本周,谷歌发布了Spinnaker for GCP,一个旨在帮助开发人员简化构建云应用的全新解决方案。
Spinnaker是由Netflix和谷歌共同维护的开源开发工具包,它是一个能够让软件团队为其项目创建进行持续交付的工作流程。
持续交付的方法是指程序员每天多次将项目代码添加到项目中,而不是将这些代码捆绑成庞大的、不频繁的更新,这种方法的好处是更新规模较小且更容易调试,并且与现有代码集成的工作量较少。
Spinnaker可以避免设置持续交付环境所涉及的很多手动步骤,实现日常操作的自动化,这是一项神奇但有些复杂的技术。目前,谷歌系统正在通过Spinnaker for GCP解决方案降低部署这一工具包的门槛。
Spinnaker for GCP是Spinnaker的预配置版本,经过定制可以运行在谷歌云平台上。据谷歌称,Spinnaker for GCP是构建在最近升级的Kubernetes引擎之上的,开发人员只需点击几下鼠标即可设置持续交付环境。
Spinnaker for GCP包含了与其他谷歌云服务的广泛集成。企业用户可以使用谷歌的监控工具Stackdriver来确保Spinnaker部署的顺利运行。此外,Spiteaker for GCP还可以与谷歌云的软件漏洞扫描程序配合使用,并且,通过一种称为二进制授权的功能,该系统还可以在部署之前验证代码版本的真实性。
基于云的Spinnaker可能具有广泛的吸引力。上游开源版本本身就是一套流行的解决方案,目前,包括三星、思科和Box等在内的许多公司的数百个软件团队都在使用它。
Spinnaker for GCP只是谷歌推出的专注于简化企业开发工作流程的最新产品之一。今年4月,谷歌推出了一套插件用以简化将代码从程序员工作站转移到云平台的任务。Cloud Code还提供了将应用与谷歌Maps等服务集成的功能。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。