分析 Agent 框架、工具调用与评估——从玩具到生产的工程化
＋ 关注此主题，在 For Me 查看最近 7 天内最新的 3 条
作者在单个 Snowflake Interactive Warehouse 上同时构建零售运营 AI 应用和其可观测性管线。Cortex Agents 基于 Semantic View 生成 Text-to-SQL，查询约 2500 万行销售数据；AI Observability 自动将 trace、span、工具调用和 token 数写入 SNOWFLAKE.LOCAL.AI_OBSERVABILITY_EVENTS，无需 SDK 或 collector。监控看板与 Agent 共用同一仓库，最终发现了一个被 Agent 100% 成功率掩盖的语义视图缺陷。完整 SQL、代码和 Streamlit 应用已发布在 GitHub。
Cloudflare提出智能体开发生命周期，用自动化软件工厂替代传统软件开发生命周期，通过Workflows编排层与@cloudflare/ci工具链支持智能体自主完成开发、测试、部署和自我改进。平台强调可编程、水平扩展、事件驱动，为每个智能体创建预览部署并并行测试生产环境，同时提供OpenTelemetry兼容的可观测性与基于短期凭证的智能体访问模型。
Lakebase 为 Postgres 推出 Lakebase Search，包含 lakebase_vector（可扩展近似邻居搜索）和 lakebase_text（BM25 全文搜索）两个扩展，现已在 AWS 和 Azure 正式可用。官方称在 VectorDBBench 100M 基准上，lakebase_vector 吞吐量达到次优系统的 2 倍，成本仅为使用 pgvector 的云 Postgres 厂商的 1/4。其测试显示在 100M LAION 数据集上，97% recall 时 P99 延迟为 71 毫秒。客户 Conexiom 使用 BM25 混合搜索处理超 1 亿行数据，计算资源仅为此前 pgvector 方案的一半。
精选长期内容，最多 3 篇
按发布时间倒序