AI 编程01
GitHub Copilot 很快会自动决定编程任务是在本地还是云端运行,预计10月底上线。微软说会看任务和缓存状态来选,但没说 Auto 模式会把多少代码库信息传到云端,也没说开发者能不能查看或限制这些决定。本地跑模型需要大内存,目前只针对特定 Windows 设备,选了本地模型也不等于完全离线,因为它仍可能联网。
文中可用工具
- GitHub CopilotAI 编程助手,即将自动决定代码任务是本地还是云端运行
- Project HydraFusion为编程任务选择模型的系统,扩展后负责决定在哪里运行
- MAI Code 1.1 Flash微软的本地代码模型,可离线运行
- Windows ML providerWindows 上运行本地模型的接口,原文未详细说明用途
- Execution Containers (MXC)微软开源库,用于强制沙箱策略
- ProcessContainer 后端 BaseContainer 层级Windows 上的沙箱执行环境,原文未详细说明用途
- SeatbeltmacOS 上的沙箱机制,原文未详细说明用途
- bubblewrapLinux 上的沙箱工具,原文未详细说明用途
- copilot-sdk在演示中用于构建每日分诊仪表盘的项目
- SWE-Bench Verified代码任务评测基准,用于对比量化前后性能
- Terminal-Bench 2.1终端任务评测基准,用于对比量化前后性能
- OpenAI-compatible local endpoints兼容 OpenAI 的本地模型接口,让开发者选择本地模型
Agent 与自动化02
datadog-labs/agent-skills · Public repository for Datadog Agent Skills
该项目是 Datadog 官方开源的 AI Agent 技能集合,面向 Claude Code、Codex CLI、Gemini CLI、Cursor、Windsurf、OpenCode 等代理工具,以可复用技能形式提供 Datadog 平台的查询与操作能力。技能覆盖监控器管理、日志搜索、APM 追踪与 SSI 单步埋点、官方文档检索、Agent Observability(实验分析、eval 生成与流水线、会话分类、trace 回放)、浏览器 SDK/RUM 埋点与版本迁移、Audit Trail 安全与合规调查、CI/CD 与 flaky 测试排查、Datadog Apps 构建等;同时提供 dd-pup CLI 与 MCP 两种后端接入方式。
行业动态03
AWS 把 Lambda 函数的最长运行时间从 15 分钟延长到 90 分钟,前提是这些函数跑在 Lambda Managed Instances 上。以前的限制是为了让函数快速执行完、按需计费,但很多任务比如大数据处理、模型推理需要更长时间,一旦超时就得拆分或改用传统服务器。这次调整让这类长时间任务能直接留在 Lambda 里运行,普通同步请求的 15 分钟上限不变。对开发者来说,以后部署长任务时选择更多了,但如果任务本身不长,这条变化暂时用不上。
文中可用工具
- AWS Lambda亚马逊云的无服务器计算服务,上传代码后按需运行,不用自己管服务器
- Lambda Managed InstancesLambda 中的一种运行方式,允许函数执行更长时间,最长可达90分钟