搜索归档

使用 Datadog 跨云监控 Oracle AI Database

Datadog 宣布支持通过其 AWS、Azure 和 Google Cloud 集成中的专用子集成来监控 Oracle AI Database@AWS、@Azure 和 @Google Cloud。过去，数据库托管在 Oracle 云上而应用跑在其他云里，出问题时常出现监控盲区，难以判断是应用还是数据库的锅；迁移后性能验证和跨账单的成本归属也很麻烦。现在每套子集成提供 50 多项开箱即用的指标和仪表盘，还能配合数据库监控（DBM）、应用性能监控（APM）和云成本管理（CCM）排查慢查询、对比迁移前后性能，并把 OCI 与云厂商的账单归一化后按团队归因成本。原文未说明具体上线时间或收费方式，以上能力均以已发布的产品功能形式介绍。

规模化 A/B 测试的最佳实践：用实验协议统一标准

Datadog 的两位作者介绍了他们产品里叫“实验协议”的功能。原来团队做 A/B 测试时，指标、分流方式、放量节奏和分析方法都靠一份评审文档约定，每个实验的人都要手动重搭一遍，团队多了就容易各做各的。实验协议把已经评审通过的这套方法存成可复用的配置，新建实验时选一个已发布的协议，字段会自动带入草稿，还能按需修改。读者可以借此让同类实验有统一的起点，减少配置不一致带来的问题，也能在实验上线前就把主指标和防护指标定好。

AI 可观测性之争将在互操作性上见分晓

企业用 AI 时常发现：模型、框架、服务商一换，监控数据就对不上，排查故障和比成本都得重新做一遍。文章主张用 OpenTelemetry 的 GenAI 规范统一记录 AI 调用、延迟、错误、花费和工具调用等行为，让不同系统的数据能直接比较。这样企业不必为每个集成单独建数据模型，切换供应商的成本更低，也更容易判断"每次任务成功花多少钱"，而不只是看 token 单价。文章还提到 Splunk 的 Agent Observability 基于 OpenTelemetry 和 AGNTCY 标准做厂商中立的智能体监控，以及开源工具 Observability Studio 可在开发阶段检查本地遥测是否符合规范。这些是文章介绍的做法与工具，原文未说明各自的正式发布时间或可用范围。

KubeVirt 的下一个十年

红帽在 2016 年发起 KubeVirt 项目，目标是让 Kubernetes 在管理容器的同时也能运行虚拟机，从而让老系统和新应用共用一个平台。如今它已成为 CNCF 孵化项目，Nvidia、微软、AMD、英特尔、SUSE 等公司都有贡献者，社区正推动它从孵化阶段毕业。未来方向包括：用 Kubernetes 原生的动态资源分配统一申请 GPU、网卡和 CPU；支持机密虚拟机，让敏感数据和 AI 模型在执行时也受硬件保护，并可远程验证环境是否可信；以及让 KubeVirt 更容易被其他项目集成。对读者来说，这些还在开发和讨论中，部分功能如 AMD SEV 已进入 beta、IBM Secure Execution 已可用，其余多数尚未发布。

移动应用安全测试：方法与工具

移动应用安全测试（MAST）是在 App 发布前检查应用代码、内置 SDK 和运行时行为中漏洞的做法。已发布的应用相当于任何人都能下载分析的二进制文件，硬编码的密钥等于公开。MAST 把静态分析（SAST）、第三方依赖检查（SCA）和动态分析（DAST）结合起来，贯穿每次构建，而不是上线前只做一次渗透测试；OWASP MASVS 是参考标准，OWASP Mobile Top 10（2024 年更新）是常见的风险清单。文章还列出评估测试工具的五个标准，如覆盖二进制与依赖、按可达性排优先级、融入 CI/CD、跨扫描器结果去重、提供含预编译 SDK 的 SBOM。需注意文中未点名具体工具产品，也主要引用了一项 2026 年调查称 86% 的工程负责人希望安全检查更自动化。

ReadyOn 为多租户 Amazon EKS 构建四层租户隔离

ReadyOn 公司说明了他们的 Harmony 平台在 Amazon EKS（亚马逊的托管 Kubernetes 服务）上如何把不同客户的数据和计算资源隔开。原来多租户环境里，客户之间可能互相访问或横向渗透，这次用四层防护来解决：Kubernetes 命名空间、专用 Karpenter 节点池、VPC 安全组，以及每个租户独立的 Aurora 数据库。他们还用一个分 10 个阶段的多租户威胁模型来检验这些控制措施，重点看跨租户访问和横向移动。目前文章只讲了架构设计，没有说明是否已上线或开放使用。

OpenTofu 1.13 让模块作者在计划阶段减少未知值

OpenTofu 是一个开源的、用代码描述和管理云资源的工具（类似 Terraform）。以前执行“计划”时，有些值要等真正部署才知道，导致很多表达式算不出来、计划结果不够完整。1.13 版新增 convert 和 assume 等函数，让模块作者提前告诉计划器这些未知值是什么类型、大概是什么值，于是更多表达式能在计划阶段算出来。如果这些“假设”到实际部署时不成立，OpenTofu 会报错提醒。这样读者能在部署前看到更完整的计划、更早发现问题；不过这些函数的具体用法文中没有说明。

Spring 办公时间播客：S5E27 - 面向 Java 开发者的 Hugging Face，嘉宾 Pratik Patel

这是一期 Spring 官方播客的节目介绍，主持人 Dan Vega 和 DaShaun Carter 邀请 Java 冠军 Pratik Patel 聊 Java 开发者怎么用 Hugging Face。Hugging Face 上有超过一百万个开放模型，但大多数 Java 开发者从没用过，节目里讲了它到底是什么、怎么挑一个值得用的模型、现在从 Java 里运行开放模型有哪些办法，以及什么情况下开放模型比付费 API 更划算。对 Java 开发者来说，这期节目能帮你弄清楚要不要以及怎么在自己的项目里用上开源模型，而不是只能依赖付费服务。节目有直播可以提问，也能在播客平台听回放，但节目本身没有给出技术细节，具体怎么选、怎么跑要看正片。

我们的最新 AI 探索：绘制人类大脑地图

Google Research 和斯坦福学习加速器推出了 AI Quests 系列的第三个教学项目“Polar Peaks”，面向 11 至 14 岁学生，让他们扮演 Google 研究员，通过扫描和绘制大脑神经元来理解游戏角色的记忆丧失，并完成数据清洗、模型测试等任务，从而学习 AI 需要人工监督和批判性思考。这个项目受 Google 十多年连接组学研究启发，该研究最近完成了迄今神经元数量最多的完整果蝇大脑图谱。系列已有超 40 万次任务完成、支持 10 种语言；同时新推出教师培训模块，前两个任务的模块已可用，第三个的模块将于下月发布。学生可以借此了解 AI 如何加速科学研究。

Fanatics 与 OpenAI 如何简化球迷体验

Fanatics 是一家体育周边商品零售商，它借助 OpenAI 的技术推出了一个叫“Shop the Look”的功能，帮球迷把比赛日穿搭搭配完整。此前球迷可能要在大量商品里自己挑选搭配，现在系统能直接给出整套造型建议。他们用大约 3 万件 MLB（美国职棒大联盟）商品做了测试，结果显示用户参与度提高了 10%。对普通球迷来说，挑衣服搭配更省事了，但目前只提到测试阶段的数字，正式上线范围等细节原文没有说明。

Textio：辅助 HR 与管理者撰写更清晰、更少偏见的绩效反馈、招聘外联与职位描述

api-evangelist/textio · Textio — independent third-party profile of a public API surface, by API Evangelist. Textio is an augmented-writing platform that uses AI to help managers and HR teams write clearer, more actionable, and less biased performance feedback, recruiting outreach, and job posts.

该仓库是 API Evangelist 维护的 Textio 公开 API 表面第三方档案，本身不包含软件。Textio 是一套增强写作平台，利用 AI 帮助管理者和 HR 团队撰写更清晰、更具可操作性且偏见更少的绩效反馈、招聘外联文案和职位描述。本仓库当前仅为待补充信息的条目，汇集该公司的公开 API 资料，供 API 目录与调研参考。

PortfolioPilot AI：用 AI 生成并定制开发者作品集

abhishek25001011-boop/PortfolioPilot-AI · AI-powered portfolio builder that turns a single prompt into a personalized, recruiter-ready portfolio using open-source Gemma AI and Ollama..

PortfolioPilot AI 是一个面向开发者的 AI 作品集构建器，可将个人资料、技能与项目整理为可定制的作品集页面。它提供五种设计风格、编辑时实时预览、基于 Ollama 的内容生成与分区重写、作品集质量分析、PDF 简历导入、招聘者视角展示、本地草稿管理和 ZIP 导出。前端使用 React+TypeScript+Vite，后端为 Python FastAPI，AI 功能依赖可访问的 Ollama 服务器与配置的模型。

vernLLM：面向 LLM 调用的容错、可观测与管控框架

LakBud/vernLLM · The LLM call framework. Resilience, observability, and control for AIs.

vernLLM 是一个 TypeScript 的 LLM 调用框架，为每次模型调用提供统一接口与运行时治理能力。它通过适配器接入 OpenAI 兼容服务、Anthropic、Gemini、AWS Bedrock 以及任何可经 HTTP 访问的提供方，并在本进程内内置重试预算、熔断、多提供方回退、限流、缓存与中间件。仓库还包含 Redis 集成（熔断、限流、缓存）、OpenTelemetry 追踪与指标、Bedrock 适配器，以及日志、用量成本、路由、策略、输入输出检查等开发中的扩展包。

TalentFlow：AI 辅助招聘与候选人运营平台

emredemir-maker/TalentFlow · AI-supported recruitment and candidate operations platform for structured hiring workflows and better decision quality.

TalentFlow 是一个面向招聘团队的 AI 辅助候选人运营与决策支持产品原型，旨在把分散在简历、表格、邮件和会议记录中的候选人信息集中起来，形成结构化招聘流程。它提供候选人画像与简历文档分析、AI 辅助评分、面试计划与实时记录、候选人沟通跟进、招聘漏斗分析，以及邮件和日历工作流集成；设计上强调人类在环，AI 仅用于提示信号和整理信息，最终招聘判断仍由团队负责。

在扩容 GPU 池之前，先衡量实际产出

这篇文章讲的是在 Kubernetes 上跑 AI 任务的团队，常看到 GPU 全被占满、批处理队列越排越长，第一反应就是加 GPU。但作者提醒，GPU 被分配、在忙、和真正产出有价值的结果是三件不同的事，队列变长也可能是时机、服务容量或模型和硬件选型的问题。解决思路是先想清楚每个任务的截止时间和产出标准，再用错峰排队把现有四块 GPU 在两小时内跑完原本需要八块的四个任务，同时用接近真实负载的压测摸清可持续吞吐，并把 OpenCost 的成本数据和实际产出对上，算出每个合格结果花多少钱。这样读者能在花钱扩容之前，先确认现有容量是否已用足、瓶颈到底在哪。Kueue、vLLM、DistServe、OpenCost 等工具文中都有提到，具体接入方式原文未详细说明。

AWS 称其 AI 安全智能体修复 89% 的漏洞——但有个前提

AWS 周四正式开放了名为 Continuum 的 AI 安全服务。它会自动在你的代码仓库里查找漏洞、复现问题，对照 AWS 环境验证，然后提交带修复方案的 PR。AWS 自己发布的测试显示，在 920 个 C/C++ 内存安全漏洞任务中，Continuum 有 89% 能找出并修好漏洞且不破坏原有测试，远超此前公开最高分 65.9%。不过这个分数是 AWS 自己跑的，还没第三方复现；而且只有 37.8% 的修复同时命中了测试指定的那个历史漏洞——因为智能体并不知道要找哪个洞。测试也只覆盖 C/C++ 一类问题。对开发团队来说，它可能帮忙快速发现并修掉真实漏洞，但具体修的是不是你要的那个，还需人工确认。

AI Recruitment ATS：基于 FastAPI 的 AI 辅助招聘申请人跟踪系统

mriaz764/ai-recruitment-ats

这是一个以学习为目的、逐步构建的申请人跟踪系统（ATS），后端使用 FastAPI、PostgreSQL 和 SQLAlchemy，采用模块化单体架构与 router→controller→service→repository 分层。已实现职位管理、用户注册登录与 JWT 认证、组织级权限隔离、候选人管理、私有简历上传下载、申请流程与状态更新、面试相关模块、简历文本提取与结构化解析，以及 Alembic 迁移、pytest 测试和 Ruff 代码检查。候选人到职位的匹配、嵌入、RAG 和 AI Agent 工作流仍属计划内容，作者明确该项目尚不可用于生产环境。

Frametell：用 AI 导演代理将想法与素材转化为解说视频

sitor-ai/frametell · Frametell: turn your ideas and material into vivid explainer videos with an AI director agent. Local-first, any model.

Frametell（帧言）是一个本地优先的 AI 视频创作工具：输入一句话、笔记、PDF、幻灯片或图片，由导演代理先生成分镜脚本供用户确认，再撰写旁白、合成语音、绘制页面并自检，最终输出带字幕的 1080p MP4 视频。它基于成熟的视频引擎，风格、组件和镜头运动由代理驱动，而非从零生成视频；支持 Anthropic、OpenAI、Google、DeepSeek、OpenRouter 等模型或兼容端点，素材与 API 密钥保留在本地。

拾字：视频与网页字幕抓取、语音转录与 AI 笔记工作台

Universe366/shizi · 拾字 · 视频与网页的 AI 笔记工作台：B站/YouTube 字幕、语音转录、AI 总结与本地库，支持 Windows 桌面端与 Chrome/Edge 插件。

拾字是一个面向 B 站视频与网页内容的 AI 笔记工作台，提供 Chrome/Edge 浏览器扩展和 Windows Electron 桌面端。它可抓取 B 站、YouTube 字幕，在没有官方字幕时进行语音转录，并支持 AI 校对、总结、翻译、章节生成、字幕问答与联网补充；桌面端还提供 SQLite 本地字幕库、批量处理、历史版本和多种格式导出。首次仅抓官方字幕无需 Key，AI 总结、转录与联网功能需自行配置对应平台 Key。

DeepScreen：AI 驱动的招聘与候选人评估平台前端

BazilSuhail/DeepScreen-Client · AI-powered recruitment and candidate assessment platform. Provides end-to-end hiring pipeline management with AI-driven resume parsing, coding assessments, video interviews, candidate shortlisting, and real-time communication for recruiters and candidates.d

DeepScreen 是一个基于 Next.js 构建的全栈招聘平台前端，连接 Django 主后端、Rocket 简历解析微服务和 LiveKit 视频服务，提供候选人、招聘方和机构管理三类门户。功能涵盖职位浏览与投递、AI 简历解析、带 Monaco 编辑器和自动评分的编程测评、带语音识别与自然语言评估的 AI 面试、基于 LiveKit 的实时视频面试、AI 评分候选人筛选、招聘方与候选人即时消息，以及基于角色的仪表盘和招聘分析。仓库为客户端代码，许可证限定教育与非商业用途。