Harness Inc. ——一家提供工具让开发人员能够即时更新和监控其应用程序的软件交付平台初创企业,今日宣布推出一项重大更新,旨在帮助企业大幅提升其应用开发能力。
公司表示,最新发布的 Harness 内部开发者门户旨在解决诸如需要更细粒度的访问控制及应用程序编程接口(API),以及灵活的实体创建与管理等挑战,同时为用户提供更直观的体验。
Harness 内部开发者门户是一款面向开发人员的软件交付即服务平台,帮助他们实时更新和监控应用程序。该平台利用机器学习算法监控新软件发布,以防止其给开发人员带来问题。此服务使用户更容易了解应用程序基线环境中的动态情况;如果新更新出现异常,他们可以触发自动回退至该应用的先前版本。
该平台的设计旨在支持包括持续集成与持续部署(CI/CD)方法在内的软件交付各个方面。这种做法使得企业可以频繁推送软件和应用程序更新,往往一天内更新多次。与以往开发人员每隔几周或数月才发布新功能相比,这是一种全新的运作模式。
Harness 内部开发者门户基于一个名为 Backstage 的开源项目构建,在其基础上扩展功能,使用户更容易配置、适应和维护,并增加了有助于大型企业扩展的平台特性。
在一篇博客文章中,Harness 产品高级总监 Manisha Sahasrabudhe 解释道,虽然 Backstage 对于不需要严格访问控制要求或不需支持数百名以上开发人员的团队来说是理想选择,但其架构对于那些有更高要求的团队来说可能会带来问题。
Superior control
因此,此次新版本的重点在于修复这些问题。许多新更新旨在实现 Harness 内部开发者门户的横向扩展,同时提供更细粒度的访问控制,允许用户创建针对项目、组织或账户级别的目录实体和工作流。Sahasrabudhe 表示,此新功能意在使从服务、API、文档到工作流的一切内容能够按照反映企业现实组织结构的层级进行更便捷的整理。
除了基于项目、组织和账户成员权限的更新外,内部开发者门户还对基于角色的访问控制实现了实体级的细粒度管理。这将使团队能够通过角色、用户或用户组明确共享目录实体,同时为阅读、创建、编辑、删除和执行操作设置权限。
此次版本还推出了基于 Git 的全新实时、高度可扩展的目录实体体验。借助该功能,当对应的 YAML 配置文件在 Git 中更新时,相关目录实体即可立即通过 webhook 触发更新。Sahasrabudhe 认为,这将消除轮询和手动刷新需求。此外,内部开发者门户的目录设计已增强到可以支持“数以万计的实体”,且不会触及 API 速率限制。
至于目录用户界面,也经过全新改版。Sahasrabudhe 表示,新 UI 更加直观,允许用户按个人偏好筛选视图。例如,他们可以根据团队拥有的组件和 API,或是整个组织范围内可使用的内容来组织 UI。同时,Harness 正在通过在目录视图中原生集成评分卡,以增强对 DevOps 成熟度和安全性的可见性,而实体页面则清晰展示了包括范围、所有权及引用在内的重要细节。
Flexible entity creation
其他更新更侧重于用户体验,并为团队在目录实体方面提供更大的灵活性。例如,现在可以通过 Harness 内部开发者门户的用户界面以引导式、基于表单的方式直接创建这些实体,而无需先在 Git 中创建 YAML 文件。这一重大更新使得不熟悉 YAML 语法的开发人员也能创建实体,从而降低了使用 Harness 平台的门槛。
另一项更新支持基于 API 的目录管理。Harness 原生 API 可用于创建和管理目录实体,这为自动发现、自动填充以及构建命令行界面和 Terraform 提供者等自动化操作打开了可能性,Sahasrabudhe 如是说。
所有新功能均已在今日发布的最新版 Harness 内部开发者门户中上线。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。