Auto-GPT 横空出世，席卷 AI 圈 “零一万物”发布 Yi 系列开源大模型 Vercel 发布"v0"：根据文本生成 UI 代码 v0 是一款根据文本生成 UI 界面代码的 AI 产品，只要输入文字提示，即可生成 需要的 UI 组件界面。 智谱 AI 开源 ChatGLM-6B 大模型 GPT-4 发布不久后，一款让这个最强大语言模型能够自主完成任务的开源项 目——Auto-GPT 横空出世，在 相关动机和证据。与此同时，该公司还公布了一系列后续关怀方案。 苹果 App Store 免费榜第一是黄色软件 NanUI 界面组件是一个开放源代码的.NET/.NET Core 窗体应用程序 (WinForms)界面框架。适用于希望使用 HTML5/CSS3 等前端技术来构建 Windows 窗体应用程序用户界面的.NET 开发人员。 售卖基于开源软件的解决方案，收费 2 万 员工“因 BUG 被 HR 威胁”离世 某天再度出现了严重的宕机故障——无法打开任何图片和链接。 具体表现为，当用户在推特上加载图片和点击链接时会返回错误信息，称 “您当前的 API 不包括对此端点的访问权限”。 消息人士表示，此次事故由一名工程师修改配置导致，据称马斯克知道此 事后直接暴怒。 ChatGPT 服务中断 2 小时 北京时间 11 月 8 日晚 22 点左右，OpenAI 旗下 ChatGPT 以及相关 API 出现 中断故障，导致面向用户和开发者的服务近

3 Opus 的 7%提升到 SWE-agent+Claude 3 Opus 的 18.2%，效 果都比较显著。 多模态能力：多模态 LLM 使智能体能够综合利用视觉和文本信息，可以理解软件用户界面、 处理的图表、可视化数据、语法高亮和交互映射等内容，更好地理解任务陈述以及获取任务相关 的产品信息、开发过程信息，从而更全面地理解和解决问题。目前排在 SWE-bench verified 前 率更高，或者和竞争对手的竞争中获得优势，还有就是降低成本等等。所以，大模型应用端多端 不够，还需要生长出藤蔓围绕着企业流程开花结果，这个任务最终会落在应用（Application） ——内化了企业流程、借助了大模型能力的、带有可交互界面的程序。2025 年会成为大模型应 用或 AI 应用之争。 另外还有一个趋势也很明显，就是知识管理和协作。我们都说这波 AI 浪潮把原来“没用” 的非结构化数据给激活了，所以我们马上会看到那些原来堆在角落里面的“冷”文件和知识（类 我们需要考虑如何在 AI 生成代码的同时，保 证代码的质量。 60 / 111 生成式 AI 与低代码平台结合，可以在多个方面实现增强的生产力和创新。文本生成与聊天 机器人、从 PDF 构建界面、工作流程自动生成、自助式分析都是经典场景。 此外，多模态 AI 代码的生成，诸如于 Google 的 ScreenAI。它可以将图像和文本结合起来， 生成对应的 DSL，进而转换成不同的代码。

来源：根据专家访谈、公开资料，由艾瑞咨询研究院自主研究及绘制。 云原生应用编排及管理 编排与调度 远程调用 服务代理 API网关 服务网格 分布式架构 消息处理 Serverless 自动化配置 数据库 镜像制作 … 边缘计算 人工智能 大数据 区块链 … 云原生底层技术 容器技术 存储技术 网络技术 云原生顶层应用 云 原 生 应 用 安 全 云 原 生 应 用 监 测 分 析 云原生生态与云原生中间件 云原生中间件特色：底层资源容器化，同时通过组件化、 事件驱动等设计原则让中间件更具备低耦合、标准化等特 性，拥有屏蔽底层技术细节、减免架构复杂度带来的管理 难度，对底层流量等资源配置更加灵活等优势，让开发者 集中注意力至业务逻辑，花费更少时间在非业务核心功能 管理上，构建出更敏捷稳定的应用程序。 云原生中间件开源现状：企业对于云原生整体生态开源贡 献较为活跃，但是在云原生中间件板块，国内并未形成体 ，可 对 承 接 应 用 程 序 通 常 运 行 多 种 通 用 领 域 框 架 ， 如 TensorFlow、Spark、Ray等进行集成。 • OpenTiny是企业级组件库解决方案，拥有主题配置系 统 / 中后台模板 / CLI 命令行等效率提升工具，一套API 接口即可跨端、技术栈、版本、设计规范使用 • EdgeGallery包含应用编排和管理器、应用开发集成平 台、应用仓库、MEP四部分，提升开发者开发、部署、

KubeSphere是在Kubernetes之上构建的以应用为中心的多租户容器平台，于2018年开始写第一行代码，截止到2021年末， KubeSphere已发布11个版本。KubeSphere提供了对开发者友好的向导式操作界面和丰富的企业级功能，包括Kubernetes 多云与多集群管理、DevOps (CI/CD)、应用生命周期管理、边缘计算、微服务治理、多租户管理、可观测性、存储与网络 管理、GPU support等 下的开源软件代码，企业也可利用例如软件前后端“隔离”的其他方式来达到闭源商用的目的。 LGPL开源协议下开源代码的“隔离”引用 软件前后端之间具备“隔离”GPL传染性的效果 软件前端：一般关于用户可见部分，用以实现 操作界面如页面布局、交互效果等页面设计 软件后端：一般涉及用户不可见部分，用以实 现服务端的相关逻辑功能 在某案件审理中，最 高人民法院认定软件 前后端展示方式、所 用技术、分工都不同， 属于独立的程序，因

仓库管理 创建和管理仓库、浏览提交历史和代码文件、审查和合并代码提交、管理协作者、 管理分支等。支持标签、Cherry-pick、WebHook、集成协作工具等。 在线编辑 在线浏览和编辑源代码、配置文件、文档等，无需安装任何软件或插件。内 置文本搜索、代码高亮、自动补全、代码折叠等。 Gitea 核心能力：分支管理 分支保护 设置对分支的访问权限，并限制对该分支的操作。 分支管理 多种操作系统和数据库部署方式 简单的使用方式，多种的集成方式 卓越性能 采用 Go 语言编写，资源占用仅 为 GitLab 的 1/4，运行速度约为 GitLab 的 3 倍 高可配置 100+ 配置项，40+ 模块配置， 通过灵活的配置满足不同应用场景的需求 安全稳定 被⼴泛验证，39k+ GitHub Star、40万+ 安装量、 1000+ 贡献者，覆盖 1000万+ 开发者 Gitea 优势总结 相同机器配置：2C4G • 无负载时内存占用：GitLab 约 3GB，Gitea 约 200MB； • 启动时间（从启动到可以接收请求）：GitLab 约 2 分 钟，Gitea 约 5 秒； • 平均页面打开时间：GitLab 约 3 秒，Gitea 约 0.5 秒。 Gitea VS. GitLab 卓越性能 100+ 配置项，40+ 模块配置， 通过灵活的配置满足不同场景的需求

全态势管理平台。Kubernetes安全态势管理平 台可以通过实时上下文以及当前和历史信息准 确定位攻击活动，同时还可以根据集群的当前 状态提供可操作的补救措施。具体功能包括： • 实时态势管理，发现基于事件的错误配置； • 汇总并找到Kubernetes RBAC中的过度权限； • 防止部署不合规的工作负载，减少潜在爆炸 半径； • 扫描漏洞并为运行的容器生成SBOM。 OpenSIL的目标不是取代UEFI，而是集成在 Gateway是用于管理Envoy Proxy的开源 项目，可单独使用或作为Kubernetes中应用的 网关。它通过了Gateway API核心一致性测试， 使用Gateway API作为其唯一的配置语言来管理 Envoy代理，支持GatewayClass、Gateway、 HTTPRoute和TLSRoute资源。 近日，Envoy Gateway v0.4发布，版本特性更新 如下： • 升级网关API依赖，升级至Gateway 支持通过Helm完成Envoy Gateway安装； • 添加构建初始框架用于扩展Envoy Gateway； • 添加对基于IP子网的速率限制的支持； • 支持自定义Envoy代理引导配置、Envoy代理 镜像和服务配置注释、资源和安全上下文设 置等； • 添加EDS支持（Endpoint Discovery Service)。 近日，OpenYurt v1.3.0发布，版本特性更新如下： • 重构Openyurt控制平面组件；

... ... 物理机 多集群管理 容器管理 弹性伸缩 服务网格 微服务框架 移动作业APP 移动柜面APP 大零售平台 企业级应用网关 移动银行APP 金融开放平台 ... 动态配置 全链路追踪 服务治理 分布式事务 性能分析 灰度发布 滚动更新 日志管理 分布式储存 虚拟机 公有云 私有云 混合云 容器云 金融服务 治理框架 业务后台 业务后台 分布式缓存 数据质量 数据资产 数据治理中心 API申请 API生成 API发布 API管理 数据服务中心 用户中心 权限管理 系统管理 集团组织 用户管理 数据权限 身份认证 全剧配置 应用配置 外部服务管理 系统日志 SOLUTIONS 帮助零售行业迅速提升人效、品效、坪效，驱动业务快速增长，高效整合线上线下用户数据，全面掌控渠道和用户， 提升营销和运营效率，重塑企业零售时代竞争力。

要想做到拓宽上下⽂⻓度（Context），在模型训练和推理侧都存在算⼒+显存的双重挑战。
⽐如，计算量会随着上下⽂⻓度的增加呈平⽅级增⻓⸺⽐如上下⽂增加32倍时，计算量实际会增⻓ 1000倍；⽽在推理⽅⾯，即使是将单机显存配置拉到⽬前的最⾼⽔平（如配备8张80GB显存的GPU芯 ⽚），最多只能在千亿级模型上处理约5万汉字的⻓度。
但在Kimi
智能助⼿上，Moonshot团队通过创新的⽹络结构、改进算法策略等等，对模型训练的各个 ⽤⼾需要等待极⻓的时间才能获得反馈；
• ⼆是⻓下上⽂推理需要的显存容量巨⼤：以
1750
亿参数的
GPT-3
为例（GPT-4、Claude
等模型参 数量未知，故⽆法估算），⽬前最⾼单机配置
(80
GiB
*
8)
最多只能⽀持
64k
上下⽂⻓度的推理， 超⻓⽂本对显存的要求可⻅⼀斑； • 三是⽬前的显存带宽⽆法满⾜需求：英伟达
A800
或
H800
的显存带宽⾼达
2-3
TiB/s，但⾯对如此 ⻓，⽐如上下⽂增加32倍时，计算量实际会增⻓1000倍，这意味着如果只是⽤朴素的⽅式实现，⽤⼾ 需要等待极其⻓的时间才能获得反馈。 超⻓上下⽂导致显存需求进⼀步增⻓：以
1750
亿参数的
GPT-3为例，⽬前最⾼单机配置(
80
GiB
*
8
) 最多只能⽀持
64k
上下⽂⻓度的推理，超⻓⽂本对显存的要求可⻅⼀斑。
极⼤的显存带宽压⼒：英伟达A800
或
H800的显存带宽⾼达
2-3
TiB/s，但⾯对如此⻓的上下⽂，朴素

_trackPageview(); } catch(err) {} {% endblock %} 为Sphinx文档添加Google Analysis 方法二 修改conf.py配置文件 def setup(app): """Insert Google Analytics tracker Based on this Stackoverflow suggestion: stackoverflow

集中⼊⼝分布式部署⽅案 区域 A 区域 B B.jms.com 负载均衡 JS - 2 JS - N JS - A 负载均衡 JS - B JS - N 访问统⼀的⼊⼝， 访问不同地域资产 数据库 依据配置端点规则进⾏访问转发 适⽤于资产访问⼈员分散型管理组织架构 适⽤于资产访问⼈员集中型管理组织架构 特⾊功能三 JS 组件 数据库 KoKo 组件