键在于对其文件系统、网络以及执行环境设定明确的限制，而非依赖权限提示或安全防护措施。尤为值得注意的是，Anthropic通过对那些在“信任边界”或允许的数据传输路径上发生的故障进行分析，从而对相关设计进行了修订。 作者：Eran Stiller
GitHub重新设计了其问题管理系统的导航功能，采用了客户端侧架构，该架构结合了缓存技术、预测性预加载机制以及服务工作者，从而有效降低了用户所感受到的延迟。这一方案还利用IndexedDB、内存缓存以及后台同步功能来加快数据传输速度。据GitHub称，用户的导航体验得到了显著改善，延迟时间减少了4%到22%，而且在多种导航操作中都能看到这种效果。 作者：Leela Kumili
