Datadog 的工程师用自家产品 Insights 来观察和优化他们自己的 AI agent。Insights 会分析 agent 的运行记录，找出它在哪些地方花了过多 token、工具调用失败或任务没完成，并解释原因、估算影响、给出有依据的修复建议。例如它发现搜索工具一次返回太多内容，导致后续请求被重复计费；还发现请求顺序不对，使提示缓存无法复用，估算每月可省约 2734 美元。工程师随后把建议交给编程 agent 改代码，并通过重放原任务验证修复后 token 是否更少、回答是否仍然正确。这是 Datadog 的自用案例，节省数字为估算、尚未实测。
文中可用工具
- Insights分析 agent 运行记录，找出成本与可靠性问题并给出修复建议
- Agent ObservabilityDatadog 用于观测 AI agent 的产品，Insights 位于其中
- search_llmobs_spans在已记录的 trace 中搜索证据的工具
- update_insight用于更新已有 insight 的工具
- Fix with Bits把 insight 的证据与建议交给编程 agent 修改代码
展开详情收起详情：我们如何用 Insights 改进 Insights 背后的 agent⌄
Datadog Blog
原文发布：2026-10-30 08:00收录：2026-10-31
P99 CONF 是一个线上会议，专门讨论高性能、低延迟的应用，2026 年的大会在 10 月 21 日至 22 日举办。本文从 60 多场演讲中挑选了五场来介绍，主题都是数据库在不同设计之间如何取舍。比如，读写和存储空间往往此消彼长：让写入变快，读起来可能更费劲。还有团队把数据放到对象存储上并加缓存，用便宜的大容量存储换取稍慢的冷读取；也有团队改用内存索引，让读取更快、几乎不出现长尾延迟，代价是占用更多内存、写入更重。这些结果都针对演讲中特定的测试负载，并非通用性能保证；演讲录像需注册后可在 p99conf.io 点播观看。
文中可用工具
- SlateDB开源库，让开发者在 S3 等对象存储上直接搭建键值数据系统，不用自己实现 LSM
- LogstorScyllaDB 中可选开启的存储引擎，面向读多写少的键值负载，用内存索引加快单点查询
- Valkey内存数据库，文中通过多线程网络 I/O 和槽位迁移来提升吞吐和横向扩展速度
- turbopuffer向量搜索引擎，在对象存储上支撑千亿级向量的低延迟检索
- RaBitQ二进制量化方法，把向量的影子索引压缩到每维一位，用来先缩小候选范围
展开详情收起详情：五场 P99 CONF 演讲揭示了数据库的哪些权衡取舍⌄
The New Stack
原文发布：2026-10-30 21:00收录：2026-10-31
OpenAI 在 10 月 26 日发布了 GPT-6.1 Terra，把它定位成便宜、快速、适合大量日常任务的模型，价格只有旗舰 GPT-6 Astra 的十分之一：输入每百万 token 1 美元、输出 5 美元，而 Astra 是 10 美元和 50 美元。作者用三项自己造的测试对比两者：SQL 推理、数据校验和故障日志排查，推理强度都设为 high。结果是 Astra 更准，例如 SQL 测试 48/50 对 26/50，数据校验 50 对 45；Terra 更快更便宜，SQL 测试约 0.08 美元、133 秒，Astra 约 1.65 美元、320 秒。作者指出，Terra 会把需要累加的任务交回给用户自己跑查询，还会自信地给出错误计数，使用时需要挑选场景。这些只是单次合成测试结果，文章没有说明正式可用范围等更多信息。
文中可用工具
- GPT-6.1 TerraOpenAI 发布的低价快速模型，用于高量日常任务
- GPT-6 AstraOpenAI 的旗舰模型，价格更高但测试中更准确
- GPT-5 Mini文中用作较弱对照模型，用于校准难题测试
- OpenAI API作者用来运行三项测试的接口
展开详情收起详情：GPT-6.1 Terra 对比 GPT-6 Astra：高推理强度下，一个以准确率换低成本与高速度⌄
The New Stack
原文发布：2026-10-30 22:59收录：2026-10-31
Kubernetes 社区在 10 月 27 日宣布成立一个专门的工作组，要为「工作负载在 Kubernetes 上运行时的行为」制定统一标准。此前虽有测试能判断一个集群能不能跑 AI/机器学习任务，但对于具体工作负载本身没有类似标准，团队只能靠变通办法、手动摸索，或者盯着节点被清空、权限报错这类迹象来排查问题。新工作组希望补上这块空白，让不同工作负载在集群里的运行表现有一致、可检验的规范。对跑 AI 工作负载的团队来说，这意味着未来判断平台是否适合自己的任务会更有依据；不过目前只是宣布成立并征集社区意见，标准尚未发布。同期还有：TNS 与 HPE 合作发布一本关于在 Kubernetes 上运行 AI 工作负载的电子书，可立即下载；OpenTelemetry 转换语言 OTTL 达到 v1，对 traces、metrics、logs 稳定，包含在 Collector Contrib v0.164.0 及之后版本，并承诺语法和标准函数保持向后兼容。另有 AWS 架构师预告将在 KubeCon 展示用 agent 流水线实时分析工作负载并在 GPU 上共置多个模型的方案，属于演示预告，原文未说明可用时间。
文中可用工具
- Kubernetes容器编排平台，文章讨论其上新成立的工作负载一致性工作组
- Kubernetes AI Conformance已有测试，用于判断集群能否运行 AI 或机器学习工作负载
- OpenTelemetry Transformation Language (OTTL)OpenTelemetry 的配置语言，可在收集器层修改、过滤和丰富遥测数据
- Collector ContribOpenTelemetry 收集器贡献版，v0.164.0 起包含 OTTL v1
- VPC Flow LogsGoogle Kubernetes Engine 内置功能，记录 IP、端口和协议之间的连接，帮助排查临时 Pod 的问题
展开详情收起详情：Kubernetes 成立工作负载一致性工作组，为何对 AI 团队意义重大⌄
The New Stack
原文发布：2026-10-31 01:29收录：2026-10-31
前 GitHub CEO Thomas Dohmke 创办了新公司 Entire，本周推出一个 GitHub 替代品，用 AI 代理审查代码改动的 Trails 系统取代传统 pull request，开发者负责把关。他在采访中表示，最担心的是人们以为不再需要学编程，认为每个孩子除了数学、生物、地理，也应懂计算机科学基础。文中还提到其他几位业内人士的看法：有人担忧速度快但理解不足、出现低质量代码，也有人担忧 AI 代理的信任与安全机制跟不上，以及工具价格把人挡在未来之外。
文中可用工具
- TrailsEntire 推出的代码审查系统，用 AI 代理评估代码改动，开发者负责监督
- GitHub原文中作为被替代的传统代码托管与 pull request 平台被提及
展开详情收起详情：Entire 联合创始人 Thomas Dohmke 最担心科技未来的什么？⌄
The New Stack
原文发布：2026-10-31 03:37收录：2026-10-31
HPE 的三位产品负责人（Marius Bogoevici、Mahesh Ramachandran、Karthik Subramanian）在一篇赞助文章中讲了怎么发现 AI 服务“机器很忙但用户体验差”的问题。原来大家常看 GPU 利用率，但它只说明显卡在干活，不代表回答够快、够准——首字快可能后面生成很慢，整体快也可能答错。他们建议上线前先用有代表性的提问和流量做一次“基准测试”，记下首字时间、每字生成速度、吞吐量和答案质量，上线后再拿实时表现跟基准对比，并把请求数据和 GPU、网络、数据库、向量库等底层指标对齐，才能分清是需求涨了还是哪里卡住了。读者可以据此建立更靠谱的监控和扩容依据；报道没有给出具体测试数字，相关方法和电子书属于推荐做法，HPE Morpheus 与 OpsRamp 是厂商产品介绍，并非已公开的独立评测结果。
文中可用工具
- HPE Morpheus Software在混合环境中统一开通和管理虚拟机与 Kubernetes 集群的平台
- HPE Kubernetes Service (HKS)Morpheus 高级版和企业版中包含的 Kubernetes 服务
- HPE OpsRamp Software跨多云混合基础设施的全栈可观测与监控工具
- Horizontal Pod AutoscalerKubernetes 自带的按指标自动扩缩容组件
展开详情收起详情：GPU 繁忙会掩盖 Kubernetes 上缓慢的 AI 推理⌄
The New Stack
原文发布：2026-10-31 03:56收录：2026-10-31
Anthropic 把每月 200 美元的套餐改名为 Ultra（原来叫 Max 20x），并取消了这个套餐中 Claude Code 的“滚动五小时用量上限”。以前用户即使本周还有剩余额度，也可能在调试或大重构做到一半时被这个五小时上限卡住，只能等重置。现在只要账号通过验证、且本周额度没用完，就不会再被五小时窗口打断；验证按账号和付款记录自动进行，无法申请加速，通过后会收到邮件通知。注意周用量上限仍然存在，网页、桌面和手机上的 Claude 聊天与 Claude Code 共用同一份额度，用完后可按 API 标准价格购买额外用量。对经常撞上五小时限制但周额度还有剩的人，Ultra 可能值得比 Max 多付 100 美元；如果每周额度本来就早早用完，取消五小时限制并不会增加可用量。另外 Max 5x 改名为 Max，两个套餐价格仍为每月 100 和 200 美元，老用户无需操作。
文中可用工具
- Claude CodeAnthropic 的命令行 AI 编程工具，此次取消了 200 美元套餐的五小时用量上限
- ClaudeAnthropic 的聊天助手，其网页、桌面和手机端用量与 Claude Code 共用每周额度
- Claude Platform API供开发者调用 Claude 的接口，套餐附带等额月度 API 额度
展开详情收起详情：Anthropic 取消 Claude 一项重要用量限制，但并非人人适用⌄
The New Stack
原文发布：2026-10-31 04:14收录：2026-10-31
微软宣布，Azure Deployment Environments 将于 2027 年 2 月 22 日停用，而且没有推出替代产品。届时，使用该服务的团队需要改用 Bicep 或 ARM 模板，直接部署环境。Microsoft Dev Box 会在 2028 年 9 月 18 日停用，官方建议转向 Windows 365，但微软自己说明，两者并非一一对应的替代关系。仍在 Dev Box 上的工作负载预计会被删除。对用户来说，原有环境管理能力将逐步消失，需要提前规划迁移，改用相应工具或服务。
文中可用工具
- Azure Deployment Environments按需创建和管理开发环境的 Azure 服务，即将停用
- Bicep微软的声明式基础设施即代码语言，被建议作为直接替代方式
- ARM templatesAzure 资源管理器模板，被建议作为直接替代方式
- Microsoft Dev Box面向开发者的云托管开发机服务，将于 2028 年停用
- Windows 365微软云电脑服务，被指为 Dev Box 的迁移方向，但非一一对应
展开详情收起详情：微软将停用 Azure Deployment Environments，且无替代产品⌄
InfoQ Architecture & Design
原文发布：2026-10-30 16:13收录：2026-10-31
Alasdair Allan 在一场演讲中介绍了他对 METR 和 Anthropic 关于 AI 编程普及情况所做的实证研究。他指出一个“监督悖论”：工程师越依赖 AI 工具，新人就越难在真实任务中练出基本功，机构内部积累的经验和背景知识也容易流失。长期来看，这会让能够有效监督自主系统的高级工程人才出现断层。对读者来说，这提醒企业在推广 AI 编程时不能只看效率，还要给初级工程师保留足够的动手成长机会和传帮带机制。
展开详情收起详情：演讲：缺失的阶梯——当 AI 吃掉中层，工程师如何晋升⌄
InfoQ Architecture & Design
原文发布：2026-10-30 19:00收录：2026-10-31
DoorDash 优化了杂货复购流程：过去用户要等约 16 秒才能重新下单，现在缩短到约 2 秒。做法是提前用批量 LLM 推理算出用户常买的东西，再用确定性的规则校验，而不是每次临时让模型现算；同时实时核对商品目录，保证选中的货还在售，并把清单做成可编辑界面，用户不改就不必再调用模型。DoorDash 称购物清单浏览量翻倍，该流程下单率提升约 34%。这些数字来自公司自述，文中未说明上线范围、统计口径和具体模型。
展开详情收起详情：DoorDash 借助 AI Agent 将杂货复购延迟从 16 秒降至 2 秒⌄
InfoQ Architecture & Design
原文发布：2026-10-30 21:31收录：2026-10-31
Cursor 官方发布安全公告说，有人在它的 VS Code 扩展市场里上架了被篡改的 Anthropic Claude Code 扩展 2.1.312 和 2.1.313 版（Windows 和 macOS），这两个版本并非 Anthropic 官方发布。它们会偷偷收集主机名、用户名、环境变量等机器信息并外传，还会试图往你的 SSH 授权文件里塞入攻击者的公钥、开启本地 SSH 服务、建立反向隧道，好让攻击者以后能远程登录；由于代码有 bug，开启 SSH 服务这一步在普通权限下通常会失败。Cursor 已下架这两个版本、一度关闭整个市场、审计确认其他扩展未被改动，并配合云厂商把攻击者服务器下线。如果你在 2026 年 10 月 29 日凌晨 2:27 到下午 1:35（太平洋时间）之间装过或升级到这两个版本，请按公告检查 ~/.ssh/authorized_keys 里是否有 svc-telemetry 键，并运行对应平台的清理脚本；只卸载扩展可能不够，因为恶意脚本会独立持久化。
文中可用工具
- Cursor VS Code 扩展市场Cursor 提供 VS Code 扩展下载的市场，此次被植入恶意扩展
- Anthropic.claude-codeAnthropic 的 Claude Code 扩展，此次被篡改的 2.1.312 和 2.1.313 版本含恶意代码
- remediate-macos.sh官方提供的 macOS 清理脚本，用于移除恶意扩展、持久化机制和后门键
- remediate-windows.ps1官方提供的 Windows 清理脚本，用于移除恶意扩展、计划任务和后门键
展开详情收起详情：安全公告：Cursor VS Code 扩展市场现恶意版 Anthropic.claude-code（2.1.312 与 2.1.313）⌄
Cursor Blog
原文发布：2026-10-29 20:00收录：2026-10-31
日本金融公司 Credit Saison 先做了一次小范围试用，让部分员工使用 ChatGPT Enterprise 办公。试点结束后，他们算出的投资回报率达到 954%，也就是每投入 1 元能收回约 9.5 元的效益。公司管理层和一线员工一起推动了这次试用，并借助这些结果，把 ChatGPT Enterprise 从试点推广到全公司使用。对读者的意义是：这是一家金融企业公开的 AI 工具落地案例，但原文没有说明具体测算了哪些收益、试点覆盖多少人，也没有提到工具目前是否已经全员可用。
文中可用工具
- ChatGPT EnterpriseOpenAI 面向企业提供的 ChatGPT 版本，供员工在工作中使用
展开详情收起详情：Credit Saison 在 ChatGPT Enterprise 试点中实现 954% 的投资回报率⌄
OpenAI News
原文发布：2026-10-29 08:00收录：2026-10-31
OpenAI 公开了一些法庭意见书的节选，提交者包括创作者、学者、无障碍权益倡导者和法律专家等。这些意见书讨论的是“合理使用”原则如何支持 AI 训练和创新。所谓合理使用，是指在某些条件下可以不经授权使用已有作品，这次讨论的就是它是否适用于 AI 训练。目前公开的只是意见书节选，具体内容和后续结果原文没有说明。
展开详情收起详情：合理使用惠及所有人⌄
OpenAI News
原文发布：2026-10-30 08:00收录：2026-10-31
OpenAI 表示正在加强 ChatGPT 的暴力预防能力，具体做法是扩大安全防护范围、更早介入潜在风险，并承诺发布公共安全报告。不过，材料只给出了这段概述，没有说明防护具体覆盖哪些情形、“更早介入”靠什么判断，也没有说明安全报告多久发布一次、包含哪些内容，这些细节均未披露。对普通用户来说，能确认的信息是：ChatGPT 在暴力相关内容上的限制会收紧，青少年使用时的保护也被单独提及。目前这些措施处于什么状态、何时生效，原文未说明。
文中可用工具
- ChatGPTOpenAI 的对话式 AI 产品，本次将加强其中的暴力预防与青少年保护措施
展开详情收起详情：社区安全报告与面向青少年的新保护措施⌄
OpenAI News
原文发布：2026-10-30 17:00收录：2026-10-31
OpenAI 表示，将遵守一个共享的 robots.txt 信号，让网站运营者可以用同一种方式，向参与这项机制的 AI 服务商表明自己是否允许内容被用于 AI 训练。过去网站要分别向各家表达意愿，既麻烦又容易漏掉；现在只需在 robots.txt 里加一处标记，参与的服务商就会按这个偏好处理。对网站方来说，控制内容用途更省事；对普通读者来说，这不会改变你浏览网页的方式。目前只提到 OpenAI 会遵守这一信号，具体标准名称、参与厂商名单和生效时间原文没有说明。
展开详情收起详情：让网站更容易表达 AI 训练偏好⌄
OpenAI News
原文发布：2026-10-30 17:30收录：2026-10-31
Dynatrace 发布了一个现成的仪表盘，能把运行中的 AI 服务里发现的漏洞集中展示出来。原来团队很难看清自己的 AI 模型、Agent 和推理流程里到底运行着哪些有漏洞的开源依赖，信息分散、缺少上下文。这个仪表盘把运行时漏洞分析和 AI 可观测性结合起来，按严重程度和影响范围汇总，还提供覆盖情况表，告诉你哪些 AI 进程已被扫描、哪些还没被扫。该仪表盘现已可用，前提是先接入 AI 可观测性并开启运行时漏洞分析。
文中可用工具
- Runtime Vulnerability Analytics在运行时扫描进程，发现其中加载代码的已知漏洞
- AI Observability发现并监测 AI 服务相关实体，为漏洞视图提供数据
- OpenInference原文推荐用于接入 AI 可观测性的埋点工具
- GenAI Smartscape识别 AI 服务背后的进程实体
- LangChain原文仅作为 AI 相关开源框架名称提及，未说明具体用途
- Hugging Face原文仅作为 AI 相关开源框架名称提及，未说明具体用途
展开详情收起详情：揭示你的 AI 服务中的漏洞⌄
Dynatrace Blog
原文发布：2026-10-30 02:03收录：2026-10-30
Dynatrace 这次把 AI 可观测性的数据接入打通了：不管你用的是编码 Agent、Python 大模型应用，还是基于 OpenInference 的工具，采集到的运行数据都能汇到同一个地方。原来每种工具格式不同，往往要各自搭一条接入通道，额外做不少管线工作；现在这些数据会被统一整理成同一套 gen_ai.* 数据模型。对用 Python 调 AWS Bedrock、OpenAI 或 LangChain 的团队，OneAgent 只要开一个设置就能自动采集，不用改代码；已用 OpenInference 的团队，原有埋点也能直接接入。这样团队能把精力放在做应用上，排查问题和看成本也更方便。另外，Anthropic、Google ADK 等十余种框架的 Python 传感器目前是实验状态，采集完整度可能变化，正式可用时间原文没说明。
文中可用工具
- OneAgent自动采集 Python 大模型应用的日志、追踪和 LLM 遥测，开启设置即可，无需改代码
- OpenInference面向 AI 应用的开源埋点规范，支持 33+ 框架自动采集追踪，Dynatrace 可直接接收其数据
- Claude Code编码 Agent，Dynatrace 可采集其 OpenTelemetry 信号以监控用量和成本
- Codex (OpenAI)编码 Agent，Dynatrace 可采集其遥测
- Cursor编码 Agent，Dynatrace 可采集其遥测
- Google Antigravity编码 Agent，Dynatrace 可采集其遥测
- GitHub Copilot编码 Agent，Dynatrace 可采集其遥测
- Claude Managed AgentsDynatrace 支持对其追踪，可查看 Agent 会话、模型调用和 token 消耗
- Claude PlatformDynatrace 是其官方可观测性合作伙伴，可原生导出 OpenTelemetry 追踪
- OpenTelemetry开放遥测标准，OpenInference 规范已捐赠给该项目，Agent 追踪也基于它
- AWS Bedrock原文提到 Python 应用可通过 OneAgent 采集调用它的遥测
- LangChain原文提到 Python 大模型应用可通过 OneAgent 采集其遥测
展开详情收起详情：Dynatrace 统一 AI 可观测性数据接入，覆盖编码 Agent、OneAgent 与 OpenInference⌄
Dynatrace Blog
原文发布：2026-10-30 02:40收录：2026-10-30
Datadog 的几位工程师建议，AI Agent 的工作负载应优先考虑无服务器（按请求分配算力、空闲缩到零）而不是常开服务器。他们分析了超过 3.5 万次生产环境编程 Agent 会话，发现中位数会话只有 20% 的时间在真正调用模型或工具，其余时间都在等待，但沙箱资源一直占着，常开算力等于为闲置时间付费。做法是先给工作负载建一份「执行画像」，记录峰值并发、单次运行的实际计算时长与总耗时之比等，再据此判断用按需算力还是专用节点；长任务可以拆成可恢复的无服务器工作流，等待时释放算力、下一步就绪再继续。读者可以据此避免过早购买常开算力，并用上线后的真实数据再决定是否迁移，文中还提到可用 Datadog 的 Agent 可观测性、APM 和无服务器监控来测量这些指标。
文中可用工具
- Datadog Agent Observability观测 AI Agent 的运行，测量每次运行的总耗时和各步骤时长
- Datadog APM通过链路追踪查看模型、工具和应用层面的耗时
- Datadog Serverless Monitoring测量无服务器组件的执行时长、调用量、并发和 CPU 内存使用
- AWS Lambda文中举例的无服务器计算服务，增强指标可报告 CPU 利用率和 CPU 时间
展开详情收起详情：AI Agent 默认先用无服务器，让生产数据决定何时迁移⌄
Datadog Blog
原文发布：2026-10-29 08:00收录：2026-10-30
OpenAI 此前报告了一种“自我复制提示注入”：攻击者把隐藏指令藏在 AI 智能体读取的内容里，诱导智能体照做，并把这些指令复制进邮件、文件或消息中，从而感染其他智能体和后续会话，像电脑蠕虫一样扩散。这次 Datadog 把 OpenAI 报告中的两个例子改造成针对测试智能体的模拟攻击，并用其安全产品 Datadog AI Guard 检查智能体读到的内容和发起的工具调用。结果 AI Guard 在看邮件或 CSV 时，就标记了被植入的内容不安全；当测试智能体把注入指令复制进回复或技能文件时，AI Guard 也判定这些操作不安全。需要注意的是，这是模拟环境中的演示，不是正式发布的新功能，也不能说明真实的拦截成功率；文章的重点是展示如何排查智能体最终回复里看不出来的可疑行为。
文中可用工具
- Datadog AI Guard评估 AI 智能体的输入、输出和工具调用，标记提示注入等不安全行为
- GPT-5.4 mini测试智能体所用的 OpenAI 模型
展开详情收起详情：检测 AI 智能体是否复制自我复制的提示注入⌄
Datadog Blog
原文发布：2026-10-29 08:00收录：2026-10-30
Datadog 为语音智能体加了可回放的追踪功能。以前排查语音问题只能看文字记录，但文字看不出停顿、抢话、被中断等真实体验，也分不清音频和文字是否一致。现在用 OpenAI Realtime API 构建的应用可以自动把每轮对话的输入输出音频、转写、token 用量和工具调用记进同一条 trace，还能直接播放音频；同时提供一个「用户等首段回复音频多久」的指标，方便找慢的会话。做语音应用的开发者可以边听录音边看调用链，判断问题出在模型、工具还是打断环节，不用再只靠文字猜。Python 端需 ddtrace 4.13.0 及以上；ElevenLabs Realtime 支持和 Amazon Nova 2 Sonic 支持尚在后续或部分覆盖范围，具体可用范围原文未完全说明。
文中可用工具
- Datadog Agent Observability把语音对话的音频、转写、token 用量和工具调用记录在一条 trace 里，便于回放和排查问题
- OpenAI Realtime API用于构建实时语音智能体的接口，其会话可被自动追踪
- ddtracePython 追踪库，4.13.0 及以上版本可自动采集语音轮次数据
- ElevenLabs Realtime API原文称其支持将在 ddtrace 4.17.0 提供，尚未开放
- Amazon Nova 2 Sonic原文称 Python 和 Node.js 追踪器新增对其构建的应用的追踪支持
展开详情收起详情：使用 Datadog Agent Observability 追踪语音智能体⌄
Datadog Blog
原文发布：2026-10-29 08:00收录：2026-10-30