最新

大家好， 我们很高兴推出一个新的计算机使用基准测试。最初我们并没有打算开发一个基准测试，但发现当前的OSWorld环境非常具有挑战性，许多测试存在问题。 OSUniverse旨在非常简单易用，只需要安装Docker，一条命令即可运行。它提供多个难度逐渐增加的测试级别，且易于扩展。 我们已经对所有顶级代理进行了基准测试。随着新的图形界面代理的发布，我们也会持续更新它们的性能表现。 祝大家玩得愉快！

这个Playwright测试脚本使用人工智能来检测西斯廷教堂烟囱是否冒烟，以及烟雾是否为白色。只有当烟雾为白色时，测试才会通过。 <p>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></p> <p>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></p>

首先，我要为这个吸引眼球的标题道歉。Apache Flink并没有死——我们实际上非常喜爱它！事实上，ZephFlow正是源于我们对Flink强大功能的钦佩。 不过，对于单实例、边缘计算和资源受限的环境，我们发现Flink的架构引入了我们并不需要的复杂性。 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不可或缺。 - 5G就绪：专为5G时代超低延迟需求设计，数据处理更接近数据生成源。 - AI管道集成：非常适合为边缘AI应用预处理数据。 - 双重部署：可以作为API后端或数据管道使用，且代码库相同。 - 云成本优化：在边缘处理和过滤数据，仅将重要数据发送到云端。 “本地→分布式”的创新： 正如DuckDB通过允许您在本地开发并扩展到分布式环境来彻底改变分析处理一样，ZephFlow也将这一概念引入流数据处理。您可以在单实例上开发和测试流处理管道，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重大改变。 我们希望听到您的意见： 我们正在努力发布一个保持相同简单性但能够水平扩展的分布式版本。您认为哪些分布式功能对您最有价值？请在评论中告诉我们。 查看我们的项目，网址是 [https://github.com/fleaktech/zephflow-core](https://github.com/fleaktech/zephflow-core)，如果您觉得它有用，请给我们一个星星！