最新

大家好， 我们很高兴发布一个新的计算机使用基准测试。我们最初并没有计划开发一个基准测试，但发现当前的OSWorld环境非常难以使用，许多测试结果也存在问题。 OSUniverse旨在简单易用，只需安装Docker，并且可以通过一条命令运行。它提供了多个测试级别，复杂性逐渐增加，并且易于扩展。 我们已经对所有顶级代理进行了基准测试。随着新的图形用户界面代理的发布，我们将继续更新它们的性能。 祝您使用愉快！

这个 Playwright 测试脚本使用人工智能来测试西斯廷教堂烟囱是否冒烟，以及冒出的烟是否是白色的。只有当烟是白色时，测试才会通过。 目前设置为使用 Google Gemini Flash 2.0，但您可以通过在 GitHub Actions 工作流中设置环境变量来切换到其他大型语言模型提供者/模型：<a href="https://github.com/donobu-inc/donobu-papal-election-tests/blob/main/.github/workflows/tests.yaml">https://github.com/donobu-inc/donobu-papal-election-tests/blob/main/.github/workflows/tests.yaml</a> 我已设置在教宗选举期间每分钟运行一次 - <a href="https://github.com/donobu-inc/donobu-papal-election-tests/actions">https://github.com/donobu-inc/donobu-papal-election-tests/actions</a>

首先，我要为这个吸引眼球的标题道歉。Apache Flink并没有死——我们实际上非常喜欢它！事实上，ZephFlow正是源于我们对Flink强大能力的钦佩。 但在单实例、边缘计算和资源受限的环境中，我们发现Flink的架构引入了我们不需要的复杂性。 ZephFlow保留了Flink高性能、低延迟数据处理的核心原则，同时去除了所有使其难以操作的部分。 为什么ZephFlow在2025年如此重要： - 边缘优化：到2025年，75%的企业数据将转向边缘处理，像ZephFlow这样的轻量级框架变得至关重要。 - 5G就绪：为5G时代的超低延迟需求而设计，数据处理更接近生成源。 - AI管道集成：非常适合边缘AI应用的数据预处理。 - 双重部署：作为API后端或数据管道使用，代码库保持一致。 - 云成本优化：在边缘处理和过滤数据，仅将重要信息发送到云端。 “本地→分布式”的创新： 正如DuckDB通过让你在本地开发并扩展到分布式环境来彻底改变分析处理，ZephFlow将同样的概念引入流数据处理。你可以在单实例上开发和测试你的流处理管道，然后将完全相同的代码部署到分布式环境中。 我们一直在大规模使用ZephFlow进行日志和遥测处理，从本地开发到生产环境的无缝过渡对我们来说是一个游戏规则的改变。 我们希望听到你的意见： 我们正在努力发布一个保持相同简单性但可以横向扩展的分布式版本。哪些分布式功能对你来说最有价值？请在评论中告诉我们。 查看我们的项目，地址是<a href="https://github.com/fleaktech/zephflow-core">https://github.com/fleaktech/zephflow-core</a>，如果你觉得有用，请给我们一个星星！