Temporal
PulseAugur coverage of Temporal — every cluster mentioning Temporal across labs, papers, and developer communities, ranked by signal.
- 2026-09-15 funding Temporal raised $550 million in Series E funding, reaching a $12.55 billion valuation. 来源
- 2026-09-14 funding Temporal raised $550 million in Series E funding at a $12.55 billion valuation. 来源
- 2026-09-14 funding Temporal raised $550 million in Series E funding at a $12.55 billion valuation. 来源
2 天有情绪数据
-
Google Gemini 4 Carbon、AI代理交易问题及安全漏洞被突出显示 · 跟踪4个来源
Google于2026年10月28日发布了其迄今为止最强大的模型Gemini 4 Carbon。此外,关于AI代理的讨论突显了在Alpaca等平台上下单时可能出现的问题,代理确定的尺寸可能导致订单被拒绝。在安全新闻方面,一个由AI识别的、存在十年的PHP2Shell漏洞已被高危利用,这强调了及时修补的持续挑战。此外,Temporal正被用于AI合同中的模式优先提取和验证,展示了其在确保强大AI系统开发方面的应用。
-
AI时代软件设计模式讨论减少
作者指出关于软件设计模式的讨论有所减少,特别提到了滑动窗口模式。他回忆起几年前曾找到许多关于此类模式的帖子,包括AI生成的,但现在却很难找到相关的对话。
-
生产中的AI代理:基础设施、成本和安全挑战
为生产开发AI代理需要从简单的演示转向健壮的基础设施,以应对网络对抗条件、成本管理和状态持久化。关键考虑因素包括优先使用文档化的API而非抓取,为403和429等HTTP状态码实现适当的错误处理,以及积极的缓存以避免被阻止。对于大规模的代理操作,管理扇出是一个排队问题,需要解决重复工作、重试风暴、无界生成和背压等问题,可以使用Temporal、Celery和SQS等工具。此外,为代理提供专用工作区,例如文件系统或隔离的git work…
-
AI驱动的网络攻击利用PHP漏洞导致网站中断;焦点转向AI资源管理
PHP中的一个新漏洞,因AI驱动的网络攻击而加剧,已导致广泛的网站中断,系统为保护自身而关闭。同时,关于AI模型使用的讨论强调了强大的会计和合同管理的关键需求,特别是对于免费套餐。建议开发人员实施账本和严格的租赁协议来管理AI资源消耗并确保可靠性,因为免费服务通常因状态漂移和短暂基础设施等问题而失败,而非成本问题。
-
AI 和软件项目展示引用基准测试、召回跟踪和交付预测
该集群重点介绍了为 HF26 挑战赛提交的三个不同项目,每个项目都利用了人工智能和软件开发。一个项目专注于人工智能检索系统中引文实践的基准测试,另一个项目推出了 RecallDesk,这是一个使用 AI 和 SerpApi 数据跟踪召回的婴儿装备的订阅服务。第三个提交的是 DabbaETA,一个用于预测餐盒配送时间的 AI 驱动的预测器。
-
AI代理中的持久化执行需要对人类批准的任务进行治理
AI代理中的持久化执行对于在长时间或中断的过程中保持状态至关重要,它允许代理在中断的地方精确地恢复任务。然而,这种基础设施原语主要解决了状态持久化问题,而不是暂停后所采取行动的治理问题,尤其是在涉及人工批准的情况下。相比之下,受管制的运行时可确保恢复的操作仍然获得授权,保持原始执行者的身份和权限,是无竞争的,并以不可变的方式记录所有决策。
-
LangGraph AI 代理框架出现静默生产崩溃
AI 代理编排框架 LangGraph 被发现在生产环境中会静默崩溃,导致代理停滞和令牌循环。该问题源于基本的检查点缺乏故障检测能力。提出的解决方案包括使用 Temporal 进行自动崩溃恢复,并实施 Saga 模式以防止 API 执行期间的双重收费,同时建议使用裸金属 NVMe 进行事件溯源。
-
作者认为代理控制平面是重新包装的 API 网关
作者认为,“代理控制平面”的概念本质上是对现有基础设施的重新包装,而不是一个新软件类别。他们将代理控制平面的四个核心功能——成本计量、审批队列、工具调用策略和审计日志——分解,并将每个功能映射到 API 网关、工作流工具、授权系统和结构化日志记录等现有技术。尽管承认这些工具需要适应代理的特定需求,但作者认为团队可以利用他们现有的基础设施来有效地管理 AI 代理。
-
Temporal 为 ChatGPT 的大规模图像生成提供支持
Temporal 的工作流编排技术正在为 ChatGPT 的图像生成过程提供支持,每周处理约十亿张图像。此次集成凸显了 Temporal 在支持大规模 AI 应用方面的作用。
-
AI应用从简单请求演变为复杂工作流
一位开发者正在为Hacktoberfest周末挑战赛构建Ruko,一个注重隐私的诈骗警告助手。Ruko利用开源AI模型Gemma,在本地运行以保护OTP和密码等敏感用户数据。另外,另一位开发者正在探索AI应用如何利用Temporal来实现可靠的多步工作流执行,管理AI API调用、外部服务和人工审批中可能出现的故障。
-
Temporal 融资 5.5 亿美元,估值 125.5 亿美元,AI 代理需求旺盛
Temporal 已获得 5.5 亿美元的 E 轮融资,公司估值为 125.5 亿美元。这项重大投资是在其 AI 代理执行引擎需求增长的背景下进行的。该公司报告称,收入同比增长超过 200%。
-
Temporal 融资 5.5 亿美元,估值 125.5 亿美元,以赋能 AI 代理
Temporal 是一家专注于复杂应用持久化执行的公司,已在 E 轮融资中获得 5.5 亿美元,估值达 125.5 亿美元。本轮融资由 Lightspeed 和 Wellington Management 共同领投,其他主要投资者也积极参与。这笔资金将使 Temporal 能够增强其平台,该平台对于管理需要跨系统可靠性和状态保持的长时运行 AI 代理和复杂工作流至关重要。该公司强调,随着 AI 的兴起,对此类能力的需求日益增长,并指出…
-
新基准MMGR测试超越视觉流畅性的多模态AI推理能力
研究人员推出了MMGR,这是一个新的基准,旨在评估多模态生成模型在视频、图像和语言输出方面的推理能力。该基准在抽象推理、具身导航和物理常识等领域的十项任务中,评估了五种关键的推理能力:物理、逻辑、二维空间、三维空间和时间。对最先进模型的初步评估显示,视觉输出质量与实际推理正确性之间存在显著差距,模型在数独和数学等符号任务上表现不佳,在导航任务中表现脆弱。
-
Impri 为 AI 代理管道提供轻量级人工审批 API
Impri 提供了一种轻量级的替代方案,用于将人工审批集成到自动化代理管道中,取代复杂的工作流引擎。与其部署 n8n 或 Temporal 等完整的编排平台来处理单个检查点,Impri 提供了一个简单的基于 API 的解决方案。这使得开发人员只需几次 API 调用即可添加人工干预(human-in-the-loop)步骤,从而在不增加管理单独工作流基础设施的开销的情况下,维护其现有脚本。
-
幂等性从防御性措施演变为核心产品特性
幂等性,即系统在不产生意外后果的情况下处理重复请求的能力,正从一种防御性措施被重新定义为一项核心产品特性,尤其是在分布式系统中。这种转变在HealthTech等敏感领域至关重要,因为重复操作可能导致医疗信息错误或账单错误。挑战在于确保“恰好一次”执行,超越简单的数据库约束,转向健壮的调度机制,如运行键和分布式租约。这些策略有助于管理网络环境中的模糊故障,并确保包括AI管道执行在内的复杂工作流程能够可靠地进行。
-
Temporal 和 Lakebase 使用 Databricks 构建持久化代理
Temporal 和 Lakebase 与 Databricks 合作,开发了一个个人贷款承销代理。该代理旨在收集证据、应用策略规则,并能在其工作流程中处理等待期。目标是为复杂任务构建更持久、更可靠的代理。
-
AI代理审批:工作流工具、DIY或专用服务
开发AI代理的开发者经常面临代理在执行发送电子邮件或发布内容等操作之前需要人工审批的挑战。除了构建自定义审批系统,还有几种替代方案。n8n、Temporal和Inngest等工作流引擎提供人工干预节点,但可能缺乏专门的审批界面。对于非常简单的用例,最小化的“自己动手”方法是可行的,但随着需求增长,维护起来可能会变得复杂。重新利用现有的票务或BPM软件是另一种选择,但这些工具可能没有针对代理的特定需求进行优化。对于更量身定制的解决方案,…
-
新基准 CHARM 测试 LLM 的角色遵循度和边界合规性
研究人员开发了 CHARM,这是一个新的基准测试,旨在评估大型语言模型 (LLM) 在角色扮演场景中对角色知识边界的遵循程度。该基准包含 40 个来自不同文化背景的角色,区分了模型对超出范围查询的认知能力以及其避免回答这些查询的能力。评估表明,LLM 主要失败于在识别到查询不当时提供事实性的、不符合角色的回答,这种现象通常与参数覆盖有关,即模型拥有正确信息但无法抑制它。研究还注意到这些失败在文化上的差异,表明模型知识中嵌入不同文化表征…
-
AI代理通过新的审批门控工具获得人类监督 · 跟踪2个来源
两篇文章讨论了为AI代理实施人工干预(HITL)系统的方案,区分了框架原生暂停点和独立的审批门控。LangGraph、CrewAI和AutoGen等框架原生解决方案在其特定的生态系统中提供了集成的暂停机制。相比之下,Impri等专用服务提供了一种更灵活、框架无关的门控操作方法,允许通过Slack、Telegram和Discord等各种渠道进行通知,并支持自托管以获得更大的控制权。
-
2026年8月摘要:AI网关、性能和工作流设计
本摘要涵盖了2026年8月的几项技术进展,重点关注AI网关、性能优化和健壮的工作流设计。新的LiteLLM AI网关设计通过虚拟密钥铸造和基于用量的路由解决了成本控制和提供商故障问题,同时还强调了关键路径风险。对APISIX吞吐量回归的调查利用eBPF分析和LuaJIT分析来识别和解决重大的性能差距。此外,摘要详细介绍了使用NATS JetStream构建钱包事件主干以实现可靠的事件处理,以及使用Temporal和LangGraph等…