Google Cloud Platform
PulseAugur coverage of Google Cloud Platform — every cluster mentioning Google Cloud Platform across labs, papers, and developer communities, ranked by signal.
10 天有情绪数据
-
开发者构建开源仪表板以跟踪 LLM 成本和采用情况
一位开发者创建了一个开源仪表板，用于跟踪不同提供商（如 Claude Code、Codex 和 Kimi）的 LLM 使用情况和成本。该工具使用 LiteLLM 作为网关，将请求路由并将详细信息（包括成本、token 和用户活动）记录到 BigQuery。这种设置使团队能够监控支出、设置预算并了解 AI 编码工具的采用率，从而解决了不同 LLM 提供商计费页面分散的问题。
-
开源命令行工具 ghealth 简化了 AI 代理对 Google Health API 的访问
一款名为 ghealth 的开源命令行工具已发布，用于连接 Google Health API，这是 Fitbit Web API 的继任者。该工具使用 Go 编程语言编写，允许用户以结构化的 JSON 格式访问和处理健康数据，例如睡眠模式和心率。ghealth 的设计考虑了 AI 代理的需求，提供简化的输出和确定的退出代码，以方便集成到 AI 工作流中。该工具支持 40 种已验证的数据类型，并要求用户自行管理 Google OAut…
-
Hacker News 招聘帖突出初创公司的AI职位
Hacker News 2026年7月的“谁在招聘？”帖子中包含多个与AI相关的职位，包括位于马萨诸塞州波士顿的MassChallenge的首席技术官，专注于软件工程、数据和AI。初创公司工厂Kiloforge正在寻找位于加利福尼亚州旧金山的创始工程师，专注于自主软件产品开发，并获得了Andreessen Horowitz等投资者的500万美元以上资金。位于旧金山的Bucket Robotics正在寻找高级全栈工程师，利用AI开发用于…
-
2025年GCP专业机器学习工程师考试指南
本文旨在为准备参加2025年GCP专业机器学习工程师考试的个人提供指导。它旨在提供实用的建议和见解，以帮助考生成功通过认证过程。
-
Azure、AWS、GCP 上的 MLOps CI/CD 和特征工程 · 跟踪 2 个来源
该集群探讨了在 Azure、AWS 和 GCP 等主要云平台上实现 MLOps 中的 CI/CD 管道。它强调了 MLOps 与传统 DevOps 的区别，强调了特征工程和可扩展数据处理的重要性。Azure Databricks 结合 Apache Spark 和 Delta Lake 等技术，被认为是管理大规模特征工程和 MLOps 工作流的关键工具。
-
云迁移的成功取决于合作伙伴的选择，而不仅仅是平台
选择合适的合作伙伴对于成功的云迁移至关重要，其影响往往比平台选择本身更大。许多迁移的失败并非因为缺乏技术能力，而是因为选定的合作伙伴未能理解特定的环境、业务需求和运营现实。组织应超越认证，关注合作伙伴对业务流程和相互依赖性的理解，因为这些往往是意外成本和延误的根源。
-
AWS、GCP 和 Azure AI 云基础设施对比
本文比较了 Amazon Web Services (AWS)、Google Cloud Platform (GCP) 和 Microsoft Azure 的 AI 云基础设施产品。旨在帮助企业确定哪个云服务提供商最适合其特定的 AI 工作负载需求。
-
LLM工程师手册详述生产级AI开发
《LLM工程师手册：掌握从概念到生产的大型语言模型工程艺术》提供了构建和部署LLM应用的全面指南。它涵盖了MLOps、机器学习基础、数据科学原理和软件工程最佳实践等核心主题。该手册还深入探讨了实际方面，如AWS、Azure和Google Cloud Platform等平台上的云计算，以及Kubernetes和Docker等容器化技术。
-
Databricks 通过新的身份和合规功能增强 AI 平台安全性
Databricks 宣布推出一系列新的安全与合规功能，旨在实现其 AI 和数据平台的安全扩展。这些更新包括 Entra ID 在 AWS 和 GCP 上的自动身份管理（Automatic Identity Management）的通用可用性，AIM for Okta 的公开预览，以及新的基于上下文的入口策略（Context-Based Ingress policies）。该公司还推出了私有网络网关（Private Network G…
-
AI 云基础设施与 RAG 技术探讨
此集群包含来自 Mastodon 的两篇不同内容。第一篇讨论了 AI 云基础设施提供商（特别是 AWS、Google Cloud Platform 和 Azure）的比较，以帮助企业找到最适合的方案。第二篇内容（日语）侧重于检索增强生成（RAG），解释了其概述和在优化 AI 驱动的文档生成与搜索方面的实际应用，并引用了最新的研究和案例研究。
-
AI代理需要类似软件的版本控制以保证稳定性
文章讨论了AI代理版本控制的关键需求，将它们的配置复杂性比作软件代码。文章强调了在未经充分测试的情况下直接将更改部署到生产环境的风险，这可能导致宕机和数据损坏。作者提倡将软件开发的最佳实践，如CI/CD，应用于AI代理开发，以确保稳定性和可靠性。
-
Google Cloud 工作负载身份联合提供无密钥身份验证
安全团队强烈建议不要使用服务账号密钥来访问云资源，因为存在固有风险。这些密钥存在问题，因为它们寿命长、难以跟踪，并且可能意外泄露。一个更安全的选择是 Google Cloud 的工作负载身份联合，它允许使用 OAuth 2.0 和 JSON Web Tokens (JWT) 进行无密钥身份验证。此方法依赖于基于受信任身份的短期、可交换令牌，从而显著增强安全性。
-
NPM蠕虫感染639个包，目标是开发者工具
一个复杂的蠕虫于2026年5月19日在不到40分钟内感染了639个npm包，影响了约1600万次每周下载。该恶意软件源自一个被攻破的npm账户，不仅窃取了云和数据库系统的凭证，还利用GitHub Actions获得了发布新包的权限。此次攻击的一个显著特点是其持久化机制，它在Claude Code和VS Code等开发环境中安装钩子，以及一个“死亡开关”，如果被攻破的令牌被吊销，则会删除用户数据。
-
安全研究员指出 Google Dev Signal 中存在的漏洞
一位安全研究员发现了 Google Dev Signal 中存在的严重漏洞。Dev Signal 是一个旨在生成专家内容的、多智能体系统。该系统使用 Vertex AI 进行记忆管理，并使用 MCP 工具进行内容创建，但容易受到通过间接提示注入导致的记忆污染，以及其工具链可能被攻破的风险。研究员已开发出开源解决方案 Agent Fixer Stage 和 MCP Core Defense，通过提供输出审计和工具注册检查来弥补这些安全漏洞。
-
AWS利润率飙升10%，AI市场超出预期
SemiAnalysis报告称，在AWS运营利润率大幅增长的推动下，AI市场已显著超出2025年预期。尽管Azure和GCP的利润率保持平稳，但AWS却实现了10个百分点的增长。这一表现表明AI行业增长轨迹强劲，尽管存在不均衡性。
-
云MLOps：AWS、Azure、GCP 2026年评估
本文评估了2026年顶级的MLOps云服务提供商，重点关注AWS、Azure和GCP。文章强调了它们的优势、成本以及现有基础设施对平台选择的实际影响。最终，作者认为组织的当前技术栈通常决定了最佳MLOps云选择，而非功能比较。
-
Leanpub 发布新的 BigQuery 优化手册
Nitin Gandhi 在 Leanpub 上发布了《BigQuery 优化手册：成本与性能的模式和实践（2026 版）》。这本书侧重于提高 Google Cloud 的 BigQuery 数据仓库服务的成本效益和性能的策略。它面向数据工程领域的专业人士以及在 GCP 上处理大型数据集的人员。
-
微软软件包两次被植入窃取凭证的AI恶意软件
微软官方开源软件包在数周内第二次遭到入侵，73个软件包被注入了旨在窃取凭证的恶意代码。当开发人员使用AI编码代理打开这些软件包时，这些代码就会被激活，可能通过窃取AWS、Azure和GCP等云提供商的令牌，以及密码管理器和开发人员工具的凭证来危及系统。此次攻击与威胁组织TeamPCP有关，使用了名为Miasma的恶意软件，并通过利用合法的微软OIDC令牌绕过了存储库构建管道。
-
Rust 引擎在廉价虚拟机上流式传输 Mixtral 8x7B
一款名为 MER 的新 Rust 推理引擎能够从 NVMe 存储高效地流式传输大型语言模型（如 Mixtral 8x7B）到性能较低且更便宜的虚拟机上。这种方法通过按需加载模型专家、将常用模型缓存到 RAM 中，避免了对高端 GPU 的需求，并在每小时 0.40 美元的虚拟机上实现了 3.32 tps 的速度。该引擎展示了 15.56% 的缓存命中率，目前受 CPU 限制，并计划集成 GPU 推理以获得进一步的性能提升。
-
DevOps Midwest 2026 会议征稿即将截止
DevOps Midwest 2026 会议的征稿将在 24 小时后截止。会议将涵盖广泛的主题，包括 AWS、Azure 和 GCP 等云平台，以及 Jenkins、CDK 和 Terraform 等 CI/CD 工具。会议还将讨论无服务器计算、容器化、测试自动化和 DevSecOps。