ZD至顶网软件频道消息: 如今,移动互联网的广泛应用和云计算的高速发展,为企业传统IT架构带来了巨大的挑战:用户体验前置、IT基础设施广泛云化、产品迭代越来越快,开发、测试和运维工作逐渐融合,被DevOps所取代。
云智慧总裁刘洪涛表示,十年前,企业的IT开发人员和运维人员是分开的,就像中间隔了一堵墙。但是现在,产品迭代越来越快,开发、测试和运维工作逐渐融合,这堵墙需要被打破,DevOps就是破墙之法。
但是,DevOps的实现并不简单,很多企业用户在实施DevOps时遇到了各种问题。如何让开发人员在应用开发中获得真实用户的反馈,从而降低运维风险;运维人员又如何将运维中遇到的问题回访到开发测试环境中去?刘洪涛表示:云智慧全栈应用性能管理跨越了开发和运营这两个环境,满足DevOps的诉求。
近日,云智慧发布全栈性能管理解决方案,正式推出面向业务的企业级应用全生命周期管理解决方案。据了解,该解决方案包括了云智慧旗下IT全栈性能监控工具监控宝、端到端性能管理平台透视宝、大规模性能测试平台压测宝和移动自动化测试平台,并通过大数据可视化分析把IT系统的性能数据和企业业务数据实现关联,对企业应用进行全生命周期的性能管理。刘洪涛表示,全栈性能管理可以基于真实业务场景,同时满足企业用户对于移动持续研发和敏捷交付的需求。

按照刘洪涛的介绍,这套应用性能全生命周期管理可以从四方面满足DevOps的诉求:
第一,移动自动化测试。应用经济的到来,让移动成为企业IT不可或缺的组成部分。企业需要不断开发新的移动应用以实现企业的各种业务目标。在这种情况下,确保移动应用的性能至关重要,这就要求在开发环境中对移动应用进行全覆盖测试。与落后的手动和远程测试不同,云智慧移动自动化测试工具提供更加快速的测试手段,可靠且可维护的自动化测试方法,兼容多系统平台及不同OS版本的稳定测试环境,针对设备性能的测量手段和基于持续集成的实时反馈,满足移动产品持续研发和敏捷交付的需求。
第二,性能测试。互联网+的深化应用让企业信息系统规模和复杂度与日俱增,用户以每年百万级的速度飞快增长,产品频繁迭代、升级,而测试环境和生产环境的差距却难以反映真实用户体验。云智慧的性能测试真正实现全链路真实环境的压力测试,真实地再现用户使用环境,在测试阶段准确定位性能问题,并对业务线上性能瓶颈进行预测和分析。
第三,性能管理和性能监控,统称叫应用性能管理。无论是在传统IT架构还是在云端,基础设施和应用的运行健康状态都是保证服务稳定可靠的基础,也是最耗费企业运维部门精力的工作。云智慧全栈性能监控产品监控宝以满足企业运维工程师的高效运维需求为出发点,通过将运维日常巡检工作自动化,把开发和运维人员从繁琐的日常工作中解放出来,进行更有价值的系统支撑工作,为DevOps的推进打下基础。
此外,当移动互联网与云计算出现后,用户不必再和企业的服务人员打交道,而是通过移动APP来直接获取服务,这就造成用户体验前置。传统的ITOM产品由于缺少有效的移动端和云端监管手段,难以发现用户体验前置带来的性能瓶颈,云智慧端到端性能管理平台透视宝以业务的视角,对整个用户体验交付链条的每一个环节进行数据采集和分析,准确发现和定位影响用户体验的任何性能问题。
刘洪涛介绍道:“我们可以实现每一个用户真实体验的监控,包括用户在使用应用过程中有没有遇到错误、异常、崩溃等问题,即使在夜晚用户停止使用应用,监控系统依然可以通过全球范围的监测点,每隔一分钟就对核心业务、应用和交易进行访问,以确保系统的万无一失。”
第四,安全问题。应用的安全越来越重要,为此,云智慧和业界知名安全供应商一起合作,基于云服务的产品进行主动扫描和内部监测,以及应用运行时的安全漏洞扫描,以确保应用安全。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。