跨栏目检索
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
Dynatrace 把自家用户社区搬到了一个新平台上，这个平台内置了 AI 能力。原来社区积累了大量提问和解答，但搜索不太懂用户的具体处境，找答案要靠翻帖子。新平台加入了 AI 摘要、相关讨论推荐和用自然语言提问找答案的功能，搜索变成边输入边出结果，还能按分类、作者、日期或是否已解决来筛选。通知也更灵活，可以关注或屏蔽特定主题，并支持用 Markdown 写代码和命令。老成员的账号、发帖数、点赞、徽章和奖励都保留，旧链接也照常可用，用原 Dynatrace 账号登录即可。平台已于 10 月 26 日上线，11 月 23 日会开放迁移后调查问卷。
提供的材料未提及具体可用工具。
Datadog 在 Agent Observability 中推出了 Prompt Management，帮团队集中管理大模型提示词。以前提示词常散落在代码、配置文件和笔记本里，改一个词就得跟着发版，还搞不清线上跑的是哪一版。现在提示词有固定 ID 和版本历史，可以不发应用就部署新版本，按开发/预发/生产环境分别指定版本，还能用类似功能开关的规则只对部分请求生效；出问题就切回旧版，不用回滚整个应用。配合 Prompt Tracking，可以看到每个版本被调用多少次、延迟多少、花了多少 token 和费用。目前 Python 应用支持运行时读取，需要启用 Agent Observability 才能做版本性能对比。
Datadog 为它的真实用户监控（RUM）加上了代码级 CPU 分析功能，现在 iOS、Android 和浏览器应用都能用。以前开发者只能看到 App 启动慢或卡顿，却不知道是哪段代码造成的，往往要本地复现、从多个工具拼凑信息，换设备或系统版本就更难查。现在 RUM Profiling 会把 CPU 分析数据和真实用户会话里的性能事件（如启动耗时、关键操作）关联起来，用火焰图直接看哪些函数占了 CPU 时间，还能汇总多次会话找出反复出现的瓶颈。这个功能目前作为 RUM 的附加产品提供，文中没有说明具体定价或开放范围。
Datadog 推出了 C++ SDK，把它的 RUM（真实用户监控）能力扩展到跑在 Windows、macOS 和 Linux 上的原生 C 和 C++ 应用。过去这类程序崩溃时，开发者只能拿到一串堆栈信息，不知道用户崩溃前在做什么，也很难复现。现在 SDK 能在崩溃时记录现场，把崩溃、报错和用户操作、页面、网络请求串在同一次会话里，还支持把同类崩溃归组和记录不会导致退出的错误。它提供 C++17 的 C++ 接口和 C99 的 C 接口，支持 CMake，可以嵌入其他语言；崩溃处理有进程内和基于 Crashpad 的进程外两种方式，前者无需额外进程、下次启动再上传，后者能抓到栈溢出等问题并立即上传。该 SDK 已在文章发布时可用，数据直接上传 Datadog，不需要在用户设备上装 Agent。
Datadog 推出了导出管道（Export Pipelines）功能，可以自动把它的 RUM（真实用户监控，用来观察应用性能和用户行为）和产品分析事件数据，持续发送到你自己的云存储里。以前这类数据默认只留在 Datadog，普通 RUM 数据保留 30 天，产品分析保留 15 个月，想拿原始事件做分析、训练模型或长期留存就需要自己写导出脚本。现在在 Datadog 界面配置好目标和要导出的数据后，系统会按日期和小时把数据以 Parquet 或 JSON 格式写入 Amazon S3、Azure Blob Storage 或 Google Cloud Storage，还能在界面上看到每条管道的状态（运行中、错误、待处理、已暂停）。这样团队就能把文件直接加载进 Snowflake、BigQuery 或 Databricks 做分析，或用于机器学习训练和合规留存。该功能已在博文中作为正式能力介绍，具体计费方式文中未说明。
Datadog 为其前端监控产品 RUM 推出了 Managed Archive 功能。原来的问题是：RUM 为了省钱，只保留符合保留过滤器的会话，其他会话会被直接丢弃，但日后遇到客户支持、审计或故障调查时，这些被丢掉的会话可能恰恰很关键；如果全量保留，成本又太高。现在，所有已采集的会话都会先存进 Datadog 管理的存储（可选 1、3、6 个月，按应用配置），并存有一份轻量元数据，包括时间、会话 ID、用户 ID 和账户 ID，方便搜索定位；需要时再挑出特定会话“恢复”，恢复后会被完整索引，并可在 RUM 中查看 30 天。这样团队平时保留策略不变，又能在事后找回需要的会话；该功能已可用于 RUM without Limits 用户，文档可查，新用户可试用 14 天。
Datadog 发布 Electron SDK，把它的前端监控工具 RUM 扩展到桌面应用的 Node.js 主进程。过去开发者只能看到 Chromium 界面层的情况，主进程崩溃或网络请求失败时，监控会话会莫名中断，工程师难以排查。新 SDK 把主进程和界面层的事件合并到同一个会话时间线，自动记录主进程的未处理异常、崩溃和发出的网络请求，还能用 dd-trace 把主进程的工作串联到后端追踪。这样当后台同步或模型请求出问题时，团队能直接看到是哪个环节出错，而不用只靠本地复现或翻阅零散日志。目前该 SDK 已随博文介绍推出，具体安装方式原文未详细说明。
Anthropic 确认它在 Claude Opus 5.5 的 Claude Code 提示词里加了两句话，目的是阻止用户用 Claude 复刻别人的现有游戏，理由是侵犯知识产权违反使用政策。但开发者发现，这个模型还开始拒绝以前能做的逆向工程和软件分析任务，有人只能换回旧版 Opus 4.8 才能继续工作，付费客户项目也因此停摆。对读者的意义在于：托管式编程助手的行为可以由厂商随时改动，你的代码没变，但昨天能做的任务今天可能就被拦下；目前 Anthropic 没有公开说明这些拒绝是否与游戏限制或安全策略有关，也未回应媒体询问。
Harness 推出了「统一 API 清单」，现已正式可用。原来安全团队查一个接口漏洞时，要在代码仓库、文档和线上流量三套系统里分别找：同一个支付接口会出现三条记录，得人工判断是不是同一个 API，还要到处问「哪个仓库、谁负责、测试环境是否也有」。这次的做法是把这三个来源按同一接口自动关联起来，每条记录仍保留自己来源的细节；只出现在代码或只出现在文档里的接口也会列出来并标注来源，方便发现未上线或绕过监控的接口。读者（尤其是安全工程师）得到的好处是：告警一响，「该去哪里修」直接显示在页面上，减少找仓库和找人的时间，把精力放在修复本身。不过文章只给出了宣传性说法，没有提供提速幅度的具体数字；关联出错时如何人工纠正也未说明。
SanyaBoroda4/proof-of-turnover · Hackathon 2026. Proves vacation-rental cleanings from the cleaner's photos: an item counts as done only when two independent vision checks and SAM 3.1 agree on one photo. Gaps become re-photo requests in the cleaner's language.
该项目是一个面向度假短租房清洁验收的可验证 AI 代理。房东在 setup 页面按房间上传清洁示例照片和规则，由 Muse Spark 起草检查清单并规划引导式拍照流程；清洁工按房间逐一拍摄照片，系统在后台用两次独立的 Muse Spark 检查加 SAM 3.1 目标检测进行三重校验，只有三者对同一张照片达成一致才判定该项已完成。未获证明的项会以清洁工所用语言生成补拍请求，问题项由清洁工选择“已修复、无法修复、没问题或稍后”，最终由房东在 host 页面审核前后对比照片、语音备注翻译和模型调用日志，并决定通过或退回。项目还提供模型调用缓存与回放机制，记录每次判定所依据的证据照片和调用时间线。
chengshenyangtai/dsh-workbuddy-trae-qoder-connect · 把 WorkBuddy（多账号/企业版）、Trae CN / TRAE SOLO CN、Qoder CN 三家订阅聚合进同一个 DSH 模型选择器：会话内换模型不丢历史、积分倍率、逐模型思考档位、每日自动签到、读图与 Agent 工具调用。One DSH plugin aggregating WorkBuddy / Trae / Qoder subscriptions into one model picker: mid-session switching, credit multipliers, reasoning effort, daily check-in, vision, tools.
这是一个 DSH 插件，将 WorkBuddy（国区版与国际版）、Trae CN、Qoder CN 的多账号订阅聚合到同一个模型选择器。插件在本地启动中转，把各渠道的私有协议和流式响应转换为 OpenAI 兼容格式；支持会话中途切换渠道而不丢失历史、显示各模型积分倍率与剩余额度、按模型声明设置思考档位、可关闭的每日自动签到、按模型开放读图与 Agent 工具调用。凭据写入权限为 0600 的本地文件，界面不回显。
veeravenkatsaikondaiahpalpu-hue/levelup-ai · RPG-inspired LevelUP app with a fine-tuned AI companion chatbot
LevelUp AI 是一个把日常自我提升活动游戏化的全栈应用：用户选择 TITAN、ORACLE、SAGE 等“Build”流派，完成健身、学习、创作、冥想等任务获得 XP 与徽章，并获得对应风格的 AI 教练对话。项目包含 QLoRA 微调的 LLaMA 3.2 3B 多角色聊天机器人、FastAPI 后端、单页 RPG 前端、基于逻辑回归与决策树的异常检测、情感分析、Whisper 语音转写与 ElevenLabs 语音合成，以及运行时 LLM 输入输出护栏。