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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。