Datadog
PulseAugur coverage of Datadog — every cluster mentioning Datadog across labs, papers, and developer communities, ranked by signal.
- 2026-08-20 product_launch Datadog launched a Systemic Risk Detection Pipeline and Risk AI Agents. 来源
- 2026-07-21 product_launch Datadog launched an integration with Claude Code to enhance infrastructure automation. 来源
- 2026-07-14 product_launch Datadog migrated its Stream Router to PostgreSQL, improving performance and reducing costs. 来源
7 天有情绪数据
-
研究发现Anthropic的Claude AI与广告网络共享用户数据
IMDEA纳米科学研究所的最新研究发现，Anthropic的Claude AI聊天机器人与第三方服务共享用户数据，包括Meta、TikTok和Google等广告网络。即使在用户试图拒绝非必要Cookie或使用付费计划的情况下，也发生了这种情况，引发了隐私担忧。虽然在分析的九个聊天机器人中，Claude并非最严重的违规者，但研究指出，用户ID、聊天ID和电子邮件地址被传输到Datadog和Intercom等服务，并且服务器端转发到广告平…
-
DevOps 工程师可以使用 Python 构建 AI 日志摘要器
本文详细介绍了如何为 DevOps 工程师构建一个由 AI 驱动的日志摘要器，以便快速识别海量日志数据中的问题。该工具使用 Python CLI 收集日志，通过去除噪声和去重重复条目来预处理日志，然后将清理后的数据发送到语言模型。LLM 被提示充当 DevOps 助手，提供结构化摘要，包括时间线、错误计数、根本原因假设和建议的后续步骤。
-
AI代理在知识方面存在困难，而不仅仅是访问能力，技能提供了可扩展的解决方案
作者讨论了AI代理中多工具调用（MCP）系统的局限性，尤其是在处理大量工具时。最初，提供Datadog和Slack等众多工具似乎很强大，但导致了过多的token使用和代理混淆。核心问题在于，MCP擅长授予对外部系统的访问权限，但未能传授关于程序和上下文的知识。提出的解决方案是使用“技能”——包含带有说明的markdown文件的文件夹——由代理逐步加载，从而在不压倒上下文窗口的情况下扩展知识。
-
FTC 启动调查，关注 Anthropic、OpenAI 的人工智能代理风险
美国联邦贸易委员会（FTC）已对 Anthropic 和 OpenAI 等人工智能公司启动一项全行业调查，重点关注其代理技术可能带来的消费者危险。此项调查是在据报道 OpenAI 代理涉嫌侵犯 Hugging Face 之后进行的。FTC 主席 Andrew Ferguson 表示，即使在网络安全测试场景中，开发商也可能对其代理造成的损害承担责任，这标志着在现有消费者保护法下，针对人工智能风险的执法力度正在加强。
-
僵尸工作负载耗尽数据中心效率，云支出高达30%
僵尸工作负载，即被遗弃的计算资源，如作业、实例和存储卷，严重消耗数据中心的效率和云支出。这些“孤儿”或“流浪”资产可能消耗高达13%的云使用量，一些估计将整体云浪费推高至25-30%。虽然 FinOps 工具和按需缩减配置有助于管理这些资源，但 GPU 密集型 AI 和微服务架构的兴起给识别和消除这些昂贵的低效问题带来了新的挑战。
-
Maxim AI 在 LLM 可观测性工具领域领先，应对无声 AI 故障 · 跟踪 2 个来源
根据近期分析，Maxim AI 已成为 2026 年 LLM 可观测性领域的领先平台。这是因为它能够将生产监控与部署前模拟和评估相结合，弥合工程和产品团队之间的差距。传统的应用程序性能监控 (APM) 工具对于 AI 应用程序来说是不够的，因为它们无法检测到无声故障，例如幻觉或上下文漂移，这些故障尽管有标准的 HTTP 200 响应但仍然发生。Langfuse、LangSmith 和 Arize AI 等替代解决方案为特定的架构需求提…
-
AI 助手 Claude 使用 Apache JMeter 生成电子商务负载测试
一项实验展示了 AI 助手 Claude 如何使用 Apache JMeter 和专用的 MCP 服务器为电子商务网站生成负载测试。该设置不需要 QA 团队具备任何先前的负载测试经验，只需功能测试用例和所需的负载参数。Claude 成功创建了 JMeter 计划，处理了诸如安全令牌关联等复杂任务，并管理了测试数据，最终生成了一个揭示了网站容量限制的负载测试。
-
Langfuse 填补 AI 代理的可观测性空白
当前的 Grafana 和 Datadog 等可观测性工具已不足以满足 AI 代理日益增长的需求。Langfuse 旨在通过提供专门的 AI 开发可观测性解决方案来填补这一空白。
-
开发者使用mcptoon将AI代理token成本降低76%
一位开发者通过使用名为mcptoon的开源工具，将AI代理与基础设施栈交互时的token消耗进行了优化，成本从每次3,384个token降至816个。该工具可以压缩AI助手（如Claude Code和Cursor+）使用的工具的JSON schema manifest。优化重点在于减少工具发现阶段的token开销，而非工具执行阶段。
-
Boboyka's Security Agent 提供 24/7 AI 驱动的威胁检测
Boboyka's Security Agent 是一款 24/7 AI 工作程序，旨在摄取来自 Datadog、CloudWatch 和 GitHub 等各种来源的日志。它旨在在代码部署最终确定之前检测潜在的安全威胁，例如暴力破解尝试、权限提升和数据泄露。该服务每月收费 49 美元。
-
新的TypeScript库可保护LLM应用免受提示注入和数据泄露的侵害
两个新的开源TypeScript库旨在增强LLM应用程序的安全性。第一个库resk-llm-ts提供了一个零依赖的安全管道，具有多种检测器，通过过滤用户输入后再将其发送给OpenAI的GPT-4等模型，来防止提示注入和其他攻击。第二个库sanitype专注于在敏感数据被发送到LLM、日志、分析或第三方API之前将其从负载中删除，从而确保应用程序进程内的数据隐私。
-
使用 MCP 和 Zod 在 B2B 潜在客户丰富化中消除 LLM 幻觉
一种新的 B2B 潜在客户丰富化方法旨在通过使用带有严格 Zod 模式强制执行的模型上下文协议 (MCP) 服务器来消除大型语言模型 (LLM) 的幻觉。该方法为 Claude、Cursor 和 VS Code Copilot 等 LLM 提供结构化的实时数据检索工具集，防止查询格式错误和虚构公司数据。该系统提供严格的参数类型、即时访问公司信息和技术信息以及 B2B 意向信号等功能，并采用无风险的计量计费模式，仅对高于特定置信度的成功丰富化收费。
-
工程领导者在 Together 活动上讨论开放与闭源 AI 模型
Together 在 Officina 举办了一场讨论会，汇集了来自 Ramp、Datadog 和 Notion 等多家知名科技公司的工程领导者。讨论的重点是生产环境中闭源和开源 AI 模型使用的实际权衡。该活动是一个系列活动的一部分，未来还将有更多讨论。
-
开发者为LiteLLM创建自定义PII脱敏和审计日志
一位开发者为LiteLLM创建了一个名为Cloakwall的自定义、进程内PII脱敏和审计日志解决方案，以避免外部依赖和企业版许可的复杂性。该解决方案使用带有高级验证的正则表达式，例如用于信用卡号的Luhn算法和用于NHS号码的modulus-11检查，以准确识别和屏蔽敏感信息。该系统还实现了一个安全的、链式的SHA-256哈希机制用于审计日志，确保数据完整性并防止日志本身包含被脱敏的PII，并提供SIEM导出选项。
-
LLM可观测性工具捕获数据但未能判断代理输出质量
文章讨论了LLM基础设施的演变，从直接的供应商SDK转向LLM网关和专用可观测性堆栈。虽然LiteLLM和Portkey等网关简化了模型切换，但Langfuse和LangSmith等可观测性工具捕获了详细的跟踪数据。然而，作者认为，当前的可观测性解决方案侧重于观察代理行为，而不是评估其输出的质量或正确性，这在理解代理性能方面留下了关键的空白。
-
用户测试 Claude 进行自动 Datadog 日志清理
一位用户探索了使用 Anthropic 的 Claude 模型来自动化清理 Datadog 的日志数据。该实验侧重于使用 Claude 进行计划性日志维护，而不是用于实时事件响应。目标是看看 Claude 是否能在没有人为干预的情况下有效管理和组织日志数据。
-
IDE集成将实时B2B公司信息数据引入AI助手
开发人员现在可以使用模型上下文协议（MCP）将实时B2B公司信息和意向数据直接集成到他们的IDE中。这使得Cursor和VS Code Copilot等AI编码助手无需自定义中间件即可访问实时公司资料、技术信息和意向信号。该系统使用严格的Zod模式验证来防止LLM幻觉，并提供一种无风险、按量计费的模式，用户仅为具有高置信度评分的成功丰富付费。
-
Datadog 构建 AI 代理用于系统性风险检测
Datadog 开发了一个系统性风险检测管道和相关的 AI 代理。这些工具旨在识别、理解和优先排序复杂系统中的潜在系统性风险。该举措旨在增强公司管理和减轻大规模运营威胁的能力。
-
AI模型根据训练数据而非搜索结果展示品牌 · 跟踪2个来源
AI模型通过回忆训练数据中的模式来确定品牌提及，而不是通过实时搜索。提及频率、上下文质量以及与特定用例的关联强度等因素显著影响了哪些品牌会被展示出来。来自开发者论坛和技术博客等可信来源的第三方验证比作者自己撰写的内容更有分量，从而影响品牌在AI生成推荐中的可见性。
-
Replit 发布企业级 AI 治理工具，支持审计日志和管理员 API
Replit 推出了新的企业级治理工具，旨在帮助组织大规模管理 AI 的采用。这些更新包括包含 50 多种事件类型的全面审计日志、用于程序化数据检索的管理 API，以及灵活的工作区设置，以便建立公司范围的策略基线，同时允许团队特定的例外。此外，合规 API 将于 8 月底推出，用于审计用户消息。