至顶网软件频道消息: 对于那些想知道微软在今年早些时候买下GitHub之后会对Visual Studio Team Services(VSTS)做什么的人来说,答案来了。微软正在将VSTS“演变”为一系列的Azure DevOps服务。
VSTS是微软在代码开发和部署协作方面的服务。它包括用于源代码控制的Git存储库、构建和发布管理支持、规划和跟踪工作的工具、测试工具、对Slack和Trello等相关服务扩展的支持,以及其他各种Azure服务。
微软9月10日公布的、新的Azure DevOps计划将开始在几个月内将现有的VSTS用户迁移到Azure DevOps。VSTS的本地补充——即Team Foundation Server(TFS)用户将在下一个版本的TFS中变成Azure DevOps Server。TFS用户将继续根据Azure DevOps中的功能获得更新。
去年,微软推出了第一个使用“Azure DevOps”品牌的服务的预览版本——Azure DevOps Projects。这项服务让开发人员能够基于Azure App Service发布应用程序,并且从Azure门户的单一视图中监控这些应用程序。
微软正在研究和重新命名许多VSTS服务以创建Azure DevOps产品系列。这些服务适用于公共云和私有云,因此用户可以选择在自己的数据中心中运行它们。
今天宣布的产品有:
● AzurePipelines:CI / CD(持续集成/持续交付)服务,可以与任何语言、平台或云一起使用,并连接到GitHub或任何其他的Git存储库。(微软在博客文章中写道:“如果你想使用Azure Pipelines从GitHub中的repo构建和测试节点(Node)服务,并将其部署到AWS中的容器里,那就去吧。”)
● Azure Boards:使用Kanban面板、backlogs、团队面板和报告跟踪工作。
● Azure Artifacts:来自公共和私有来源的Maven、npm和NuGet包。
● AzureRepos:云托管的私有Git repos。
● Acean测试计划(Azure Test Plans):计划的及探索性测试解决方案。
VSTS目前包括CI/CD、Boards、包管理、Git集成和测试以及一系列其他协作、管理和附加服务。
当微软宣布计划以75亿美元收购GitHub时,该公司的管理层很快宣称对GitHub的收购并不意味着VSTS的结束。
微软在宣布收购当天的博客文章中是这样表示的:
“有了GitHub的加入,VSTS和TFS变得更加强大。一些客户更喜欢简单的集成解决方案,其他客户希望逐步采用DevOps工具,组装定制解决方案。多年来,我们一直在为产品添加可扩展性和集成功能。今天,VSTS和TFS与GitHub集成都将继续深入下去。GitHub提供了一个出色的开发人员社交平台和版本控制系统,对于开发人员具有广泛的吸引力。VSTS提供了广泛的DevOps服务,可以扩展到最大的企业。团队可以在这两个世界中左右逢源,选择他们想要的东西。”
官方当时表示,VSTS将变得更加模块化,既可作为单一集成套件,也可作为一组单独的服务。
微软一直在打造TFS 2019,我现在假设它将被重新命名为Azure DevOps系列服务。根据从Windows团队在用Fluent设计语言所做的事情这条线索进行推断,该团队还在重新开发VSTS用户界面。
微软正在为那些构建开源项目的人免费提供Azure Pipelines。(他们可以免费获得无限的CI/CD分钟数和10个并行作业。)微软还为最多5个用户的小型团队免费提供Azure DevOps Services,10个用户的团队每月的使用费用为30美元。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。