内容归档

好内容,随时找得到。

按栏目浏览往期内容,用关键词、分类和日期找到需要的信息。

内容归档

92 条结果
自定义日期
分类与标签

当前范围:近 30 天 · 92 条 · 首次收录日期 · 默认

清除筛选

Spring Batch 6.1.0-RC1 与 6.0.6 现已发布

Spring Batch 团队发布了两个版本:6.1.0-RC1(候选发布版,尚非最终正式版)和 6.0.6,均已可从 Maven Central 获取。6.1.0-RC1 带来一批新特性:新增 @JobParameter 注解,用来替代容易写错的 SpEL 表达式来注入作业参数;新增类型安全的 PageableItemReader,取代原来按方法名字符串反射调用仓库方法的做法;JsonLineMapper 不再绑定 Jackson,可配合 Jackson 或 Gson 读取任意类型的 JSON Lines 数据,并新增对应的写入端 JsonLineAggregator;还有 RemoteChunkingManagerBuilder、DefaultChunkProcessor、JDBC DAO 迁移到 JdbcClient,以及性能改进。一些旧类被标记弃用,计划在 7.0 移除。对使用 Spring Batch 做批处理的开发者来说,升级后配置更简洁、类型更安全,但涉及 JsonLineMapper 的代码属于源码和二进制不兼容变更,需要重新编译。

文中可用工具

  • Spring BatchJava 批处理框架,本新闻的主角
  • Maven Central发布和下载这些版本的仓库
  • Spring Framework升级到 7.1.0-RC1 的基础框架
  • Spring Integration升级到 7.2.0-RC1
  • Spring Data升级到 2026.1.0-RC1,PageableItemReader 使用其 Pageable 和 Sort
  • Spring LDAP升级到 4.2.0-RC1
  • Spring AMQP升级到 4.2.0-RC1
  • Spring Kafka升级到 4.2.0-RC1
  • Micrometer升级到 1.18.0-RC1
  • JacksonJSON 库,提供 JsonLineMapper 和 JsonLineAggregator 的实现
  • GsonJSON 库,提供 JsonLineMapper 的另一种实现
  • JdbcClientJDBC DAO 迁移到的新客户端
展开详情收起详情:Spring Batch 6.1.0-RC1 与 6.0.6 现已发布
☆ 收藏Spring Blog查看原文 ↗

php2shell:潜伏在整个网络中的漏洞

PHP 官方在 2026 年 10 月 21 日紧急修复了两个严重漏洞,统称 php2shell(CVE-2026-109618 和 CVE-2026-109619,严重程度均为 9.2 分)。问题出在 PHP 本身:当请求耗尽内存等致命错误发生时,PHP 会中途跳出、跳过清理步骤,留下半完成的内存状态;攻击者可以用特制上传和后续请求利用这块烂摊子,读取内存片段甚至执行任意命令。Harness 推出了 WAF 虚拟补丁规则,先以监控模式观察、确认后切到拦截,还可在 API 安全扫描发现暴露端点时一键生成补丁,帮你在逐个服务器更新重启之前挡住攻击。普通读者要明白:约七成已知服务器软件的网站跑在 PHP 上,受影响面很大,虚拟补丁只是临时桥梁,最终仍需把每台 PHP 装好补丁并重启。

文中可用工具

  • Harness提供 WAF 虚拟补丁和 API 安全测试,在打补丁前于请求层拦截 php2shell 攻击
  • Harness API Security Testing扫描发现暴露的 php2shell 端点,并可一键生成对应的虚拟补丁
展开详情收起详情:php2shell:潜伏在整个网络中的漏洞
☆ 收藏Harness Blog查看原文 ↗

TornadoVM 7 让 Java 应用可直接利用 GPU 原生工作负载

开源项目 TornadoVM 发布了 7.0 版本,它是一个帮 Java 程序跑得更快的工具。以往 Java 代码想用 GPU 加速,往往要写复杂的底层代码;TornadoVM 会自动把 Java 程序分配到多核 CPU 和 GPU 上执行,并提供一套在 Java 里开发 GPU 程序的生态。它能配合 Temurin、Red Hat OpenJDK、Corretto、Oracle、GraalVM、Zulu 等主流 JDK 使用。对用 Java 做高性能计算的开发者来说,这有望在不换语言的情况下获得 GPU 加速;目前原文只提到版本已发布,具体性能提升和限制未说明。

文中可用工具

  • TornadoVM开源的 Java 异构编程框架,自动把 Java 程序加速运行在多核 CPU 和 GPU 上
  • Temurin可与 TornadoVM 配合使用的 JDK 发行版
  • Red Hat OpenJDK可与 TornadoVM 配合使用的 JDK 发行版
  • Coretto原文列出的可配合使用的 JDK 发行版(原文拼写如此)
  • Oracle原文列出的可配合使用的 JDK 发行版
  • GraalVM原文列出的可配合使用的 JDK 发行版
  • Zulu原文列出的可配合使用的 JDK 发行版
展开详情收起详情:TornadoVM 7 让 Java 应用可直接利用 GPU 原生工作负载
☆ 收藏InfoQ Architecture & Design查看原文 ↗

用 RUM 和合成监控 SLI 构建更好的 SLO

Datadog 的两位作者写了这篇技术文章,讲怎么用真实用户监控(RUM)和合成监控两种数据来定义 SLO 的指标(SLI)。原来很多团队只用后端性能指标,难以反映用户真实体验;而如果单用 RUM,机器人流量和浏览器配置差异会带来噪声,单用合成测试又不够细。文章建议:合成 SLI 适合长期稳定地监测关键用户流程,RUM SLI 适合精确统计真实用户的关键操作,并按目标变化、监控盲区、低流量误报等情况给出了选用建议。文中提到过去一年客户自建合成 SLO 数量增长了 273%。读者可据此判断何时切换数据源,但没有给出具体落地步骤和产品开放状态。

文中可用工具

提供的材料未提及具体可用工具。

展开详情收起详情:用 RUM 和合成监控 SLI 构建更好的 SLO
☆ 收藏Datadog Blog查看原文 ↗

超越容器镜像签名:Datadog 如何执行软件供应链策略

Datadog 内部建了一个叫 Turnstile 的系统。原来他们的镜像签名只能证明镜像签名后没被改过,但挡不住更早环节出问题,比如代码合入时被塞进恶意改动、依赖被投毒、构建环境被入侵,这些镜像照样能带着有效签名上线。Turnstile 在软件从代码到镜像的每一步都生成加密签名的“证明”,记录是谁、在什么环境、经过什么审核,部署前再按环境策略检查这些证明,比如生产环境要求更严。这样安全团队能提前拦截不合格镜像,也不用对开发流程造成太多打扰。目前它是 Datadog 内部系统,文章没有说明是否对外开源或商用。

文中可用工具

  • TurnstileDatadog 内部系统,为软件制品生成防篡改签名证明,并在部署前按环境策略检查
  • in-toto开源框架,用来记录软件供应链中各步骤由谁执行、按什么顺序执行
  • containerd容器运行时,Datadog 通过自定义插件在拉取镜像时验证签名
  • SLSA提供源码和构建完整性威胁模型的标准框架,文章参考其原则
展开详情收起详情:超越容器镜像签名:Datadog 如何执行软件供应链策略
☆ 收藏Datadog Blog查看原文 ↗

Beam 从运行智能体的 Mac Mini 上单独拉取应用窗口

连续创业者 Hiten Shah 和 Sam Asante 做了一个叫 Beam 的新 Mac 应用。原来很多人把 Mac Mini 放在角落或机柜里跑 AI 智能体,想操作它只能开屏幕共享、进一个完整的远程桌面,很麻烦。Beam 的做法是把对面 Mac 上的单个窗口搬到你的 Mac 上,终端或浏览器窗口都行,它有自己的程序坞图标,能切换、能拖文件、声音也在本地播放,应用本身不离开原机器;两台 Mac 需为苹果芯片、macOS Sonoma 或更高版本,并都装 Beam,同一 Wi-Fi 或通过 Tailscale 互相发现。托管 Mac 和加入分享链接免费,使用自己的 Mac 每天免费 20 分钟,之后每月 12 美元或买断 199 美元;iOS 和 Android 原生应用官方称在开发中。

文中可用工具

  • Beam把另一台 Mac 上的单个应用窗口搬到本地使用
  • Tailscale让两台 Mac 在任意网络下互相发现和连接
  • Screen Sharing原文作为原有远程访问方式提及
  • WorkbenchAstropad 的远程访问工具,原文作为同类产品提及
  • Jump Desktop原文作为同类远程访问工具提及
  • Screens原文作为同类远程访问工具提及
  • OpenClaw原文称其推动 Mac Mini 成为常驻智能体的默认载体
展开详情收起详情:Beam 从运行智能体的 Mac Mini 上单独拉取应用窗口
☆ 收藏The New Stack查看原文 ↗

DeepSeek 开源其 API 背后的推理引擎,华为与英伟达并列获支持

DeepSeek 把自己在线上服务模型时使用的推理引擎开源了,取名 DeepInfer,采用 Apache 2.0 许可。此前它曾表示这套软件与自家集群管理工具等内部设施绑得太紧,公开部署需要大改,并不实际。现在开放的版本能让开发者在自己的机器上运行 DeepSeek-V4.1-Flash,包含投机解码、异步调度、结构化输出等优化,但缺少 KV 缓存管理、跨机分工和副本负载均衡等组件,只覆盖离线推理,完整生产服务仍需自行补齐外围设施。配套的 deepseek-recipe 库(Rust 和 Python 版)帮助复现官方 API 的输入输出处理。硬件上首批支持英伟达 SM100(Blackwell 数据中心 GPU)和华为昇腾 950 NPU,较旧的 Hopper 架构未列入。DeepSeek 未说明如何解决去年提到的维护与部署难题。

文中可用工具

  • DeepInferDeepSeek 开源的推理引擎,用于在自己的服务器上高效运行其模型
  • deepseek-recipe配套库,处理 API 请求到模型输入的转换及输出加工,提供 Rust 和 Python 版本
  • DeepSeek-V4.1-FlashDeepInfer 当前支持运行的 DeepSeek 模型
  • FlashMLADeepInfer 包含的优化计算内核之一
  • DeepGEMMDeepInfer 包含的优化计算内核之一
  • DeepEPDeepInfer 包含的通信库之一
  • vLLM第三方推理软件,此前开发者用它运行 DeepSeek 模型权重
  • Search APIDeepSeek 向开发者开放的网页搜索接口,原文未说明具体用法
  • Fetch APIDeepSeek 向开发者开放的抓取接口,原文未说明具体用法
展开详情收起详情:DeepSeek 开源其 API 背后的推理引擎,华为与英伟达并列获支持
☆ 收藏The New Stack查看原文 ↗

脚本化测试跟不上 AI 写代码的速度,Datadog 押注智能体来测试

很多团队现在直接用 AI 写代码,Anthropic 的工程师产出的代码量达到原来的八倍,有人每月提交数千个 PR。但麻烦在于:代码写得快了,测试仍然要靠人写,得决定测哪些流程、写脚本、流程一变还要改,瓶颈从写代码挪到了测试环节。Datadog 今年收购了 Propolis,把“由智能体写的测试”加进自家平台:智能体自己去探索应用、走用户流程,再根据自然语言的要求生成测试,并结合 Datadog 的日志和链路追踪来检查性能,避免硬编码测试容易失效的问题。对团队来说,这有望缩短开发周期;不过目前只是文章介绍的方案,具体能否用、怎么用还要看 11 月 4 日的线上活动。

文中可用工具

  • Propolis被 Datadog 收购,用智能体探索应用并按自然语言生成测试
  • Datadog提供可观测性平台,结合日志和链路追踪辅助测试与性能检查
展开详情收起详情:脚本化测试跟不上 AI 写代码的速度,Datadog 押注智能体来测试
☆ 收藏The New Stack查看原文 ↗

ElevenLabs 想接管你的语音智能体,开发者要放弃什么

ElevenLabs 推出了 Eleven Realtime,提供 Mini 和 Max 两个托管语音智能体模型,把语音识别、推理、轮流对话和语音生成打包在一起,开发者不用自己搭这套流程。代价是底层模型和调度都由 ElevenLabs 管,开发者没法单独挑选、调整或替换这些部件,出问题时排查和优化也更难。不过提示词、音色、工具、知识库和打断设置仍可通过 ElevenAgents 配置;想要自己选底层模型则可以用 Custom 模式。外部测试显示,Max 在语音推理和工具调用上明显强于 Mini(如 Big Bench Audio 98.8% 对 75.9%),但 Mini 是默认选项、延迟略高一点(首段音频 620 毫秒对 570 毫秒),且不支持零保留模式和 HIPAA 配置。想从 OpenAI Realtime API 迁移的团队,用的是同一套 WebSocket 协议和 SDK,但 WebRTC 应用需要先换传输方式并自己处理音频采集与播放。两款模型都按 ElevenAgents 每分钟费率加 token 计费,生产环境表现和故障诊断信息是否够用,原文没有给出答案。

文中可用工具

  • Eleven RealtimeElevenLabs 新推出的托管语音智能体服务,内置语音识别、推理、轮流对话和语音生成
  • ElevenAgentsElevenLabs 的智能体平台,用于配置提示词、音色、工具、知识库和轮流对话设置
  • MiniEleven Realtime 的默认语音智能体模型,适合多数场景,但不支持零保留模式和 HIPAA
  • MaxEleven Realtime 中工具调用更强的模型,支持美国和欧盟的零保留模式与 HIPAA 配置
  • Custom 模式让开发者自行选择底层语言和语音模型并搭建处理流程的模式
  • OpenAI Realtime APIOpenAI 的实时语音接口,ElevenLabs 提供同协议迁移路径
  • WebSocketEleven Realtime 唯一支持的传输方式,音频需开发者自行采集和播放
  • WebRTC另一种实时传输方式,SDK 在此模式下自行处理音频
展开详情收起详情:ElevenLabs 想接管你的语音智能体,开发者要放弃什么
☆ 收藏The New Stack查看原文 ↗

Respan 在 LiteLLM 上建了两年,一次升级让它推倒重来

Respan 过去两年在 LiteLLM 之上写了十多万行包装代码,结果 2026 年 1 月一次常规升级后出现间歇性连接失败,回滚也没查出原因,只好停止直接升级、逐个挑上游修复。它干脆用 Rust 重写了一个开源 AI 网关:核心很小,模型供应商、路由、MCP 工具、实时语音和安全控制都做成插件,插件按注册顺序依次处理请求,还能在 OpenAI 与 Gemini 等不同协议间转换。代价是自定义插件要编译进网关、需自己维护构建,且插件在网关进程内运行、顺序配错可能让缓存绕过安全检查。目前是 pre-alpha,可从 GitHub 下载预编译程序直接跑,付费平台不是必需。

文中可用工具

  • LiteLLM原来用于统一对接各家模型的网关,Respan 在其上写了大量包装代码
  • Respan Gateway用 Rust 写的开源 AI 网关,用小核心加插件处理模型接入、路由和安全
  • Mistral作为插件接入的模型供应商之一
  • Groq接入的模型供应商之一,其 token 用量字段与其他家不同需单独处理
  • OpenAI Realtime API实时接口协议,网关可将其请求转换到其他服务
  • Gemini Live网关可转换对接的实时语音服务
  • BifrostLiteLLM 基准测试中对比的另一个网关
  • GitHub提供 Respan 网关预编译程序的下载
展开详情收起详情:Respan 在 LiteLLM 上建了两年,一次升级让它推倒重来
☆ 收藏The New Stack查看原文 ↗

Harness 推出 VegaLoad:开源负载测试工具

Harness 发布了一款叫 VegaLoad 的免费开源负载测试工具,采用 Apache 2.0 许可证,由其韧性测试团队开发。以前做负载测试往往要另外找工具、把脚本放在别的仓库,还得提工单排队等运行,很多服务没做压测就上线了。VegaLoad 把压测脚本变成一个放在代码旁边的小文件,AI 编程助手可以直接写测试、运行测试,返回通过或失败结果和一份 HTML 报告,测试在本机跑,还能设延迟和错误率上限拦截合并或发布。对开发者来说,压测能在几分钟内试起来,代码可读可改;不过若需要多机集群压测或跨团队历史记录,则要另用 Harness 的商业产品。

文中可用工具

  • VegaLoad免费开源的负载测试工具,AI 助手可写测试、运行并生成报告,支持本机运行和 CI/CD 拦截
  • LitmusChaos开源混沌工程工具,由同一团队维护,用于模拟故障测试系统韧性
  • Harness Resilience TestingHarness 的商业韧性测试产品,提供集群多机压测、共享历史与混沌探针等进阶能力
  • CursorAI 编程编辑器,可通过 VegaLoad 内置的 MCP 服务器和 agent skills 接入
  • Claude CodeAI 编程工具,可通过 VegaLoad 内置的 MCP 服务器和 agent skills 接入
展开详情收起详情:Harness 推出 VegaLoad:开源负载测试工具
☆ 收藏Harness Blog查看原文 ↗

Harness 推出 AI 预算功能

Harness 在它的成本管理 Agent 里新增了“AI 预算”功能,把写在纸面上的 AI 花钱规则变成实时能看见的限额。以前很多公司虽然定了 AI 费用政策,却没法知道有没有被执行,往往要等到下个月账单出来才发现超支。现在可以按团队、开发者、模型或项目设预算,每周重置,用到 90% 时提醒,超过 100% 就暂停使用,直到下周重置或有人批准加钱,加预算也能在系统里自助申请。这样超支几天内就能被发现,也方便留出审计记录。目前是早期开放阶段,文中未说明具体收费和全面上线时间。

文中可用工具

  • Harness提供 AI 预算与成本管理的平台
  • Cost Management Agent把云、AI 和工程开支归到负责人并执行预算限额
  • AI Budgets按团队、开发者、模型或项目设定 AI 花费上限并实时提醒或暂停
  • Cost Explorer按提供商、模型和 token 类型拆分查看 AI 花费
  • Software Delivery Agent在部署流水线中把预算作为关卡,超预算时先拦住
展开详情收起详情:Harness 推出 AI 预算功能
☆ 收藏Harness Blog查看原文 ↗

本周 Spring 动态 - 2026 年 10 月 20 日

这是 Spring 社区每周例行的动态汇总,作者 Josh Long 盘点了近期与 Java 和 Spring 相关的内容:Craig Walls 写了两篇文章,一篇讲用 Spring 和 JBang 免构建地搭建 MCP 服务,另一篇讲把回答拆成若干声明以便做事实核查;播客采访了 Andrew Lombardi,讨论 Java 能否比 Rust 更快(结论是能);作者本人发布了 Spring Boot 4.1 中防止服务端请求伪造(SSRF,即攻击者诱导服务器去访问不该访问的地址)的视频,以及用 Mise 一键配好 JDK、环境变量和包的教程;SivaLabs 则分享了在 Spring Boot 中使用 .env 文件、以及用 skills 生成符合期望风格代码的视频;另有一篇讨论模块化单体与微服务如何取舍的文章。读者可以按兴趣挑选这些教程和讨论,全部为社区分享内容,没有发布新的软件版本。

文中可用工具

  • SpringJava 开发框架,文章围绕其生态内容展开
  • JBang用于免构建运行 Java 程序,文中与 Spring 搭配搭建 MCP 服务
  • Spring Boot 4.1Spring 的快速开发框架,文中演示其 SSRF 防护功能
  • Mise统一管理包、JDK 和环境变量等开发环境配置
  • A Bootiful Podcast作者主持的播客节目,本期讨论 Java 与 Rust 性能
展开详情收起详情:本周 Spring 动态 - 2026 年 10 月 20 日
☆ 收藏Spring Blog查看原文 ↗

Distroless 的安全盲区:为什么自下而上构建容器是 OCI 镜像的下一次演进

长期以来,容器镜像要么塞进整个操作系统,体积大、漏洞多;要么用 distroless 方式拼命裁剪,可裁剪时往往把软件包的元数据也删掉了,导致 Trivy 等漏洞扫描器看不全内容,扫不出真实的漏洞,形成“看不见的安全盲区”。这篇文章提出第三条路:自下而上构建。先用 Chisel 从可信的 Ubuntu 软件包里精确切出应用真正需要的片段,再用 Rockcraft 通过一份 YAML 声明式地组装成标准 OCI 镜像,元数据全程保留,扫描器可以正常工作。作者还提到运行时要处理 PID 1 和僵尸进程的问题。读者能获得的是一种兼顾小体积与可审计性的镜像构建思路;文中描述的是开源工具和方案,具体落地效果原文未给出实测数据。

文中可用工具

  • Chisel开源工具,把标准 Linux 软件包切成更细的片段,只取应用需要的部分
  • Rockcraft开源构建工具,读取 YAML 声明,抓取源码和软件包片段并生成 OCI 容器镜像
  • Trivy容器漏洞扫描器,缺少软件包元数据时会发出警告
展开详情收起详情:Distroless 的安全盲区:为什么自下而上构建容器是 OCI 镜像的下一次演进
☆ 收藏The New Stack查看原文 ↗

DeepSeek 凭低价 AI 模型成名,如今又在压低搜索 API 价格

中国 AI 公司 DeepSeek 过去靠便宜的大模型打开名气,现在又进入搜索 API 市场。它开放了自己研发的搜索能力,推出 Search 和 Fetch 两个接口:Search 返回网页搜索结果(标题、链接、摘要),Fetch 把单个网页正文转成 Markdown 格式。每次成功请求收费 0.75 美元/千次,而且不需要额外调用模型,所以开发者即使使用其他公司的模型也能接入。此前开发者想在 DeepSeek 上联网搜索,往往要借助第三方服务,或在 agent harness 里额外发一次模型请求,慢且多花 token。这次把搜索单独做成接口,对做 AI 应用和智能体的人更省事、更便宜。目前 DeepSeek 未公开搜索架构细节,也不清楚是否已完全替换外部搜索供应商。

文中可用工具

  • SearchDeepSeek 新开放的搜索 API,返回带标题、链接和摘要的网页搜索结果
  • FetchDeepSeek 新开放的网页抓取 API,把单个网页内容以 Markdown 格式取回
  • DeepSeek-V4.1-Flash-1017随搜索 API 一同发布的 V4.1 Flash 模型小幅更新版本
  • ExaDeepSeek agent harness 支持的可替换搜索服务商之一
  • PerplexityDeepSeek agent harness 支持的可替换搜索服务商之一
  • Bocha此前为 DeepSeek 提供搜索 API 的中国 AI 搜索公司
  • BingDeepSeek 隐私政策中提到的外部搜索 API 提供方示例
  • Brave运营独立网页索引的搜索公司,文中作为自建搜索基础设施的例子
  • Parallel自建爬取、索引、查询和排序基础设施的搜索公司
  • Cloudflare Web Search APICloudflare 通过 AI Gateway 提供的搜索接口,可通过统一入口访问多家搜索服务商,目前处于 beta
  • CeramicCloudflare Web Search API 的默认搜索服务商
展开详情收起详情:DeepSeek 凭低价 AI 模型成名,如今又在压低搜索 API 价格
☆ 收藏The New Stack查看原文 ↗

他的扫描仪在 Linux 上不能用,于是让 Claude 研究 Windows 驱动

红帽工程总监 Christian Schaller 想把一箱旧家庭底片数字化,但买的 Plustek OpticFilm 8200i 扫描仪在 Linux 上不工作。原因是厂商换了芯片,现有 Linux 驱动认不出来。他最初让 Claude Code 直接写驱动,折腾很久没进展,搁置几个月。后来他换个办法:让 Claude 运行厂商的 Windows 软件、抓取 USB 通信数据,再和 Linux 驱动发送的数据对比,用能用的 Windows 驱动当参照来定位问题。几小时内他拿到第一张能认出的扫描图,几天后驱动还支持了红外扫描。他把这套方法开源成 hw-harness(MIT 许可),并顺手用同样思路修好了 ThinkPad 笔记本摄像头发暗、偏色的问题。对读者来说,这说明 AI 编程代理可以靠“对比可用实现”来啃下没有文档的硬件驱动难题,但最终仍需人工在真机上测试。目前他的扫描仪驱动只是概念验证,上游 SANE 已有另一位开发者的支持;摄像头补丁也尚未合并,仍在评审中。

文中可用工具

  • Claude CodeAI 编程代理,用来运行 Windows 驱动、抓取 USB 数据并对比修改 Linux 驱动代码
  • hw-harness开源工具集(MIT 许可),用于记录设备行为、对比可用与损坏的实现,让编程代理处理 Linux 尚不支持的硬件
  • SANELinux 扫描仪驱动框架,作者为其编写后端
  • Negative Vibes用 Rust 编写的 GNOME 底片处理应用,保留 16 位原始扫描数据并支持去尘、调色和导出
  • ArgyllCMS在 Negative Vibes 中用于色彩校准
  • libcameraLinux 摄像头图像处理框架,作者的补丁修改了其中的镜头阴影校正和黑电平计算
  • Plustek OpticFilm 8200i作者的底片扫描仪,使用 Genesys GL128 芯片,Linux 原本不支持
  • Lenovo ThinkPad X1 Carbon Gen 14 Aura Edition作者的笔记本,其索尼 IMX471 摄像头在 Linux 下成像过暗偏色,被本次补丁修复
  • Intel IPU7笔记本摄像头的成像系统,原文未说明更多用途
展开详情收起详情:他的扫描仪在 Linux 上不能用,于是让 Claude 研究 Windows 驱动
☆ 收藏The New Stack查看原文 ↗

在微软 Surface Laptop Ultra 上运行本地 AI 模型:我们的实测发现

微软新出了一台叫 Surface Laptop Ultra 的高端笔记本,瞄准的是做创意和开发的人,尤其是想在本地跑 AI 模型的开发者。它用了英伟达的 Blackwell RTX GPU,最高可选 128GB 统一内存,价格比苹果同类产品便宜。作者用它跑了一周本地模型,发现插电时速度很快,比如 Nemotron 3.5 Bolt 能达到每秒 56 到 60 个 token,但拔掉电源后性能大约掉两到三成,风扇也会明显变吵。内存带宽是瓶颈,8 位量化的 27B 稠密模型每秒只有八九个 token,降到 4 位才能到二十五六个。如果你主要插电用,它可以当一台不错的本地 AI 开发机;如果常靠电池跑大模型,续航和噪音需要权衡。

文中可用工具

  • Surface Laptop Ultra微软的高端笔记本电脑,用于在本地运行 AI 模型
  • Unsloth Studio运行和微调本地 AI 模型的工具
  • Ollama在本地运行大语言模型的工具
  • Hermes Agent运行 AI 智能体的工具
  • OpenCode用于编程的 AI 工具
  • Nemotron 3.5 Bolt英伟达发布的语言模型,适合在智能体或编程工具中运行
  • Qwen 3.8 27B稠密语言模型,测试中在本地运行
  • Gemma 4 26B-A4B混合专家语言模型,测试中在本地运行
展开详情收起详情:在微软 Surface Laptop Ultra 上运行本地 AI 模型:我们的实测发现
☆ 收藏The New Stack查看原文 ↗

员工用 AI「凭感觉编程」自建应用,Cloudflare 开源 Void 帮 IT 部门管起来

现在很多公司鼓励员工用 AI 自己做内部小工具,哪怕完全不懂编程也能上手,Ramp、Stripe 等公司已有类似做法。问题是这些应用绕过了 IT 部门:谁在用、能碰哪些公司数据、安不安全,都没人管,等于新的「影子 IT」。Cloudflare 因此开源了 Void——一套三个工具(SDK、命令行、自托管平台),员工有地方发布自己做的应用,管理员则能控制谁能部署、谁有权访问,公司可以装在自己的 Cloudflare 账号里。刚发布的 Void 1.0 已开放全部源代码(MIT 许可),原来的 Void Cloud 托管服务只限 Cloudflare 内部和少数受邀测试者使用。

文中可用工具

  • VoidCloudflare 开源的 AI 自建应用部署与管理平台,包含 SDK、命令行和自托管平台三部分
  • Void SDK用 Vite 构建全栈应用的开发组件,含服务端功能和数据库等集成
  • Void CLI负责部署,自动创建所需的 Cloudflare 资源,运行 void deploy 即可发布应用
  • Void Platform公司自托管的共享环境,管理员可通过后台看板管理员工部署的应用和访问权限
  • Vite前端构建工具,Void 用它来搭建全栈应用
  • Vite+把多种开发工具整合到单一命令行的工具集,已开源并发布 1.0
  • Rolldown基于 Rust 的打包工具,原文未说明具体用途细节
  • Oxc用于处理和解析 JavaScript 代码的工具集
  • Vitest测试框架,原文未说明具体用途细节
  • npmJavaScript 包管理平台,Void SDK 和 CLI 曾通过它分发
  • DenoJavaScript 运行时,Cloudflare 已收购其公司;原文未说明在本文情境下的具体用途
  • Astro开源 Web 框架,Cloudflare 已收购其团队;原文未说明在本文情境下的具体用途
展开详情收起详情:员工用 AI「凭感觉编程」自建应用,Cloudflare 开源 Void 帮 IT 部门管起来
☆ 收藏The New Stack查看原文 ↗

Dynatrace 发布雷达 09.26

Dynatrace 在9月发布了一批更新。以前,看数据库语句只能知道它执行了什么,却不知道是谁触发的;排查问题还得在不同页面之间来回切换,容易丢失分析上下文。这次新增了“服务回溯”功能,能从数据库查询直接看到上游调用链、负载分布和报错情况;分布式追踪可以在侧边浮层看瀑布图,原来的图表和筛选保持不变。QuickStart 把自动配置和手动安装放在一起,还能从问题直接打开 AI 助手 Dynatrace Assist,并用 dtwiz 自动配置 OpenTelemetry 主机监控。支持的主机现在也能和 OneAgent 监控的主机一起出现在基础设施与运营的 Compute 菜单中。这些功能已发布,具体入口和版本要求原文未详细说明。

文中可用工具

  • dtwiz自动配置 Dynatrace 的入门设置和 OpenTelemetry 主机监控所需扩展与路由
  • Dynatrace Assist从监控发现的问题直接打开,提供 AI 辅助信息
  • OpenTelemetry Collector采集主机监控数据并发送到 Dynatrace
  • OneAgentDynatrace 原有的主机监控方式,与 OpenTelemetry 监控主机并列显示
  • QuickStart把自动配置和手动安装向导集中在一起,引导新用户完成设置
  • Release Radar launchpad在 Dynatrace Playground 上演示九月更新效果
  • Schnitzel demo app通过 dtwiz setup 生成示例数据用于入门体验
  • OpenPipeline为 OpenTelemetry 主机监控配置动态路由
  • Distributed Tracing在侧边浮层打开追踪瀑布图,同时保留原图表和筛选
  • Services app从数据库查询语句打开服务回溯,查看上游调用链
  • Infrastructure & Operations展示 OpenTelemetry 与 OneAgent 监控的主机
展开详情收起详情:Dynatrace 发布雷达 09.26
☆ 收藏Dynatrace Blog查看原文 ↗

Kubernetes DRA 如何提升 GPU 利用率并降低成本

Datadog 的产品经理 Kathy Lin 和技术作者 David Lentz 写了一篇文章,讲 Kubernetes 的旧设备插件模型怎么限制 GPU 使用效率。旧模型里,团队必须提前把 GPU 切好固定的分区,请求只能写数量、看不出显存大小和连接方式,结果经常是花钱买的 GPU 容量白白闲着,或者任务排队等资源。新的动态资源分配(DRA)让 Kubernetes 按每个任务的具体需求灵活挑选和分配 GPU,还能让多个任务共用同一块 GPU,把闲置容量利用起来。读者可以了解 DRA 相比旧模型好在哪,以及用 Datadog 怎么跟踪这些改进和省下的成本。文章目前是博文介绍,没有给出具体性能数字,也没有说明 DRA 功能是否已普遍可用。

文中可用工具

  • Kubernetes Dynamic Resource Allocation按任务需求动态挑选和分配 GPU 等硬件,提升利用率
  • Kubernetes device plugin model旧版 GPU 分配方式,把设备当作可互换的数量单位
  • NVIDIA Multi-Instance GPU把一块 GPU 切成多个相互隔离的硬件实例
  • Datadog跟踪 GPU 利用率改进和成本节省情况
展开详情收起详情:Kubernetes DRA 如何提升 GPU 利用率并降低成本
☆ 收藏Datadog Blog查看原文 ↗