Meta、MIT 和华盛顿大学的研究人员提出了一种叫“上下文语言模型”（CLM）的新方法。过去，语言模型的长上下文通常靠事先定好的规则来总结、压缩和检索信息，不够灵活。这次让模型自己决定怎么管理和修改上下文内容。研究人员表示，这种做法在性能和计算效率上都有明显提升。对读者来说，这意味着未来 AI 处理长对话、长文档时可能更聪明，同时更省算力，不过目前还只是研究阶段。
展开详情收起详情：上下文语言模型：自我管理上下文以提升性能并降低计算成本⌄
原文发布：2026-10-11 22:00 · 首次收录：2026-10-12
马斯克在 X 上发帖说，SpaceX 的 AI 代理 Grok Bot 今后会针对每个任务选用最好的后端模型，其中明确包括 Claude Opus 5.5、MidJourney、Suno 等第三方 API，而不是只用 Grok 自家模型。Grok Bot 由 SpaceXAI（马斯克的 AI 实验室，已并入 SpaceX）和 Cursor（SpaceX 6 月同意以 600 亿美元股票收购、8 月完成）联合打造。作者采访了 22 家公司的负责人，至少 10 人表示会按任务挑模型，把贵的留给真正需要的活，主要目的是省成本；但换模型有风险，有团队在重要演示前三天换模型导致工作流崩溃，只能周末回滚，所以应先跑评测再切换。OpenRouter 数据也显示便宜的小模型承担了大部分调用量，而 Claude Opus 5.5 这类前沿模型用量一周增长 74%。
文中可用工具
- Grok BotSpaceX 推出的 AI 代理，自动为每个任务挑选最合适的后端模型
- Claude Opus 5.5Anthropic 的前沿大模型，被 Grok Bot 列为可用后端之一
- MidJourney图像生成 API，被 Grok Bot 列为可用后端之一
- Suno音乐生成 API，被 Grok Bot 列为可用后端之一
- OpenRouter开发者通过一个接口调用数百个模型的服务，并公布模型用量排行
- DeepSeek V4.1 FlashDeepSeek 的便宜快速模型，OpenRouter 上用量排名第一
- GLM 5.3 FlashZ.ai 的便宜快速模型
- MiMo-V2.6-Flash小米的便宜快速模型
- GPT-6 LunaOpenAI 的模型，OpenRouter 用量排名靠前
- Jev 1.13TypeSafe 的模型，OpenRouter 用量前十里排名第十
- Claude Sonnet 5.5Anthropic 较便宜的模型，测试中 15 项编码任务全过且比 Opus 5.5 便宜 42%
展开详情收起详情：马斯克称 Grok Bot 会在 Claude 更好时选用 Claude：单一模型忠诚已死⌄
原文发布：2026-10-10 18:00 · 首次收录：2026-10-11
微软在 Foundry 上线了 Microsoft-Decision-1，这是一个专门做“决策”的小模型，比如给选项打分、按规则挑选结果。它没有用合作伙伴 OpenAI 的模型，而是在阿里 Qwen3.5-9B 基础上继续训练，并计划以后换到自家 MAI 和 OpenAI 的底座上。价格是每百万输入 token 收 0.042 美元、输出免费，和 TypeSafe 的 Jev 相同，后者刚拿到 8.7 亿美元 A 轮融资。微软说自己在 Xbox、Copilot 等内部团队已经试用，速度比 GPT-6 Sol 快十几倍，但目前只支持文本、不支持图片，也没有开源权重。
文中可用工具
- Microsoft-Decision-1微软新发布的决策专用模型，可在 Foundry 中为应用和智能体做判断与打分
- Foundry微软提供 Decision-1 的模型托管与调用平台
- Qwen3.5-9B阿里开源模型，被用作 Decision-1 继续训练的基础
- GPT-6 Sol原文用作速度对比的对照模型，未说明具体用途
- JevTypeSafe 推出的决策模型，原文用作价格和性能比较对象
- MAI models微软自家模型系列，计划未来作为 Decision-1 的新底座
- Clef-flashCloudflare 基于 Qwen3.5-9B 构建的决策模型
- System One APITypeSafe 提出的决策模型接口，已被 AWS、Upstage、Ollama 等采用
- OpenRouter模型调用平台，文中用于挂载和定价 Kev-4B
- Modal提供 H100 算力，文中用于把 Kev 模型移植到 Qwen3.5
- Ollama本地模型运行工具，已采用 System One API
展开详情收起详情：微软跳过 OpenAI 的决策模型，基于阿里 Qwen 自研⌄
原文发布：2026-10-10 21:00 · 首次收录：2026-10-11
AI Agent 上线后服务运行正常，但回答质量有没有变好？问题在于：训练模型的工程师知道什么叫“好答案”，运维团队只看服务是否在线，两边看不同的仪表盘，评估集慢慢过时也没人更新。CoreWeave 在 Fully Connected 2026 大会上发布 Forge，把运行、观察、整理数据、改进、评估五个环节放进同一个开发环境，用 CoreWeave Registry、Weights & Biases Models 等工具保留从模型版本到生产例子的完整记录，让团队能定位失败、选择改法，并在上线前证明新版本确实更好。目前 CoreWeave ARIA 和 CoreWeave Sandboxes 已正式可用，Agent Lens、Notebooks、Model Distillation 处于预览阶段；MasterClass 和 Canva 已开始使用 Forge。
文中可用工具
- CoreWeave Forge把运行、观察、整理数据、改进和评估五个环节集中到一个开发环境
- CoreWeave Registry管理模型、Agent 和数据集
- Weights & Biases Models追踪实验、超参数搜索、分析和自动化工作流
- CoreWeave Agent Lens追踪 Agent 的步骤、决策和工具调用，并监控线上流量
- CoreWeave Notebooks提供托管的 Python notebook，用于共享评估和自定义分析
- CoreWeave ARIA分析运行结果、提出实验建议、推荐代码改动
- CoreWeave Sandboxes为 Agent、工具调用、强化学习和评估提供隔离的 CPU 或 GPU 环境
- Serverless SFT无需训练集群即可用生产信号做有监督微调
- Serverless RL让团队用自己的训练配方做强化学习实验
- Model Distillation用大模型输出训练更小的开放权重模型，并与原模型对比打分
- Serverless Inference访问开放权重模型的推理服务，基础设施由 CoreWeave 管理
- Dedicated Inference在隔离基础设施上运行推理，团队控制模型权重、部署设置和 GPU 资源
展开详情收起详情：如何将 AI 生产反馈转化为更好的 Agent⌄
原文发布：2026-10-11 00:00 · 首次收录：2026-10-11
Cloudflare 把 Traces 功能开放公测，让原本只覆盖 Workers 的自动追踪扩展到安全规则、转换、缓存、路由和回源处理，全部生成标准 OpenTelemetry 追踪片段。它兼容 W3C traceparent 头，还能通过 Trace Rules 只对指定流量采样，减少无用数据。12 月 1 日起计费改为按写入量和保存时长收费。对用户来说，调试请求链路更完整，成本也按实际用量计算。
文中可用工具
- Cloudflare Traces在 Cloudflare 代理层自动生成 OpenTelemetry 追踪片段，帮助查看请求在各环节的走向
- WorkersCloudflare 的边缘计算服务，原本就能生成追踪，现在追踪范围从它扩展到更多环节
- W3C traceparent一种标准请求头，让不同系统之间能传递和衔接同一条追踪链路
- Trace Rules按规则只对部分流量采样追踪，避免全量采集带来的成本和噪音
- OpenTelemetry生成追踪数据的通用标准格式，方便接入各类可观测性工具
展开详情收起详情：Cloudflare Traces 将代理层转化为 OpenTelemetry Span，并推出按量计费新定价⌄
原文发布：2026-10-10 15:12 · 首次收录：2026-10-11
Datadog 在自带云（BYOC）日志功能里加了跨集群查询。有些公司因为数据必须留在本地或某些地区，就把日志分散存放在自己控制的多个 Kubernetes 集群里。以前要查一次故障，得挨个集群重复搜索再手动对比。现在用一条查询就能同时搜索多个选定集群，Datadog 会把各集群的结果合并展示，日志本身仍留在原处。团队和 AI 智能体因此能更快判断问题是局部还是全球性的，智能体还能少发几次工具调用、省一些 token。该功能已在 BYOC 日志中可用，具体哪些集群可查文中未说明。
文中可用工具
- Datadog BYOC把 Datadog 平台部署到用户自己控制的云环境里，日志数据保留在本地
- Log Explorer用来搜索和查看日志的界面，跨集群查询的结果会合并显示在这里
- Bits AIDatadog 的 AI 功能，BYOC 部署中可继续使用，原文未说明具体用途
- MCP Server让 AI 智能体通过 search_datadog_logs 工具查询 BYOC 日志
- search_datadog_logsAI 智能体用来搜索 Datadog 日志的工具，可指定索引、过滤条件和时间范围
展开详情收起详情：Datadog BYOC 推出跨集群查询，为团队和 AI 智能体统一数据⌄
原文发布：2026-10-09 08:00 · 首次收录：2026-10-10
在布拉格举行的欧洲开源峰会上，开源数据库服务公司 Percona 的 CEO Peter Farkas 提出：行业常把“开放权重”和“开源”当成一回事，但两者差别很大。开放权重只是让你能下载模型、在自己的机器上跑，但训练数据、源代码和训练过程往往不公开，所以你没法真正研究、修改或从头重建它。他担心这样“开放洗白”会慢慢稀释“开源”这个词原本代表的使用、研究、修改和分享自由，甚至波及整个软件行业。开源促进会（OSI）已在 2024 年发布首版《开源 AI 定义》，其新执行总监 Duane O'Brien 承认该定义受到的批评成立，并宣布重新开启讨论，还启动了为期两年的开源 AI 奖学金项目来推动共识。对读者来说，这场争论的现实意义是：看到“开源模型”的宣传时，要先分清你拿到的是能跑的权重，还是真正能信任、改进并在此基础上继续构建的完整开源。
文中可用工具
- FerretDB一个开源的 MongoDB 替代品，由 Percona CEO Peter Farkas 参与创建
- MiMo-V2.6小米发布的新模型系列，同时公开了强化学习训练直播、7000 多个训练任务环境、训练代码和技术文档
- DeepSeek文中作为例子提到，其模型常被称为开源，但实际只公布了模型权重而非完整复现所需材料
- Open Source AI Definition开源促进会（OSI）2024 年发布的首版开源 AI 定义，规定使用、研究、修改和分享 AI 系统的标准，目前仍存争议并正在重新讨论
- Open Source AI FellowshipOSI 最近启动的项目，首位研究员为 Gabriel Toscano，用两年时间探索该定义的修订并推动共识
展开详情收起详情：“不要把‘开放权重’和‘开源’混为一谈”：Percona CEO 谈 AI 术语为何重要⌄
原文发布：2026-10-09 14:43 · 首次收录：2026-10-10
决策模型是一种专门给 AI 应用做“选择题”的模型：它接收应用状态，返回带概率的选项答案，不写文字也不解释理由。TypeSafe AI 最先推出 Jev 以及请求/响应的 schema，随后 AWS 的 Strands Decider 2B、Upstage 的 Solar Decide、Ollama 0.35 等纷纷照搬同一套接口，OpenRouter、Perplexity 也支持同类 choice、noul（是/否）、score 问题类型。这样一来，开发者只要改一个 base URL，就能在不同厂商甚至本地运行的决策模型之间迁移，而不必重写决策逻辑；不过各家在选项上限、置信度算法和答案质量上仍有差异，切换前需要测试。OpenAI 虽在 DevDay 发布了基于 GPT-6 Luna 的 Decisions API，但仍在有限预览，未公布 schema 和价格，尚未加入这套统一接口。
文中可用工具
- Strands Decider 2BAWS 发布的开权重决策模型，在 /v1/systemone 端点按 System One 接口返回决策答案
- JevTypeSafe AI 推出的决策模型，也是 System One API 的原始实现
- Solar DecideUpstage 的托管决策模型，通过 System One schema 提供服务
- Ollama本地模型运行时，0.35 版本新增 /v1/systemone 端点
- OpenRouter模型路由服务，提供 Jev Router 和与 TypeSafe 兼容的 Decisions API 路由
- Perplexity Decisions API托管决策服务，支持 choice、noul、score 三类问题
- OpenAI Decisions APIOpenAI 基于 GPT-6 Luna 的决策服务，仍在有限预览，未公布 schema 和价格
- BifrostMaxim AI 的网关，在 Jev 不可达时把决策转发给 LLM 并以相同格式返回答案
- Strands Agents智能体框架，其 before_tool_call 事件可被用来在工具调用前做决策门控
- TypeSafe SDKTypeSafe 提供的开发包，改 base URL 即可对接任何实现 System One API 的服务器
- SGLang本地运行时，暴露与 System One 相同的接口
- Open-Jev社区构建的决策模型，提供 System One 接口
展开详情收起详情：AWS、Upstage 与 Ollama 就决策模型 API 达成一致，OpenAI 尚未加入⌄
原文发布：2026-10-09 20:00 · 首次收录：2026-10-10
Amazon ECS 新增了自动修复能力，能自己发现并处理运行任务所用实例和 GPU 的硬件故障。以往 GPU 出问题往往只能表现为任务莫名失败或变慢，而实例掉线后 ECS 也难以及时替换上面的任务，这些都需要团队自己写检测和恢复脚本。现在 ECS 会持续监控 EC2 状态、实例上的 ECS 代理和容器运行时，并通过 NVIDIA DCGM 识别真正的 GPU 硬件错误，一旦确认就自动把坏实例移出并重建。对 SRE 来说，日常运维里一类原本要自己兜底的故障可以交给平台处理，自己只需在更模糊的情况下手动干预；目前该能力已在 ECS Managed Instances 和 Fargate 上线。
文中可用工具
- Amazon ECS运行容器化应用的托管服务，现可自动检测并修复故障实例和 GPU
- ECS Managed Instances由 ECS 接管实例基础设施运维（含补丁和恢复）的模式
- AWS Fargate无需自己管理服务器的容器运行方式，同样支持实例故障自动恢复
- NVIDIA Data Center GPU Manager (DCGM)在实例上监控 GPU 健康状态，识别真实硬件故障
- Amazon EC2提供底层计算实例，其状态检查被用于判断实例是否受损
- Amazon EBS提供块存储卷，其性能下降会被视为实例受损信号之一
展开详情收起详情：Amazon ECS 现可自动修复故障 GPU 与实例：这对 SRE 意味着什么⌄
原文发布：2026-10-09 21:00 · 首次收录：2026-10-10
Cloudflare 宣布收购 Node.js 创始人 Ryan Dahl 联合创办的 Deno 公司，交易金额未公开。Deno 是一个 JavaScript/TypeScript 运行时，后来推出了与 Cloudflare Workers 直接竞争的无服务器托管服务 Deno Deploy，还开源了 Celld 项目来复刻 Cloudflare 的编程模型。收购后，Deno 团队将加入 Cloudflare，Deno 独立运行时和托管服务会逐步关停，Celld 将与 Cloudflare 的开源运行时 Workerd 合并，继续以开源方式发布，目标是让开发者用 Cloudflare 的编程模型、在自己管理的基础设施上更轻松地运行分布式应用。
文中可用工具
- Deno一个 JavaScript 和 TypeScript 运行时，用于运行服务器端代码
- Deno DeployDeno 推出的云端托管服务，让开发者无需管理服务器即可部署应用
- Cloudflare WorkersCloudflare 的无服务器计算平台，开发者无需管理底层基础设施即可运行应用
- CelldDeno 开源的项目，复刻了 Cloudflare Workers 和 Durable Objects 的编程模型，支持自托管分布式应用
- WorkerdCloudflare 开源的无服务器运行时，用于在自有基础设施上运行 Workers 应用
- Durable ObjectsCloudflare Workers 的编程模型组件，用于协调分布式应用状态
展开详情收起详情：Cloudflare 收购 Node.js 创始人的初创公司，后者曾复刻其无服务器模式⌄
原文发布：2026-10-10 02:52 · 首次收录：2026-10-10
Kubernetes 用来限制容器 CPU 和内存的底层机制 cgroup v1 正在被淘汰，从 v1.35 起 kubelet 默认不再支持它。新版本改用 cgroup v2，提供统一层级和更好的资源隔离。运维者应把所有 Linux 节点升级到 v2 再升级 Kubernetes，否则节点无法启动。读者若在管理 Kubernetes 集群，需要尽早安排迁移，避免旧架构卡住升级。
展开详情收起详情：Kubernetes 的 cgroup v1 已死，接下来会发生什么？⌄
原文发布：2026-10-10 04:15 · 首次收录：2026-10-10
很多过去觉得做软件门槛很高的人，现在也能动手做东西了。原因是用自然语言（比如直接说“帮我做个前端”）就能指挥 AI 帮自己写出代码，不再必须学很多年编程。GitHub 博客这篇采访了多场黑客马拉松的参与者，发现有人靠 GitHub Copilot 在半小时内做出前端并接上新闻 API，当有人遇到 bug 或演示失败时，也能当场重来。对读者来说，如果你有想法但不会写代码，可以先参加一场黑客马拉松，在两天里专注做出一个小原型，失败也没关系。文中的 GitHub Copilot 在博客里是既有产品或入口，但文中没有说明其独立应用何时开放；可用的具体工具和链接以原文为准。
文中可用工具
- GitHub CopilotAI 编程助手，能根据自然语言帮用户生成前端代码，并接入 API
- GitHub Student Developer Pack面向学生的开发者工具包，可免费使用 GitHub Copilot 等工具
展开详情收起详情：黑客马拉松为何仍是学习编程的最佳场所：与 GitHub Copilot 一起构建⌄
原文发布：2026-10-10 00:00 · 首次收录：2026-10-10
Cloudflare 推出了一项叫 K2 的新服务，目前处于公开测试阶段。它做的是“事件流”：应用产生的消息像流水一样被持续记录下来，供其他程序按顺序读取。以前这类系统通常要自己搭服务器和硬盘，而 K2 把数据存在 Cloudflare 已有的 R2 对象存储上，用户不用管机器，按量付费。官方称从写入到可读取的延迟（p99）约一秒，但有测试者报告端到端 p99 为 7.5 秒，团队回应称高于预期；读取和写入的每 GB 价格相同。需要注意的是，这是测试版，延迟表现还在调整，正式上线时间和稳定性尚无明确说明。
文中可用工具
- Cloudflare K2在 R2 上运行的 serverless 事件流服务，用于持续记录和读取消息
- R2Cloudflare 的对象存储，用来存放 K2 的事件流数据
展开详情收起详情：Cloudflare K2 在 R2 对象存储上构建事件流，生产延迟可达一秒⌄
原文发布：2026-10-09 13:06 · 首次收录：2026-10-10
Netflix 的两位工程师 Prasanna Vijayanathan 和 Renzo Sanchez-Silva 分享了一个演讲，讲他们怎么处理每秒 3800 万条事件量级的监控难题。原来的做法是出问题才被动告警，现在他们改用一套由 AI 驱动的“运营本体”，配合 Claude 和图层数据库来做自动化处理。具体是把 MELT（指标、事件、日志、追踪）这四类监控数据统一成可以查询的知识图谱，让系统能自动分诊、找根因，甚至自己修复故障。对读者来说，这展示了一条用 AI 把海量监控数据变成自动化运维能力的大规模落地思路。
文中可用工具
- Claude用于构建智能体工作流，实现自动化运维处理
- graph databases存储统一后的监控数据，形成可查询的知识图谱，支持自动分诊与根因分析
展开详情收起详情：演讲：本体驱动的可观测性——在 Netflix 规模上构建端到端知识图谱⌄
原文发布：2026-10-09 19:00 · 首次收录：2026-10-10
GitHub 把 Copilot 运行时的 80 多万行代码，从 TypeScript 和 Node.js 换成了 Rust。Rust 是一种运行更快、更省内存的编程语言。他们没停下来重写，而是边跑边换：先用 N-API 让新旧代码互通，再配合自动测试和人工检查，分 128 次小改动逐步完成，大约花了 14.5 周，期间正常发布版本。对用户来说，Copilot 后端未来可能更快更稳；不过文章只提到迁移过程，没有说明实际性能提升了多少。
文中可用工具
- N-API让 Rust 代码和原来的 Node.js 代码互相调用的接口，方便边跑边换
- Rust用来替换 TypeScript 和 Node.js 的新编程语言，运行更快更省内存
- TypeScriptCopilot 运行时原来使用的编程语言
- Node.jsCopilot 运行时原来运行的 JavaScript 环境
展开详情收起详情：GitHub 借助 AI 辅助重写，将 Copilot 运行时迁移至 Rust⌄
原文发布：2026-10-09 22:29 · 首次收录：2026-10-10
Google 发布了 Android Bench 2.0，这是它用来测试 AI 在 Android 开发任务上表现的一套评测框架。以前的评测主要针对比较短、步骤少的问题，很难反映 AI 应对复杂多步开发任务的能力。新版本加入了长周期任务、让智能体（能自主执行多步操作的程序）参与评估，以及连续评分，从而更细致地衡量表现。对开发者来说，未来挑选或对比 AI 编程工具时，可能多了一个更贴近真实开发难度的参考依据。
展开详情收起详情：Android Bench 2 新增长周期任务、智能体评估与连续评分支持⌄
原文发布：2026-10-10 01:00 · 首次收录：2026-10-10
Snyk 是一家做代码和云安全扫描的公司，它把原本只给自己客服团队用的一个 AI 助手，升级成了所有付费客户都能用的功能，叫 Snyk Assist。以前客户想问漏洞、账号或产品问题，得自己翻文档、文章和发布说明，或者提工单等回复，信息散落各处。这个助手用 LangChain、LangGraph 和 LangSmith 搭建，能用大白话回答并帮忙查漏洞、开工单、提需求，而且只会看到当前用户本来就有权查看的内容。它先内部试用了约一年，2026 年 4 月进入支持门户，9 月 1 日才放进核心产品，所以目前是已经可用的状态。对读者来说，问问题不用再等人工，也能在对话里直接完成一些操作。
文中可用工具
- LangChain搭建 AI 智能体的开发框架，提供社区和生态支持
- LangGraph运行智能体的单一运行时，支撑多个入口
- LangSmith观测和评估智能体表现，帮助发现退化、改进回答
- Snyk Assist面向付费客户的对话式 AI 助手，可回答问题并代用户操作
- SlackSnyk Assist 的一个使用入口（Slack 应用）
展开详情收起详情：Snyk 如何将内部支持智能体转化为面向客户的产品功能⌄
原文发布：2026-10-09 18:29 · 首次收录：2026-10-10
Managed Deep Agents 在 v0.9 版本里新增了一个“表情回应”（reactions）API，用来给 Slack 频道里的智能体自动添加 emoji 反应。以前用户发出任务后，常常不知道智能体有没有收到、进行到哪一步，界面显得很“沉默”。这次的做法是：让开发者写一段简单规则或用一个决策模型，根据消息内容动态挑一个 emoji，比如看到“broken”就回一个虫子图标，表示已识别为故障。这样用户在等待较长的智能体任务时能得到即时反馈，更容易信任和看懂智能体在做什么。目前提到的是 v0.9 版本中的新能力，具体可用范围原文没有完整说明。
文中可用工具
- Managed Deep Agents管理分布式智能体的平台，新增 reactions API，可根据消息自动添加 emoji 反应
- Slack channels在 Slack 频道中承载智能体并展示 emoji 反应
- Jev一种决策模型，可从预设的 emoji 词表中根据上下文挑选一个
- TypeSafe ClassifierLangChain 工具包中的分类器，用于调用兼容 TypeSafe 的决策模型
- SemIf另一种可配合相同接口使用的决策模型
- LangSmith LLM Gateway托管决策模型的网关，原文提到 SemIf 托管于此
展开详情收起详情：如何用 Managed Deep Agents 打造出色的开箱即用用户体验⌄
原文发布：2026-10-10 03:34 · 首次收录：2026-10-10
Dynatrace 请 Forrester Consulting 做了一项研究，测算企业用 Dynatrace 统一可观测性平台能带来多少商业价值。模型显示，一个典型企业三年可获得 466% 的投资回报，净现值 2030 万美元，不到六个月回本。这笔价值主要来自 AI 自动发现和解决故障（省下 1440 万美元）、业务表现提升（增加 310 万美元利润）以及开发者效率提高（200 万美元）。对读者的用处是：如果公司正被 AI 系统和复杂技术环境搞得监控困难、故障频繁、成本失控，这份研究提供了一个参考案例，说明统一监控可能带来的收益。不过这是厂商委托的模型估算，不是实际用户数据，具体效果因公司而异。
文中可用工具
- Dynatrace统一可观测性平台，用来监控应用、基础设施、AI 模型和代理调用，帮助发现和解决故障、控制成本。
展开详情收起详情：Forrester 研究：Dynatrace 统一可观测性模型显示 466% ROI⌄
原文发布：2026-10-09 00:37 · 首次收录：2026-10-09
在北美 We Are Developers 大会上，Dynatrace 团队观察到开发者社区关注的三个趋势：智能体“管控”（沙箱隔离，防止智能体乱跑）、可观测性与评估（在生产环境中持续监控和评估智能体行为）、以及智能体体验（文档和接口专为智能体设计）。背景是智能体越来越多地进入生产环境，出现了失控和安全事件，问题往往出在缺乏隔离和监控。解决思路包括给智能体独立计算环境、把评估从开发阶段延伸到生产运行阶段、以及提供适合智能体读取的文档和接口。对读者而言，这意味着未来开发软件时，需要把智能体当作“用户”来设计基础设施，并重视运行时安全。文中还提到存储问题（大量遥测数据）尚未获得充分讨论，Dynatrace 用 Grail 数仓应对。
文中可用工具
- BlueBoxDynatrace 推出的 AI 智能体，帮助其他智能体获取可观测性和运行时上下文
- GrailDynatrace 的统一数据湖仓，用于处理智能体产生的大量遥测数据
- MCP一种让智能体访问外部工具和数据的接口协议
- llms.txt一种供大语言模型读取的文档文件，帮助智能体理解网站内容
展开详情收起详情：管控、观测、适配：塑造智能体软件开发的三大趋势⌄
原文发布：2026-10-09 04:49 · 首次收录：2026-10-09