ZD至顶网软件频道消息: 一直以来,云面临的一个大问题是互操作性。日前,Apache软件基金会(ASF)针对此问题发布了云服务互操作性程序库Apache Libcloud 1.0版。
大家可能没听说Libcloud,但Libcloud却是有年头的了。Libcloud代码始创于2009,是个Python库,它隐藏了不同云提供商应用程序编程接口(API)之间的差异,使得开发人员和系统管理员可以通过一个统一的、易于使用的应用接口来管理不同的云资源。
在云发展的早期阶段,云服务提供商开始提供基础设施即服务(IaaS)虚拟机(VM)托管KVM、VMware或XenServer虚拟机。Apache Libcloud对这些平台之间的差异进行了抽象。其做法是提供一个单一的Python API,用于从多个云、管理环境和自动化服务器部署收集数据。云服务提供商在后来一段时间里出现演变,开始提供简单的平台即服务(PaaS),如DNS、负载均衡和备份,Libcloud也升级支持这一类的新云。
Apache Libcloud副总裁Tomaž Muraus表示,“我们一开始做Apache Libcloud时,曾尝试创建一个云服务供应商标准API规范,有过很多挫败。我们决定建一个开源互操作性程序库,属于Apache软件基金会的一部分。Apache Libcloud 1.0版引入了强大的多云抽象,不仅可用于IaaS,也可用于DNS、存储、应用负载均衡、备份和容器即服务(CAAS)。”
Libcloud是一个强大的开源项目,包括AWS、Apache CloudStack、Rackspace、谷歌云平台、微软Azure、VMware和OpenStack在内的50多个云提供商采用了Libcloud。Libcloud在这些系统了通常是作为一个程序库使用,用于多云集成和直接应用程序接口。
大家可能也猜到了,Libcloud程序库也是DevOps开发商所喜爱的东西,他们希望自己的工具具有简单的多云自动化功能。SaltStack 首席技术官Thomas Hatch表示,“Apache Libcloud成功地打造了稳定可用的API,可用于云环境管理。假若没有它的话,要建立SaltStack云里云编排几乎是不可能。我会在我的项目里更多地用这个库,对此我十分地憧憬!”
Apache Libcloud最新版支持GaaS、亚马逊EC2容器服务(ECS)、谷歌云容器引擎(GKE)和本地选项Kubernetes和Docker。Muraus给了以下解释,“Apache Libcloud提供简单的API抽象,可在私有云和公共云里部署Docker容器。我们见到希望从免费云或低成本云里受益的学术界和非营利组织采用该库,但我们仍将保持公共云兼容性,以供商界采用。”
所以要问的不是“谁采用Libcloud?”而是“谁没有采用Libcloud?”假如阁下需要和多个云供应商合作或是要在混合云里干活,Libcloud是必须的。
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。