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
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。