7月4日,极狐(GitLab)中国行首站在成都正式启航,业界大咖和众多开源从业者、爱好者共聚一堂,在分享和互动中推动开源理念在中国的落地。此次中国行巡回活动由极狐GitLab社区主办,从成都出发,历经武汉、上海、北京等地,与落地城市的开发者社区深度合作,邀请开发者们围绕开源、DevOps、GitOps、云原生等主题进行深入探讨,助力开源社区建设。

如今,开源在中国呈现出蓬勃发展之势,开源首次被列入“十四五”规划,得到了政府和行业的高度重视,中国拥有全世界最大规模的开发者群体,这为开源的生根提供了土壤。越来越多的企业开始拥抱开源,对于开源软件、开源技术的巨大需求也随之而来,极狐(GitLab)一直致力于构建开放、多样且极具成长空间的开源社区和生态,通过扶植初创科技企业和青年人才,支持年轻开源力量,让开源理念继续落地生根,本次的中国行巡回活动也正是以此为目标和愿景。
精彩分享:大咖开讲 论道开源
在极狐(GitLab)中国行成都站,整场活动亮点频现,干货满满,不仅有大咖的精彩演讲,更有Workshop联动环节。极狐(GitLab)解决方案架构师张扬带来主题为《数字化浪潮下的企业内源体系构建之道》的演讲,围绕企业应用开源,详细讲解了如何实践开源,成都本地00后的创业大学生、CovScript创始人李登淳分享了《CovScript 4语言新特性与极狐GitLab跨平台构建实践》,来自成都恒道智融的敏捷开发专家邹俊为参与者们带来《敏捷转型与DevOps》,分享了敏捷转型与DevOps的技术概念和最佳实践。
观点碰撞:开源后浪对话开源老将
圆桌论坛环节,两位怀揣开源信仰的年轻人——李登淳、水歌和来自企业的资深开源专家——张扬及邹俊分享了各自的洞见和思考,并就企业的开源策略、如何利用开源做到价值最大化等话题进行深入讨论,碰撞出思想的火花。
Workshop演示:体验全新编程语言
在特别设置的workshop 动手实践环节中,CovScript核心研发团队进行了精彩的演示,使用极狐GitLab SaaS内测版,用四个具体例子帮助开发者们从四个常用角度(工具链的使用、数据库和中间件、图形界面以及Package的制作和发布)全面了解这门全新的编程语言,极狐GitLab带来的顺畅的体验得到了研发团队的一致好评。
继成都站后,极狐(GitLab)中国行还将继续落地在武汉 、上海落地,最后到达终点——北京,每一站,极狐(GitLab)都将为各地的开源从业者们搭建起一个交流、分享的平台,推动开源技术在各地的普及应用。
极狐(GitLab)创始人兼CEO陈冉表示,“我们很高兴看到开源得到越来越多的关注,极狐(GitLab)致力于发展本土开源事业,培养下一代开源力量,通过建设开源联盟、举办开源社区活动、发展开源教育培训等多元化的方式,繁荣开源社区,积极推动中国开源发展。极狐(GitLab)不仅将领先的GitLab平台和技术引入中国,并结合中国市场特色与用户需求提供定制化的方案和服务,同时努力推动优秀开源项目在国内的发展,为国内开源生态的完善持续添砖加瓦。我们期待有越来越多的企业与个人能够参与进来,拥抱开源,贡献开源,让开源发挥更大的价值。”
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。