在企业的运营团队看来,系统的稳定性和可靠运行时间是至关重要的。因此,企业更乐意向能够负责的技术提供商购买开发完整的、有文档记录的,并且有售后支持的工具或软件。
一般来说,运营团队没有额外精力来应付新奇的DIY软件和工具,因为他们已经整天忙于处理各种复杂的基础设施、应用和客户。但最终,大部分运营团队却还是在使用混合在一起的各种工具– 包括众多技术提供商的产品与企业的内部开发软件。
另一方面,企业的开发团队却是软件开发者。他们常会专为某项工作而开发出特定的工具,并且乐意和同事们分享这些工具。敏捷开发意味着持续集成和持续部署,因此开发者们协作开发工具来自动处理单调的任务之后,也加速了应用的生命周期。我们所说的“客户至上”是依赖于响应速度的,而响应速度又依赖于自动化程度。在支持软件的高频次敏捷发布方面,开源的协作模式一直是非常有效的。
研发运维一体化(DevOps)使企业内的开发和运营团队开始产生协作,并且使两种相去甚远的团队文化也擦出了火花。系统稳定性依旧重要,但在客户时代,更重要的是贯穿了软件整个生命周期的敏捷性– 这也包括了运营团队的软件发布、软件部署和支持工作。开源协作工具在应用开发方面的成功预示着运维也可能朝这个方向发展。
去年,许多企业都在向Forrester咨询开源APM工具是否能够取代已有的商业解决方案。同时,我们也见证了APM提供商越来越多地参与到开源的贡献,参与和使用当中。变革正在发生着。
更多关于开源APM的内容,请见我们的报告“研发运维一体化将推动开源APM的发展”。您的企业对开源APM有怎样的看法?欢迎联系我们并且阐述您的观点。
好文章,需要你的鼓励
OpenAI、Anthropic和Google的AI代码助手现在能够在人工监督下连续工作数小时,编写完整应用、运行测试并修复错误。但这些工具并非万能,可能会让软件项目变得复杂。AI代码助手的核心是大语言模型,通过多个LLM协作完成任务。由于存在上下文限制和"注意力预算"问题,系统采用上下文压缩和多代理架构来应对。使用时需要良好的软件开发实践,避免"氛围编程",确保代码质量和安全性。研究显示经验丰富的开发者使用AI工具可能反而效率降低。
这项研究由北京交通大学研究团队完成,系统阐述了人工智能智能体从"流水线"范式向"模型原生"范式的转变。研究表明,通过强化学习,AI可以自主学会规划、使用工具和管理记忆等核心能力,而不再依赖外部脚本。论文详细分析了这一范式转变如何重塑深度研究助手和GUI智能体等实际应用,并探讨了未来多智能体协作和自我反思等新兴能力的发展方向。
英伟达与AI芯片竞争对手Groq达成非独家授权协议,将聘请Groq创始人乔纳森·罗斯、总裁桑尼·马德拉等员工。据CNBC报道,英伟达以200亿美元收购Groq资产,但英伟达澄清这并非公司收购。Groq开发的LPU语言处理单元声称运行大语言模型速度快10倍,能耗仅为十分之一。该公司今年9月融资7.5亿美元,估值69亿美元,为超200万开发者的AI应用提供支持。
Prime Intellect团队发布开源AI训练全栈INTELLECT-3,这个106亿参数模型在数学、编程等测试中超越多个大型前沿模型。团队完全开源了包括prime-rl训练框架、环境库、代码执行系统在内的完整基础设施,为AI研究社区提供了高质量的训练工具,推动AI技术民主化发展。