OpenEvidence 如何借助 Vercel 为 65 万医生扩展医疗搜索
OpenEvidence 基于 Vercel 和 Next.js 支撑 65 万医生的医疗搜索,生产部署约 5 分钟完成,前端改动约 5 分钟后即对全部医生生效。
OpenEvidence 基于 Vercel 和 Next.js 支撑 65 万医生的医疗搜索,生产部署约 5 分钟完成,前端改动约 5 分钟后即对全部医生生效。
Mercor 借助 Vercel AI Gateway 与 Vercel Passport,在单一平台上运行内部应用并处理大规模模型流量。接入 AI Gateway 后,批量任务从 12 小时缩短至 2 到 3 小时,前 10 天路由了 1800 万次请求和 630 亿 Token,未触及速率限制。
Zapier 借助 Vercel 的 v0,把合作伙伴演示原型的制作时间从数周压缩到两小时内,可产出含 10 多个视图的可点击原型。其营销团队用 Vercel 部署内部应用 Marketing Hive 与 Marketing OS,后者为 60 多名营销人员提供每日简报,三个内部应用初版各约一天完成。Zapier 一个月内创建 330 万个沙箱,用于隔离其 AI 工作负载的代码执行。
字节跳动在论文中提出面向推荐系统的统一序列存储系统 USDB,同时服务流式与批处理负载。论文称生产迁移记录显示平均写延迟降低 85.8%,归一化部署核算显示基础设施成本降低 42.1%。系统通过 CascadeLSM 按时间分层压缩、差异化副本共享持久文件、部分转储重建推理输入和混合列式格式加速投影读取等设计,在摄取、推理和训练之间复用维护结果。
dxil-spirv 作者因控制流图结构化器膨胀至 9000 行、难以推理,决定放弃可调试性,转而移植 Mesa 的 goto_if 实现以优先保证正确性。作者先用伪造的 SPV_FROG_unstructured_control_flow 扩展绕过结构化,在 RADV 上验证性能持平,并增强了 structurizer-test 以生成可运行代码。
作者把 Stockfish 移植到 200 MHz Intel Pentium Pro(64MB 内存)上,估算其经典时限下 Elo 约 3300,高于卡斯帕罗夫接近 2800 的 Elo。
LinkedIn 构建了基于 OpenTelemetry 的遥测平台,将会员在 iOS、Android 和 Web 应用中的操作与处理后端服务打通。该平台用于追踪会员从点击到后端的完整旅程。
思科总裁兼首席产品官 Jeetu Patel 给 27 岁工程师 Padmanabhan Krishnamurthy(Paddy)无限量 AI Token,用于重构代码,并称"去吧,随便用"。Paddy 2023 年联合创办实时翻译公司 EzDubs,2025 年 Cisco 收购后他随之加入。
OpenAI 详细介绍了其为 monorepo 构建的新 Git 后端 Pando,将推送延迟降低近 5 倍,目前每天处理接近 1 PB 的 Git 数据。Pando 放弃全仓库分支一致性协调和按客户端定制 packfile,改为按分支独立处理写入,并通过 Express 缓存服务分发可复用的 pack,缓存命中率超过 99%。
推荐理由:OpenAI 自研 Git 后端 Pando 的架构取舍与实现细节,为大规模 monorepo 与 AI 智能体提交场景提供可迁移方案。
OpenAI 构建了 Git 兼容后端 Pando,用于支撑 Codex 带来的开发规模。该后端面向大规模开发场景设计,具体实现细节尚未在摘要中披露。
Michael Stiefel 与 Luca Mezzalira 在播客中讨论软件架构作为一门社会技术学科,需在技术设计与组织的社会和管理语境之间取得平衡。他们探讨了架构选择应适配公司独特文化与团队结构,而非盲目依赖通用最佳实践。
文章提出可靠的 Agentic AI 架构依赖上下文引擎,在信息进入模型前完成选择、注入、压缩与过期处理。文章区分上下文、记忆与知识三者,建议采用分层记忆、精选知识与 Token 预算,并给出上下文塞满、过期数据循环等反模式的缓解措施。作者为 Adi Polak。
Uber 构建 MCP Gateway,用于标准化 AI 智能体在 800 多个 MCP 服务器和 5000 多个工具中发现并调用内部服务的方式。该网关将工具注册与运行时执行分离,并提供自动化 API 发现、访问控制、敏感数据脱敏、通过 Omni MCP 实现的增量工具发现以及响应过滤。
DoorDash 通过批量 LLM 推理和确定性校验预计算周期性采购需求,将杂货复购延迟从 16 秒降至 2 秒。实时商品目录解析确保所选商品保持最新,可编辑购物界面则避免不必要的模型调用。DoorDash 称购物清单浏览量翻倍,该流程下单率提升约 34%。
在 Universe '26 大会上,GitHub COO Kyle Daigle 回应前 CEO Thomas Dohmke 创办的竞品 Entire,称世界不需要新的 GitHub,开发者需要的是 GitHub 为智能体时代演进。
Interfaze 的模型 API、代码沙箱与模型路由全部跑在 Vercel 上,每月处理 5000 万次请求,后端以 serverless 函数形式与前端同代码库部署。
GitHub 团队构建了 GitHub App Evergreen,用定时 Actions、webhook、issue 和自定义属性自动完成外部协作者季度权限审查与陈旧仓库归档。
微软研究院发布零知识虚拟机 Magnetar,可直接证明 Rust、Go、C 编写的 RISC-V 程序执行过程,在笔记本上每秒证明 720 万至 870 万条指令,15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍,证明验证约 12 毫秒。其安全性仅依赖 SHA-256 或 SHA-3 等标准哈希函数,不需要椭圆曲线、格密码、可信设置或未证明的纠错码猜想。
推荐理由:微软研究院梳理十余年零知识证明研究脉络,展示 Magnetar 如何同时兼顾速度、通用性与标准哈希安全性。
AI 智能体让 CI 成为瓶颈,但加快流水线解决的是错误的问题。Anthropic 工程团队称其 CI 任务量半年增长 25 倍,Linear 的测试套件自 1 月以来接近翻两番,两家都改造了流水线。
开发者用 UWB 无线电搭建了 BinRange:一个固定锚点加六个电池标签,配合 Home Assistant 判断垃圾桶是否已从存放区移出。测试中 10.1 米距离的平均读数为约 10.09 米,标准差 3 厘米,室外可靠读数约 30 米,最远记录 37.28 米。项目包含打印外壳、自定义固件和无线更新,构建过程大量借助 Codex。
DoorDash 的 Siddharth Kodwani 与 Swaroop Chitlur 分享了内部 GenAI 平台的建设历程,覆盖核心架构选择、从厂商优先方案转向开放权重模型,以及 LLM 与智能体网关的实践。该平台需在准确率、延迟与成本之间取得平衡,服务超过 5000 名内部用户。
InfoQ 文章指出高可用与韧性是两个不同问题,一次常规 TLS 1.3 升级静默破坏了 Route 53 健康检查,导致 CDN 停止向健康区域路由流量,而内部仪表盘未显示任何异常。文章还分析了控制平面依赖如何造成不可见的失效模式,以及缺乏明确责任归属时恢复能力会如何退化。
Uber 工程师 Dhruva Juloori 分享如何在每月处理 65000+ 次变更的大型 monorepo 中保持主干绿色,SubmitQueue 借助二叉推测树、冲突分析和机器学习模型预测构建成功与执行时间。跳过大型 diff 后,CI 资源使用下降 53%,PR 合入时间加快 37%。
一场专题讨论探讨了 AI 如何推动生产运维演进,将运维数据转化为可用于事件响应的可执行洞察。与会者还讨论了自动化与新的架构实践如何帮助工程团队构建更易理解的系统,以及 AI 如何重塑软件交付、改变生产应用历来具有的确定性特征。
Daniel Curtis 提出,AI 代码生成正在改变 UI 组件复用的经济性:模型基于完善的设计系统即可按需生成大部分标准 UI,维护一套标准组件包的成本越来越难被合理化。他建议把设计系统、设计 Token、规范与测试保留为核心,因为它们才是真正带来一致性的部分。
Ian Cooper 在演讲中讨论事件驱动架构下大规模异步 API 的管理,提出消息的 "ABCs"(Address、Binding、Contract)框架。他结合 Just Eat Takeaway 的工程实践,介绍如何用 AsyncAPI、CloudEvents、schema registry 和自动化 CI/CD 基础设施流水线解决异步 API 的发现、治理与供给问题。
Uber 重构了 Uber Eats 搜索链路的主要部分,端到端延迟降低 50%。改动包括 Above-the-Fold 测量、减少检索工作量、并行 hydration、广告数据重新设计、基础设施优化以及 AI 智能体编码工作流。Uber 还在探索 microbatching、基于商品的检索和 HTTP multipart streaming。
CloudBees 新任 CEO Mo Plassnig 宣布将公司转型为 AI 优先组织,以应对生成式 AI 带来的代码量激增。他在采访中表示,大型企业在落地智能体编程时面临的并非单纯技术问题,还需要流程转型、治理与严格安全。这一转型也涉及 CloudBees 旗下开源自动化服务器 Jenkins。
GitHub 在工程博客复盘了一场持续三年的迁移,把 github.com 整套 UI 从 CSS-in-JS 全面搬到 CSS Modules,起因是 2023 年组件数量爆炸带来的性能问题。
通过 DNS 欺骗把 PS5 的 Twitch 推流重定向到本地 Mac,绕过索尼对第三方串流服务的限制。作者用 dnsmasq 将 contribute.live-video.net 等 Twitch 域名解析到 Mac 的局域网 IP,再用 nginx-rtmp 在 1935 端口接收 RTMP 流,并打包成 macOS 菜单栏应用。
Meta 推出 ZippyDB 的无状态代理 ZGateway,集中处理连接管理、流量路由、缓存、负载均衡和准入控制。该网关每秒处理超过 10 亿次操作,承载 ZippyDB 约 40% 的流量,Meta 的模型估算持久连接数可降低 19 倍。
Pierre Pureur、Kurt Bittner 与 Todd Miller 提出五种用 AI 编程智能体改进软件架构的方法,重点在于借助智能体弥补遗留服务文档缺失造成的知识缺口。现代架构常依赖遗留服务完成特定任务,但这类服务往往缺乏准确文档,理解不足时使用存在风险。
Linear 已完成其 React 应用从 styled-components 到 Meta 的 CSS-in-JS 库 StyleX 的迁移,涉及 1000 多个 PR。此次迁移旨在提升性能并强化组件边界,带来了主线程工作量减少和导航速度提升,但也有人批评 StyleX 的约束性规则过于严格。
GitHub 将 Primer 设计系统从 CSS-in-JS 迁移到 CSS Modules,到 2024 年 12 月全部组件完成迁移,服务端渲染页面耗时减少 55%,组件初始化时间减少 25%。
推荐理由:GitHub 用三年时间把设计系统从 CSS-in-JS 迁到 CSS Modules,其特性开关与渐进式迁移方法可迁移到大型前端重构。
55873 生态系统技术白皮书系列第 8 篇(收官之作)面向开发者社区,聚焦开源共建理念与架构设计,探讨如何在开放架构与保护核心证据数据之间取得平衡。文章围绕底层稳定、业务可迭代的目标,覆盖可信 AI 评测、数字资产存证、多语言文脉生态三大赛道的基础设施建设。
Gartner 预测到 2028 年全球财富 500 强企业平均将使用超过 15 万个 AI 智能体,高于 2025 年的不足 15 个,而目前仅 13% 的组织认为自身具备相应治理能力。
Klaviyo 在 Vercel 上搭建内部应用平台并通过公民开发者计划向全员开放,头两周就有 512 名员工部署了 356 个应用,其中 196 个是带自有数据库的全栈应用。
Tailscale 发布性能工程博客,介绍一项针对收包路径的优化。大多数网络包只有 1 KiB,但为使用 Linux 最高效的收包工具 GRO,Tailscale 需准备一次性接收 64 KiB 流量,而 wireguard-go 只提供一种 64 KiB 缓冲区来拆包,导致每个 1 KiB 小包都要被复制进 64 KiB 缓冲区,一次一拷贝。
JetBrains Qodana 团队在一场代码质量问答中解释了技术债与代码质量差的区别:前者是有意妥协带来的未来工作,后者多因知识不足。团队还建议用提取函数、迭代器等方式降低嵌套循环的认知复杂度,并指出变异测试得分 40–60% 可作为合理起点。Qodana 可将 JetBrains 检查接入 CI/CD 流水线,误报可通过 qodana.yaml 排除检查或用 // NOLINT 注释消除。
Delphi 把 Python 后端从 AWS 迁到 Vercel,10 名工程师每天向生产环境部署 100+ 次,跳过 staging 直接靠功能开关和 A/B 测试发布。