Datadog 产品分析新推出 Journey Paths（用户旅程路径）功能，能帮你看清用户从进入到转化的完整路径。过去漏斗只能告诉你多少人中途流失，但不知道他们去了哪里、做了什么；现在 Journey Paths 会按频率排序展示每条路径，比如有人在付款前反复点击帮助链接最终离开，你可以直接对比转化用户和流失用户走的路线，再配合转化分析、会话回放和 RUM 数据定位具体是哪类用户遇到了什么问题。这项功能目前已在 Datadog 产品分析中提供，需付费账户使用，新用户可申请 14 天免费试用。
文中可用工具
- Journey Paths在 Datadog 产品分析中可视化用户从进入到转化的完整路径，按频率排序并对比转化与流失路径
- Datadog Product Analytics分析用户在产品内的行为路径与转化漏斗的付费分析平台
- Conversion Analysis用统计分析找出与转化或流失相关的用户属性及行为分群
- Session Replay回放真实用户的操作录屏，确认已知行为在屏幕上的具体表现
- Real User Monitoring (RUM)采集前端性能与交互信号，如错误、延迟、暴怒点击等，关联用户行为做技术侧排查
展开详情收起详情：了解用户转化或流失的主要路径与 Journey Paths⌄
Datadog Blog
原文发布：2026-09-21 08:00收录：2026-09-22
这篇文章讨论的是企业登录用的 SAML 协议。以前 SaaS 兴起时，公司需要让员工用一个账号登录很多网站，SAML 和单点登录（SSO）就是干这个的。但 SAML 建立在 XML 之上，XML 签名验证极其复杂又容易出漏洞，导致实现往往依赖没人看得懂的 C 代码库。作者认为该淘汰 SAML，改用更现代的 OpenID Connect（OIDC），并回顾了 SAML 的委员会式设计起源、学术界推动和一连串安全攻击。
展开详情收起详情：SAML：糟糕设计的分形⌄
Trail of Bits Blog
原文发布：2026-09-21 19:00收录：2026-09-22
AWS 开源了一个叫 Strands Harness 的通用 AI Agent 基础框架，开发者可以本地运行或部署到云上。过去用 Strands 这类 SDK 搭 Agent，虽然零件齐全，但上下文怎么管、对话怎么存、工具怎么接，都得自己从头决定。Strands Harness 把这些预先配好，自带文件、shell、网页工具以及上下文压缩、记忆、会话持久化等能力，默认走 Amazon Bedrock，但也能改成 Anthropic、OpenAI、Google 或本地 Ollama。AWS 用六项基准测试对比后称，相比 Claude Code 和 Codex 平均便宜 45%、准确率大致相当；不过加入更便宜的 DeepSeek Harness 后，这一差距缩小到 28%。AWS 说这是通用 Agent 而非编程助手，目前可通过 pip 或 npm 安装使用。
展开详情收起详情：AWS 开源一款 AI Agent，声称比 Claude Code 和 Codex 便宜 45%⌄
The New Stack
原文发布：2026-09-22 02:30收录：2026-09-22
SpaceXAI 发布了新模型 Grok 4.7，专门练它连续干活好几个小时不掉链子。原来的问题是：编码助手做长任务时，一步走错，后面的步骤就全歪了，而且任务越跑越长、要记的东西越来越多，更容易出错。这次他们用更长的强化学习、故意多练费劲的长任务，还让模型学会检查自己刚才做得对不对、管住长上下文；在 Terminal-Bench 4.0 上从 20.3% 升到 38.0%，但对手 Claude Fable 5.1 仍有 57.9%，所以长任务可靠性还是没完全过关。对用的人来说，按每百万输入 2 美元、输出 6 美元算，跑几个小时可能更便宜，但出错率仍高，不能完全放手。
文中可用工具
- Grok 4.7SpaceXAI 发布的新模型，面向可长时间运行的编码智能体
- CursorBench 4.0测试编辑器内较长编码工作流的基准
- Terminal-Bench 4.0测试终端任务表现的基准
- AA Briefcase v1.1评估多小时专业工作的基准
- Grok Bot harness围绕模型处理工具暴露、终端响应格式化、结果回填和下一步决策的基础设施
- Codex harness / Agents APIOpenAI 将长期运行智能体的基础设施变成受管服务
展开详情收起详情：Grok 4.7 主打长时间运行编码智能体，但多数任务仍会失败⌄
The New Stack
原文发布：2026-09-22 03:13收录：2026-09-22
AI 智能体在做路由、安全检查、排序和升级这类决策时，其实不需要写出文字，却仍把问题发给生成式大模型，等它吐出答案再解析回来，既浪费算力又增加延迟。开发者 Jared Palmer 基于 Qwen 3.5 发布了开源决策模型 Kev，包含 0.8B、4B 和 9B 三个规模，采用只预填充、不逐字生成的方式，一次前向传播就读出选择概率；它只给已有选项打分，不会凭空造出新选项。Kev 最大模型在项目测试中准确率 83.7%，但概率校准可能偏移、微调后通用知识和算术能力下降，这些限制开发者已有说明。
文中可用工具
- Kev基于 Qwen 3.5 的开源决策模型，一次前向传播输出选项概率，不生成文字
- Qwen 3.5Kev 所基于的基础模型
- NoulKev 支持的是/否决策类型
- ChoiceKev 支持的从候选中选择决策类型
- ScoreKev 支持的有序等级评分决策类型
- JevTypeSafe 的 System One 平台中的决策模型，权重和训练数据未公开
- System OneTypeSafe 的决策平台，提供 /v1/systemone 请求和响应格式
展开详情收起详情：你的 AI 智能体正在为不需要文字的选择燃烧 Token⌄
The New Stack
原文发布：2026-09-22 03:13收录：2026-09-22
TypeSafe 这家公司隐藏研发两年后，带着 DCVC 领投的 4000 万美元种子轮融资亮相，发布了首个模型 Jev。普通聊天大模型是一个字一个字地往外蹦，对话很自然，但让软件等它做判断就太慢；Jev 不写文字，只做决定——开发者给它结构化的问答题，它直接返回带概率的选项或数值，软件可以据此处理“不确定”。据称它比普通 LLM 快 20 到 200 倍、便宜 40 到 400 倍，输出 token 免费，上线 AI Gateway 后 24 小时内成为采用最快的模型。对读者的用处是：以后应用里需要“做个判断”的地方，可以调用 Jev 而不是塞一个聊天模型进去。
文中可用工具
- JevTypeSafe 推出的文本模型，接收结构化问题并返回带概率的类型化决策，供软件在代码中判断和选择
- AI GatewayVercel 的模型接入网关，Jev 在此上线并成为采用最快的模型
- RLCDTypeSafe 为 Jev 开发的训练算法，全称“校准决策强化学习”，让模型输出带概率的可靠决策
展开详情收起详情：TypeSafe 推出 Jev：因为顺序式 LLM“对计算机毫无用处”⌄
The New Stack
原文发布：2026-09-22 03:36收录：2026-09-22
xAI 在 9 月 16 日给终端编程助手 Grok Build 加入了记忆功能，能把项目规则和决定写成 Markdown 笔记，下次打开时先读笔记再干活。Claude Code 早就有类似功能，但它的记忆只按单个代码仓库隔离，跨项目规则带不过去。有人在四个小型 Node 项目上做了三组测试，每组先告诉工具一个事实、关掉、再打开做相关任务。结果 Grok Build 三项全过，Claude Code 过了两项，跨项目规则传播失败。Grok 总花费 0.41 美元，Claude Code 花了 1.05 美元但速度更快。对普通开发者来说，Grok Build 目前是更便宜且跨项目记忆更可靠的选择。
文中可用工具
- Grok BuildxAI 的终端编程助手，支持记忆功能
- Claude CodeAnthropic 的终端编程助手，支持自动记忆功能
- Grok 4.6Grok Build 测试中使用的模型
- Opus 5Claude Code 测试中使用的模型
- npm testNode.js 的测试命令
- make testMakefile 中定义的测试命令
- MEMORY.mdClaude Code 记忆文件的索引
- xAI API key访问 Grok Build 的 API 密钥
展开详情收起详情：Grok Build 与 Claude Code：我实测了哪款记忆更强⌄
The New Stack
原文发布：2026-09-22 04:04收录：2026-09-22
现在的 AI Agent 做决定时，通常是先写一段文字或 JSON，然后由外部软件去猜它到底选了什么。TypeSafe 推出的 Jev 改变了这一点：它直接把“决定”本身作为输出，比如从几个选项里选一个、打个分数，或者回答是/否，并且给出这个决定的可信度概率。这样做的意义是，Agent 在思考和行动之间那些原本藏在文字里的判断，比如下一步该做什么、证据够不够、某个操作风险大不大，现在都能被记录下来、评估和审计。Harness 已经在评测、模型路由和风险打分等生产环境中试用了这个方案。
文中可用工具
- JevTypeSafe 推出的决策模型，直接输出带概率的类型化决定（Choice、Score 或 Noul），而非生成文本。
- Harness在生产环境中测试 Jev 决策原语，应用于评测、模型路由和风险打分。
- RLCDJev 训练所用的目标函数，全称“面向校准决策的强化学习”，旨在让模型输出的概率具有实际意义。
展开详情收起详情：Jev 在 Harness 中实现可审计的决策原语⌄
Harness Blog
原文发布：2026-09-21 20:57收录：2026-09-22
AWS 告知客户，因与伊朗冲突造成的损坏，它无法恢复仅托管在阿联酋 mec1-az2 可用区的资源与数据，也无法恢复仅托管在巴林区域的资源与数据。AWS 表示巴林的损坏波及多个可用区，超出了其区域级和多可用区服务的设计承受范围。可用区可以理解为同一区域里相互隔离的机房群，通常一处出问题不影响另一处。这次事件提醒依赖单一可用区的用户，数据可能无法找回，跨区备份更稳妥。
展开详情收起详情：AWS 无法恢复仅存于中东受损可用区的数据⌄
InfoQ Architecture & Design
原文发布：2026-09-21 16:43收录：2026-09-22
这是 OpenAI 的 Vinoth Govindarajan 做的一场技术分享，主题是生产环境里的 AI Agent 为什么会出错。他指出问题不只是在模型“胡说”，更多出在系统怎么管状态、怎么分配权限上。他拿 OpenClaw 等真实案例说明，可靠的做法包括：明确谁拥有状态、并发改动要排队、限制 Agent 能执行的范围，并在用户实际看到的边界处校验动作。文章只给出演示标题和摘要，具体工具与发布时间原文未说明。
文中可用工具
- OpenClaw文中作为生产 AI Agent 的真实案例提及，原文未说明具体用途
展开详情收起详情：演示：Agent 框架：生产级 AI Agent 的控制平面、不变量与审批边界⌄
InfoQ Architecture & Design
原文发布：2026-09-21 19:00收录：2026-09-22
这篇文章讨论企业个性化推荐系统常见的问题：系统只管“猜你喜欢”，却不考虑隐私、合规和可解释性。作者 Jerald Selvaraj 提出一种“治理优先”的架构，把“相关性”（推荐准不准）和“治理”（是否合规、可审计）分开处理。具体做法是用有状态记忆保存上下文、用策略驱动 AI 编排、并做可解释的打分。这样推荐既能更贴合场景，又能被审计和满足合规要求。不过文章只给了摘要，具体实现细节和是否已落地未说明。
展开详情收起详情：超越相关性：面向企业个性化的治理优先架构⌄
InfoQ Architecture & Design
原文发布：2026-09-21 19:00收录：2026-09-22
Uber 重新设计了其开源时序数据库 M3DB 的分片摆放方式。原来节点故障、维护或扩容时，数据分片搬动可能拖累太多其他节点，故障影响范围不好控制。现在他们把集群切成固定大小的“子集群”，让分片依赖关系有上限，同时保持副本隔离，并用贪心算法挑选要迁移的分片，不再单独跑一轮均衡，减少多余的数据搬运。这样节点出问题或扩缩容时，影响面更小。目前文章未说明该方案在 Uber 内部或开源版本中的具体发布状态。
文中可用工具
- M3DBUber 开源的时序数据库，用于存储监控指标等时间序列数据
展开详情收起详情：Uber 重新设计 M3DB 分片：用子集群限制故障影响⌄
InfoQ Architecture & Design
原文发布：2026-09-21 22:37收录：2026-09-22
本周（2026年9月14日）的 Java 新闻综述汇总了几项发布：JDK 27 正式版（GA）以及 LibericaJDK 27、Open J Proxy 1.0 和 A2A Jakarta 1.0 正式发布，另外 Azul Payara、JHipster、JetBrains Ktor 和 BoxLang 发布了小版本更新。同时还介绍了一个叫 Netflix ja 的新工具，为 Java 开发者提供现代化 JMS 命令行开发体验。简单说，Java 开发者这周有了新的正式版 JDK 可用，还有几款工具更新和一个新的命令行工具。
文中可用工具
- JDK 27Java 开发工具包，正式版本已发布
- LibericaJDK 27Java 开发工具包的发行版，已正式发布
- Open J Proxy 1.0原文未说明用途，仅提到 1.0 正式发布
- A2A Jakarta 1.0原文未说明用途，仅提到 1.0 正式发布
- Azul Payara原文未说明用途，仅提到发布了小版本更新
- JHipster原文未说明用途，仅提到发布了小版本更新
- JetBrains Ktor原文未说明用途，仅提到发布了小版本更新
- BoxLang原文未说明用途，仅提到发布了小版本更新
- Netflix ja面向 Java 开发者的现代化 JMS 命令行开发体验工具
展开详情收起详情：Java 新闻综述：JDK 27、Open J Proxy、A2A Jakarta、Azul Payara、BoxLang、Netflix ja⌄
InfoQ Architecture & Design
原文发布：2026-09-22 01:00收录：2026-09-22
Spring 框架的维护团队发现，AI 让漏洞被发现和利用的速度大大加快，他们每月平均收到近 80 份社区安全报告，于是决定改革发布方式。以前 Spring 全家桶要分两周、按依赖树逐层发布，现在压缩成一天内一次性发布所有补丁，称为"补丁星期四"，固定在每月第三个星期一之后的星期四。网站 spring.io/security 也重新设计，可以按编号、严重程度和项目快速查找安全公告。对使用 Spring 的开发者来说，以后每月只需在一天内更新所有补丁，不用再等两周，目前他们已修复 160 多个 CVE。9 月 24 日将只有里程碑版本，10 月 22 日开始按新格式发布常规补丁。
展开详情收起详情：Spring 发布流程革新：应对现代安全挑战⌄
Spring Blog
原文发布：2026-09-21 08:00收录：2026-09-22
Spring AI 社区推出了一个新项目 Spring AI TypeSafe，它把 TypeSafe AI 的托管 Jev API 接进了 Spring 生态。平时在 AI 应用里常要快速做一些小判断，比如给客服工单打分、决定该转给哪个部门、评估一段推理结果可不可信，这些用聊天模型做往往又慢又贵，还得写提示词模板和 JSON 解析。TypeSafe 的思路不一样：它不是聊天模型，不生成文字，只做分类、打分和选择。你给它一段状态和一组带类型的问题，它一次性返回布尔值、选项和分数，还附上置信度，大概三百毫秒出结果。项目已发布在 Maven Central 上，版本 0.1.0，附带七个可运行示例；不过部分性能对比数据来自 TypeSafe 自己的基准测试，还需要独立验证。
文中可用工具
- Spring AI TypeSafeSpring AI 社区的新项目，把 TypeSafe 的判断 API 接入 Spring 应用
- TypeSafe AI Jev API托管服务，只做分类、打分和选择，不生成文字
- spring-ai-starter-typesafeSpring Boot 起步依赖，加入后自动配置 TypeSafeClient
- typesafe-spring-aiSpring AI 模块，提供下文提到的 judge 和 advisors
- typesafe-java-sdk纯 Java 环境用的 SDK，不依赖 Spring Boot
- Maven Central托管项目依赖的仓库
展开详情收起详情：Spring AI 与 TypeSafe Jev：快速、低成本、结构化的决策⌄
Spring Blog
原文发布：2026-09-21 08:00收录：2026-09-22
V7 用 GPT-5.6 把公司里散落各处的文件整理成 AI 智能体能用的上下文，让它们完成复杂任务时还能标出信息来源。原来这些文件零散、格式乱，智能体难以直接利用。V7 的办法是把文件转成结构化、带出处的上下文，相当于给 AI 装了一本可检索的“公司记忆”。对读者的用处是：以后 AI 干活时能引用具体文件，结果更容易核查。目前只有简短介绍，具体怎么用、是否开放、价格都没说明。
文中可用工具
- GPT-5.6为 V7 提供理解与生成能力的底层模型
- V7把公司文件整理成 AI 智能体可用的带来源上下文
展开详情收起详情：V7 如何为 AI 智能体提供机构记忆⌄
OpenAI News
原文发布：2026-09-21 08:00收录：2026-09-22
OpenAI 为 OpenAI Academy 增加了新的学习路径。原来这个学习平台内容比较有限，现在面向员工、开发者、领导者、教育工作者和学生，提供不同方向的课程，帮助大家学习和展示实用的 AI 技能。对读者来说，如果你属于这几类人群，可以按自己的角色找到对应的学习内容，更方便地上手 AI。目前原文只提到这些学习路径已推出，没有说明具体课程数量、价格或上线时间等细节。
展开详情收起详情：OpenAI Academy 扩展新学习路径⌄
OpenAI News
原文发布：2026-09-21 15:00收录：2026-09-22
OpenAI 提出了一份关于全球人工智能标准建设的路线图，核心是呼吁各方在评估、报告和治理上加强协调，以提高 AI 安全性。简单说，就是希望各国、各机构在判断 AI 是否安全、如何公开信息、由谁来管这些问题上，别各搞一套，而是尽量用统一的方法。目前这只是一个倡议和方向，具体标准内容、落地时间以及哪些国家或组织参与都还没有公布。对普通读者来说，这意味着未来 AI 产品的安全门槛和信息披露方式可能逐渐走向一致，但短期内还看不到实际变化。
展开详情收起详情：为人工智能下一阶段制定标准⌄
OpenAI News
原文发布：2026-09-21 18:00收录：2026-09-22
Higgsfield AI 是一家做视频广告工具的公司，他们用了一个叫 GPT-6 Astra 的新模型，在一天之内就把新的视频功能做好了并推出。以前小企业想自己制作视频广告通常比较麻烦，现在这些新功能让做视频广告变得更简单，而且公司能把新的创意工具更快地送到用户手上。对于需要做视频广告的小商家来说，这意味着可以用更省事的方式完成广告制作。目前信息只来自标题和简短摘要，具体上线了哪些功能、是否已经全部开放、价格如何，都没有说明。
文中可用工具
- GPT-6 Astra用来帮助快速开发并上线新视频功能的模型
- Higgsfield AI为小企业提供视频广告制作工具
展开详情收起详情：Higgsfield AI 借助 GPT-6 Astra 一日内上线新视频功能⌄
OpenAI News
原文发布：2026-09-21 20:00收录：2026-09-22
OpenAI 正在与一个独立的“数学与人工智能咨询小组”合作，目的是帮助审查和对外沟通新出现的 AI 研究成果。原来，AI 在数学等领域产生的成果越来越多，怎么判断这些结果是否可靠、如何向外解释，缺乏一个独立的把关和沟通机制。这次合作让这个外部咨询小组来参与评估和传播环节，相当于给新成果加了一道独立审核与说明的流程。对读者来说，未来看到 OpenAI 相关的数学 AI 进展时，可能会多一层来自外部专家的审核和解释；不过目前只提到合作方向，具体怎么运作、能用在哪些产品上，材料里没有说明。
展开详情收起详情：数学与人工智能咨询小组⌄
OpenAI News
原文发布：2026-09-21 20:00收录：2026-09-22