AI
Valkey 9.1上个月正式发布,无论是普通用户、项目贡献者还是维护者,对此次更新都充满期待:新版本在安全性、可观测性、性能以及效率方面均带来了全新功能与显著改进。
但不是所有人都知道的是,9.1版本中有一大批Bug修复工作,是由AI智能体完成的。
对于不熟悉Valkey的读者来说,Valkey是一款开源、高性能的内存数据存储系统,隶属于Linux基金会,是Redis的替代方案,支持缓存、消息代理队列以及复杂的键值数据结构。
Valkey项目维护者、AWS内存数据库首席工程师Madelyn Olson向The New Stack介绍,在9.1版本发布准备阶段,发布分支上堆积了一批需要cherry-pick操作的Bug修复,亟待处理。
"我们没有依赖人工来完成这些Bug修复的代码回迁,而是部署了一个AI智能体,"Olson说,"智能体自动拉取修复内容、应用补丁、运行持续集成流水线,并无缝处理了所有合并冲突。这正是Valkey真正需要的AI应用方式——实实在在的效率提升,没有任何噱头。"
代码回迁(Backporting)本身具有一定的效率优势,即将新版本中的软件修复、功能或安全更新应用到旧版本。但在代码库持续发生重大变更的情况下,这一过程依然复杂且耗时耗力。
Olson解释道,团队过去需要"花费数小时将Bug修复和安全补丁回迁到旧分支",以确保数据库在不同版本间都能稳定、安全地运行。随着各分支随时间推移而逐渐分化,这项工作虽然至关重要,但对团队来说非常耗费精力。
引入AI代码智能体的目标,正是把这些时间还给项目维护者,让他们能够专注于其他更重要的核心任务。
"在整个9.1版本的开发周期中,我们部署AI来管理代码回迁、执行代码溯源扫描并运行验证。通过将那些不必须由人工判断的重复性手动工作转交给AI,我们的维护者得以将精力集中在核心工程工作上,"Olson表示。
Valkey项目面临的一大挑战,是需要同时维护多个支持分支,包括7.2、8.0、8.1、9.0以及最新的9.1版本。由于Valkey是许多应用的常驻核心组件,用户在升级到最新主版本时往往会有所顾虑。维护者将这种顾虑称为一种"合理的担忧",根源在于Valkey在用户生态系统中处于"热路径"位置。
为此,项目团队专门开发了一个回迁智能体,用于自动化处理维护工作。该智能体负责将所需变更回迁到旧分支,并确保回迁后的代码能够通过旧版本的所有相关持续集成测试。
"智能体工作流会主动识别可能需要回迁的测试修复项。整个过程仍有人工参与,最终合并前需要人工审核确认,但这个工具已经让团队腾出更多时间处理非维护性工作,每位工程师每周节省了数小时的测试时间,"Olson说。
除回迁智能体外,项目团队还开发了一款AI工具,用于评估和维护代码库的完整性。
这款工具名为Provenance Guard,其功能是扫描传入的Pull Request,验证是否有代码无意中引入了未经授权的代码库内容。Provenance Guard智能体在后台自动运行,一旦发现存在问题的Pull Request便会通知维护者,从而降低人工审查团队的整体认知负担。
"Provenance Guard在我们项目中的功能,是在人工代码审查之前和之外进行的初步及辅助性检查,"Olson确认道,"换句话说,它并不是我们代码的最后一道防线,远非如此。它只是替人工审查者分担了初步扫描工作,相当于在一项高度确定性的安全检查上多加了一双眼睛。"
Provenance Guard已成功识别出多起无意复制的情况,其存在也进一步完善了项目持续推进中的安全实践。
随着智能体日益能够无缝处理常规合并任务,年轻开发者需要掌握哪些新技能,才能在团队中持续体现自身价值?
"初级开发者除了需要具备为项目做出贡献所必需的核心编码能力之外,也应该开始自己动手探索AI,"Olson建议道,"智能体非常擅长处理常规编码任务和内容摘要,所以我鼓励新工程师尽快上手AI。"
她进一步指出,正因为智能体"相当擅长处理较为基础的任务",新加入的工程师反而能够有更多精力进行更具系统性的思考,例如思考项目的发展方向,以及某个新功能对现有工具体系的影响。
"不管他们是否乐意,新工程师势必要与智能体并肩工作,因此学会如何审计这些'机器人同事'、与之共存,将是不可或缺的能力,"Olson说,"务实主义是我们社区部署AI的核心原则,而这批初期智能体的成果,也让我们的维护者对未来充满了真实的期待。"
Valkey 10.0是项目演进的下一个里程碑,新版本将重点聚焦于性能、内存效率、智能体内存等方面的进一步提升。
回顾9.1版本,Olson和团队表示,智能体工具节省下来的大量人力,让他们得以在社区建设上投入更多。所有人都在好奇,智能体工具将在10.0版本发布中扮演怎样的角色,以及未来六个月左右,编码、调试及其他软件工程智能体将会呈现出怎样全新的面貌。
Q&A
Q1:Valkey 9.1中的AI智能体具体负责哪些工作?
A:在Valkey 9.1的开发周期中,AI智能体主要承担了三类工作:一是代码回迁,自动将Bug修复和安全补丁应用到旧版本分支,并处理合并冲突;二是运行持续集成流水线,验证回迁代码是否通过测试;三是通过Provenance Guard工具扫描Pull Request,检查是否存在来自未授权代码库的内容。整个过程仍保留人工最终审核环节,智能体主要负责替代重复性、低判断门槛的手动工作。
Q2:Valkey的Provenance Guard是什么?它能解决什么问题?
A:Provenance Guard是Valkey项目开发的一款AI工具,用于维护代码库的完整性。它在后台自动扫描传入的Pull Request,验证是否有代码无意中引自未经授权的代码库,发现问题后会主动通知维护者。它定位于人工审查之前的初步辅助检查,而非最终防线,主要作用是减轻人工审查团队的认知负担,并已成功识别出多起无意复制的情况。
Q3:Valkey为什么需要同时维护这么多版本分支?
A:由于Valkey是很多应用的常驻核心组件,处于系统"热路径"上,用户在升级到最新主版本时往往较为谨慎。因此,项目需要同时维护7.2、8.0、8.1、9.0、9.1等多个支持分支,确保各版本持续获得Bug修复和安全更新,以满足不同用户的稳定性需求。这也是回迁工作量大、引入AI智能体的直接原因。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。