至顶网软件频道消息: Google希望开发者能够在托管于Google云中的Kubernetes容器中构建更多的应用。
为此,Google今天推出了一系列名为Google Cloud Code的新插件,让使用集成开发环境构建的应用(如IntelliJ和Visual Studio Code)更容易被部署到Kubernetes中。
诸如IntelliJ和Visual Studio Code之类的IDE是用于编写应用代码最流行的工具,Google也坦言不太可能很快就改变这一情况。但使用IDE可能是很麻烦的,因为其设计目的是编写“本地应用”而不是云托管应用,而本地和云环境存在很多差异,这可能导致使用IDE构建云应用的时候会出现各种错误。
Google产品经理Sean McBrean在一篇博客文章中解释说,Cloud Code的目的是要消除这些错误。
McBrean写道:“Cloud Code扩展了VS Code和IntelliJ,将IDE的所有功能和便利性带入了开发云原生Kubernetes应用的过程中。借助Google的命令行容器工具,如Skaffold和Jiband Kubectl,Cloud Code让你在构建项目的时候可以持续提供反馈,将本地编辑-编译-调试这个循环扩展到任何本地或远程Kubernetes环境中。”
McBrean解释说,有很多新概念是需要那些不熟悉Kubernetes的开发者去理解的。Cloud Code通过提供大量Kubernetes部署样本来解决这个问题,这些样本是针对调试、构建和部署应用进行预配置的,让开发者无需担心应用程序的初始设置和配置。
此外,Cloud Code让开发者可以更轻松地将Google的API与他们的应用进行集成,这样他们就可以使用Maps等Google的服务。而且与Cloud DevOps服务(如Cloud Build和Stackdriver)的进一步集成也包含在内。
“例如,一旦你的代码准备好部署,只需提交请求,就会触发Cloud Build自动构建、测试和部署你的应用,”McBrean说。
Constellation Research首席分析师、副总裁Holger Mueller表示:“为了吸引开发者,厂商们要么让变得更加高效,要么让开发者可以使用他们自己喜欢的工具,而Google通过使用面向Google Cloud代码的IntelliJ和VSCode插件同时做到了这两点。”
好文章,需要你的鼓励
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。