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。
CNCF 执行董事 Jonathan Bryce 说，过去 18 个月里该基金会审批项目毕业的速度比以往任何时候都快，部分原因是他们创建了 AI 智能体来帮忙做不同阶段的尽职调查。他用 2018 年 OpenAI 早期借助 Kubernetes 调度算力的例子说明，开源工具让 AI 公司能在自有数据中心和多家云厂商之间灵活调配资源，不用被单一供应商锁死。现在这些 AI 公司把改进回馈给开源社区，金融和制造业也能跟着受益。不过，智能体具体怎样做尽调、准确率如何，文中并未说明。
InfoQ 上的一篇文章预告了 QCon London 2027 的会议安排。这次大会一共设了 15 个专题方向，内容从 AI 智能体的评估与防护，到 AI 时代的软件架构、分布式系统调试、现代数据平台、高性能工程，以及 Staff+ 级别的技术领导力。文章由 Artenisa Chatziou 撰写。不过目前只是预告，具体有哪些演讲、嘉宾是谁、议程时间等细节都还没公布，门票和举办日期等信息也未提及。
提供的材料未提及具体可用工具。
Anthropic 把原来的两个安全准入项目——Project Glasswing 和 CVP——合并成一个升级版的网络验证计划（CVP），让经过审核的安全团队能用到防护限制更少的高级模型。过去的问题是，公开模型为了防坏人滥用，把大部分网络安全相关操作都挡住了，连正规防御工作也常被误拦。现在新计划分成防御、红队、专业三个层级，按工作范围给予不同程度的开放，其中红队和专业层级对渗透测试、关键基础设施测试等开放，但仍实时拦截勒索软件、物理破坏等危险操作。普通用户能继续用公开模型做代码审查、打补丁等基础安全工作；申请者需要接受数据留存与验证，企业级隐私方案 EFS 预计今年秋季推出。
Atlassian 和 OpenAI 宣布扩大双方的合作伙伴关系。原来的情况是，企业里积累的知识和前沿 AI 模型之间没有打通，团队想用 AI 帮自己干活并不方便。这次合作的目标是把 OpenAI 的前沿模型接到企业知识上，让团队在规划、构建和交付工作时能直接借助 AI 把知识用起来。对读者来说，如果所在公司用 Atlassian 的产品，未来可能更容易在原本的工作流程里用上 AI；不过目前只是宣布扩大合作，具体会推出哪些功能、什么时候能用，材料里都没有说明。
提供的材料未提及具体可用工具。
OpenAI 推出了一套叫 textGrain 的文本水印技术，用来给 AI 生成的文字打上不易察觉的标记。原理是让模型在几个同样合适的词里偏向选某一个，长时间积累后形成一种可被检测器识别的模式。以前给文本加水印比较难，改几个词就可能让标记失效，OpenAI 说在新方法下，200 个 token 的段落能检测出约 80%，400 个 token 能到 95%。API 客户从今天起可以自己选择是否开启，默认是关的；未来几周 OpenAI 会在欧盟自动给 ChatGPT 和 Codex 的部分输出加水印，以配合欧盟 AI 法案的透明度要求。
OpenAI 负责 Codex 的工程主管 Thibault Sottiaux 立了个赌约：28 天内每天都要给 Codex 和 ChatGPT Work 用户送上一项“明显改进”，否则就给所有订阅用户免费用量重置。第 1 天他交出的成绩是让 GPT-6 Astra 和 GPT-6.1 Sol 默认速度大约提升 50%（从约 30 token/秒到约 50 token/秒）。但有些开发者并不急着叫好：他们宁愿 OpenAI 偶尔没做到，这样就能白拿一次用量重置，所以有人开玩笑说这已经变成了一种赌博。需要注意的是，这个挑战只是 Sottiaux 个人发的帖，哪些套餐能重置、重置具体恢复什么，都没有官方说明，而且 10 月 30 日起 Pro 套餐的用量还会从 Plus 的 20 倍降到 10 倍。
Pi 的创始人 Mario Zechner 发现，一些热门的 MCP 服务器在你还没做任何事之前就会占用大量上下文：Chrome DevTools MCP 大约消耗 18,000 tokens，占 200,000 token 上下文窗口的约 9%，Playwright MCP 也要约 13,700 tokens 来描述它的 21 个工具。因此他一度选择不用 MCP，改用 Bash 和少量脚本。现在 Pi 1.0 把 MCP 内置，但默认不把所有工具说明塞进提示里，而是通过 Codemode 按需查找和调用工具，只把有用的结果返回给模型，Codemode 的工具声明默认上限为 3,000 tokens。开发者还能用 toolExposure 逐项控制哪些工具直接暴露、哪些藏在 Codemode 后面、哪些完全禁用。结果是，使用默认工具和 Codemode 的 GPT-5.6 请求的提示 tokens 从约 5,300 降到 3,300。不过 Pi 1.0 并没有解决 MCP 的可组合性等更广泛的问题。
提供的材料未提及具体可用工具。
Cloudflare 公开并修复了其 Containers 和 Sandboxes 服务里的一个安全漏洞。简单说，这些服务用来跑隔离的代码环境，底层存储空间为了省事，重复利用旧数据块时没有先擦干净。结果研究人员在四大洲都从这些环境里翻出了别人残留的目录结构、数据库页，甚至完整的 SQLite 数据库。Cloudflare 已经修好了，并表示没有发现有人利用过这个漏洞。对普通用户来说，如果你用的是这些服务，目前无需额外操作，但这件事提醒大家：云上隔离靠的不只是逻辑分区，物理存储的清理也必须到位。
Akka 公司拿 65 个开源项目做了一次实验，想看用 AI 帮忙把软件从一个平台搬到另一个平台时，需求写得清不清楚、给 AI 看多少背景资料、选哪个模型、有没有自动检查，这些因素到底影响多大。实验记录了花的时间、消耗的 token、代码量、测试通过情况以及运行性能，结果发现不同模型、不同投入程度、不同类型的项目之间差别很大。目前只是实验结果，还没有看到可直接使用的工具或产品。
提供的材料未提及具体可用工具。
InfoQ 作者 Michael Redlich 发布了 2026 年 9 月 28 日这一周的 Java 社区新闻汇总。本周内容包括：任务调度库 JobRunr 9.0 和快速开发框架 OpenXava 8.0 正式版（GA）发布；Quarkus、Micronaut、LangChain4j、Eclipse JNoSQL 等则推出了小版本更新；此外还有面向 Java 和 Kotlin 的 ADK 工具，以及一个全新的 Java 语言服务器 Lathe 首次亮相。汇总材料只给出了这些名称和发布/更新状态，并未说明具体功能变化、性能改进或使用方式，因此无法进一步介绍各项更新的细节。
OpenAI 在 ChatGPT 里加了一种新的视觉广告形式，同时给广告主提供了更多衡量工具、归因合作和品牌适配控制。简单说，以前广告主在 ChatGPT 投广告，能看的反馈和保障不多；现在可以更好地追踪广告效果、判断广告出现在什么内容旁边。对普通用户来说，意味着 ChatGPT 里会看到更多带图片的广告；对广告主来说，投钱后能更清楚知道值不值。目前这些功能只是介绍，具体什么时候开放、支持哪些地区都还没说。
提供的材料未提及具体可用工具。
OpenAI 在欧盟规则下推进文本水印：AI 生成的文本里会嵌入一种隐蔽标记，用来帮助判断一段文字是不是由 AI 写的。检测能力不会马上向所有人开放，而是先提供给研究人员使用。材料没有说明具体在哪些产品、哪些地区生效，也没有说明水印的技术细节和正式上线时间。
提供的材料未提及具体可用工具。
开源安全领域一直有个惯例：发现漏洞后先保密一段时间，等补丁做好再公开，防止被人利用。但作者 Anil Madhavapeddy 指出，现在 AI agent 能大幅缩短这个过程——它们可以根据公开的蛛丝马迹自动拼出可用的攻击代码，让“保密期”形同虚设。因此开源项目必须加快打补丁和发版的速度，因为从漏洞公开到被利用的窗口正在迅速缩小。对普通用户来说，这意味着开源软件的安全更新会来得更快，但漏洞被利用的风险也更紧迫。
提供的材料未提及具体可用工具。
Anthropic 承诺投入 1 亿美元推出 Claude Frontier Academy，目标是在 2027 年底前培训 1 万名“前沿部署工程师（FDE）”。企业想用 AI，但真正能把 AI 落到业务里的人很难找，所以这个学院像医生培养那样：先上课、在模拟的企业项目里练手，通过考核后拿徽章，再用 12 周时间在本公司做一个真实的 Claude 项目，最后再考一次才能拿到正式称号。首批学员来自埃森哲、贝恩、凯捷、澳大利亚联邦银行、德勤、麦肯锡、摩根士丹利和诺和诺德等公司，目前需由公司提名，个人不能直接报名。
提供的材料未提及具体可用工具。
一位安全负责人（CISO）在一次模拟的勒索软件攻击推演中，展示了企业被勒索后最初72小时要面对的决策。问题在于：很多公司以为把服务器从备份恢复好就万事大吉，但实际上恢复系统只是让技术重新运转，业务恢复还要花更长时间——验证数据、重连依赖、处理积压订单、应对法律和客户影响。文章建议提前定好谁能断网、找好取证伙伴、准备声明模板，并借助AI辅助调查更早发现攻击。原文没有给出可直接使用的具体工具名称，具体产品细节也未说明。
提供的材料未提及具体可用工具。
Databricks 的技术写作者 Aaron Kaplan 和产品经理 Ryan Warrier 写了一篇文章，教大家怎么监控 Databricks 平台上的数据工程、分析和模型服务任务是否健康、跑得快不快、花销有没有失控。原来很多团队用 Databricks 跑批处理、流式管道和 SQL 查询，但任务失败或变慢往往发现太晚，账单也容易悄悄涨上去。他们建议盯住几类关键指标，比如任务运行结果是成功、失败还是超时，任务跑了多长时间，有多少子任务出错，以及管道里有没有数据质量报错；这些指标来自 Databricks 自带的系统表。文章只是系列博客的第一篇，讲了平台架构和指标清单，没有给出具体告警阈值或现成仪表盘，系统表也标注为 Beta 状态，读者需要自己根据这些指标搭监控。
提供的材料未提及具体可用工具。
Uber 的工程团队重新搭建了外卖应用 Uber Eats 的搜索流程，并报告称用户从下单搜索到看到结果的整体等待时间减少了一半。此前搜索链路较长、各环节串行执行，加上广告数据与检索逻辑交织，导致响应偏慢。这次他们改进了衡量首屏展示的方法、精简了检索环节、让多个数据获取步骤并行执行，还重新设计了广告数据并优化了底层基础设施，同时借助智能体编程流程辅助开发。对普通用户来说，这意味着在 Uber Eats 里搜餐、加载结果会更快。团队表示还在探索微批处理、基于商品的检索和 HTTP multipart 流式传输，但这些尚未开放，处于探索阶段。
提供的材料未提及具体可用工具。
Chatham Financial 这家做资本市场业务的公司，用上了 OpenAI 的 Codex 和 GPT-5.6 两款 AI 工具，一边开发技术、一边重新设计自己的工作流程。原来一笔交易验证要花 30 分钟，现在不到 4 分钟就能完成，效率提升非常明显。对做金融交易和风险管理的团队来说，这说明 AI 已经能直接用在核心业务流程里，帮人省下大量重复核对的时间。不过文章没有说明这套工具是已经全面上线、还是只在部分团队试用。
OpenAI 发布了一份面向创业公司的 GPT-6 家族使用指南，帮他们在这个系列里挑合适的模型。问题是 GPT-6 有好几款模型、还能调“推理投入”，选择起来让人犯难。指南教了三件事：怎么按需求选模型、怎么调推理投入（也就是让模型多想还是少想）、怎么写提示词和“技能”。另外还讲了怎么让多个工具配合工作，以及怎么把整套流程搬到生产环境。对做 AI 产品的团队来说，这相当于一本上手手册，能少走弯路。
提供的材料未提及具体可用工具。
Dynatrace宣布完成对Arize的收购。Arize是开发AI应用跟踪、评测和实验工具的厂商，Dynatrace则擅长监控应用和基础设施运行。此前，开发和运维AI时用的工具是割裂的，出问题很难追责。这次合并把两边打通，希望实现从开发到运行、再到持续优化的全程监控，帮企业看清AI为何出错、花了多少钱。目前Arize AX和Dynatrace平台继续单独提供，Phoenix保持开源；具体整合计划还没公布。