中间件

面向 RL 和在数据层（SQL 或 SPL 环境）中直接调用大模型的自动化评估实践。

Spring AI Alibaba Admin 正式发布！一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测，助力企业高效构建可信赖的 AI Agent 应用。开源共建，现已上线！

崩溃堆栈全是 a.b.c？Native 错误查不到行号？本文详解 Android 崩溃采集全链路原理，教你如何把“天书”变“说明书”。RUM SDK 已支持一键接入。

近日，由中国信通院主办的 2025（第五届）数字化转型发展大会在京举行。会上，“阿里云应用服务器软件 AliEE”、“消息队列软件 RocketMQ”、“云数据库 Tair”三款产品成功通过中国信通院“安全可信中间件”系列评估，成为首批获此认证的中间件产品。此次评估覆盖安全可信要求、功能完备性、安全防护能力、性能表现、可靠性与可维护性等核心指标，标志着阿里云中间件产品在多架构适配与安全能力上达到行业领先水平。

本文将针对 Spring AI Alibaba + Nacos 的分布式多智能体构建方案展开介绍，同时结合 Demo 说明快速开发方法与实际效果。

阿里云在云栖大会重磅发布了《AI 原生应用架构白皮书》，该白皮书覆盖 AI 原生应用的 11 大关键要素，获得业界 15 位专家联名推荐，来自 40 多位一线工程师实践心得，全书合计超 20w 字，分为 11 章，全面、系统地解构 AI 原生应用架构，包含了 AI 原生应用的 11 大关键要素，模型、框架、提示词、RAG、记忆、工具、网关、运行时、可观测、评估和安全。本文整理自阿里云智能技术专家李艳林在云栖大会现场的解读。

Higress AI 网关通过提供关键桥梁作用，支持 Dify 应用便捷对接业界成熟的 RAG 引擎。通过 AI 网关将 Dify 的高效编排能力与专业 RAG 引擎的检索效能结合，企业可在保留现有 Dify 应用资产的同时，有效规避其内置 RAG 的局限，显著提升知识驱动型 AI 应用的生产环境表现。

阿里云联合阿里巴巴爱橙科技，共同发布《AI 原生应用架构白皮书》，围绕 AI 原生应用的 DevOps 全生命周期，从架构设计、技术选型、工程实践到运维优化，对概念和重难点进行系统的拆解，并尝试提供一些解题思路。白皮书覆盖 AI 原生应用的 11 大关键要素，获得 15 位业界专家联名推荐，来自 40 多位一线工程师实践心的，全书合计超 20w 字，分为 11 章。

MCP 作为一款开放协议，直接规范了应用程序如何向 LLM 提供上下文。MCP 就像是面向 AI 应用程序的 USB-C 端口，正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一个将 AI 模型连接到不同数据源和工具的标准化方法。

借助 Spring AI Alibaba 框架，开发者可快速实现定制化自动定时运行的 Agent，构建数据采集、智能分析到人工参与决策的全流程AI业务应用。

通过采用阿里云云消息队列 RocketMQ 版，PalmPay 成功构建了一套高可用、高可靠、高弹性的消息中间件体系，全面提升了系统的稳定性、消息处理效率与业务连续性。云消息队列 RocketMQ 版在支付消息通知、高并发交易处理以及资源弹性伸缩等方面发挥了关键作用，有力支撑了 PalmPay 在非洲市场快速增长的数字支付需求。

Spring AI Alibaba 通过集成 OpenTelemetry 实现可观测性，支持框架原生和无侵入探针两种方式。原生方案依赖 Micrometer 自动埋点，适用于快速接入；无侵入探针基于 LoongSuite 商业版，无需修改代码即可采集标准 OTLP 数据，解决了原生方案扩展性差、调用链易断链等问题。未来将开源无侵入探针方案，整合至 AgentScope Studio，并进一步增强多 Agent 场景下的观测能力。

AI 网关作为云产品推出已有半年的时间，这半年的时间里，AI 网关从内核到外在都进行了大量的进化，本文将从 AI 网关的诞生、AI 网关的产品能力、AI 网关的开放生态，以及新推出的 Serverless 版，对其进行一个全面的介绍，期望对正在进行 AI 应用落地的朋友，在 AI 基础设施选型方面提供一些参考。

本文将分享我们在构建 SLS SQL Copilot 过程中的工程实践，展示如何基于阿里云 SLS 打造一套完整的 LLM 应用数据基础设施。

Java语言凭借其成熟的生态与解决方案，特别是通过 Spring AI 框架，正迅速成为 AI 应用开发的新选择。本文将探讨如何利用 Spring AI Alibaba 构建在线聊天 AI 应用，并实现对其性能的全面可观测性。

本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。

3.1.0 发布核心全新功能-Agent 注册中心，助力构建基于 A2A 协议的多 Agent 协作的AI应用，同时 MCP 注册中心适配最新 MCP 官方注册中心协议及升级优化多项核心功能。

通过 SLS、ARMS 与 CMS 的协同运作，《泡姆泡姆》实现了从基础设施到应用逻辑再到用户行为的全栈洞察。这一技术体系不仅支撑了游戏的全球化运营，更为实时互动娱乐场景提供了可复用的技术范式——通过云原生架构的弹性能力、全栈可观测的智能诊断与热更新的持续交付，让技术真正服务于“玩家体验零损耗”的终极目标。

传统的Android应用监控方案需要开发者在代码中手动添加埋点，不仅侵入性强、工作量大，还难以维护。本文深入探讨了基于字节码插桩技术的无侵入式数据采集方案，通过Gradle插件 + AGP API + ASM的技术组合，实现对应用性能、用户行为、网络请求等全方位监控，真正做到零侵入、易集成、高稳定。

本次赛事共设三大赛题方向，参赛者可以任选一个方向参赛。本文是对每个赛题方向的参赛指南。

在人工智能加速发展的今天，AI Agent 正在成为推动“人工智能+”战略落地的核心引擎。无论是技术趋势还是政策导向，都预示着一场深刻的变革正在发生。如果你也在探索 Agent 的应用场景，欢迎关注 AgentScope 项目，或尝试使用阿里云 MSE + Higress + Nacos 构建属于你的 AI 原生应用。一起，走进智能体的新世界。

本简介汇总了常见的RocketMQ异常信息及其解决方案，涵盖主题配置、网络通信、SSL设置、权限控制、消息发送与消费等多个方面，帮助开发者快速定位和理解异常原因。

聚焦于企业部署 DeepSeek 的应用需求，本文介绍了模型权重下载及多种部署方案，还阐述了大模型应用落地的常见需求，帮助用户逐步提升模型应用效果。

APM 一定要全量采集吗？ARMS 推出配置模板，支持按场景分级监控：核心应用上 Trace，非核心只采 JVM，成本直降 90%+ ！

随着 DeepSeek 等高质量开源大模型的涌现，企业自建智能问答系统的成本已降低 90% 以上。基于 7B/13B 参数量的模型在常规 GPU 服务器上即可获得商业级响应效果，配合 Higress 开源 AI 网关的增强能力，开发者可快速构建具备实时联网搜索能力的智能问答系统。

模型带来了意识和自主性，但在输出结果的确定性和一致性上降低了。无论是基础大模型厂商，还是提供开发工具链和运行保障的厂家，本质都是希望提升输出的可靠性，只是不同的团队基因和行业判断，提供了不同的实现路径。本文按四个阶段，通过串联一些知名的开发工具，来回顾 Agent 开发工具链的演进历程。

9 月 26 日，2025 云栖大会 AI 中间件：AI 时代的中间件技术演进与创新实践论坛上，阿里云智能集团资深技术专家林清山发表主题演讲《未来已来：下一代 AI 中间件重磅发布，解锁 AI 应用架构新范式》，重磅发布阿里云 AI 中间件，提供面向分布式多 Agent 架构的基座，包括：AgentScope-Java（兼容 Spring AI Alibaba 生态），AI MQ（基于Apache RocketMQ 的 AI 能力升级），AI 网关 Higress，AI 注册与配置中心 Nacos，以及覆盖模型与算力的 AI 可观测体系。

日志审计的必要性在于其能够帮助企业和组织落实法律要求，打破信息孤岛和应对安全威胁。选择 SLS 下日志审计应用，一方面是选择国家网络安全专用认证的日志分析产品，另一方面可以快速帮助大型公司统一管理多组地域、多个账号的日志数据。除了在日志服务中存储、查看和分析日志外，还可通过报表分析和告警配置，主动发现潜在的安全威胁，增强云上资产安全。

大规模数据如何进行语义检索? 当前 SLS 已经支持一站式的语义检索功能，能够用于 RAG、Memory、语义聚类、多模态数据等各种场景的应用。本文分享了 SLS 在语义检索功能上，对模型推理和部署、构建流水线等流程的优化，最终带给用户更高性能和更低成本的针对大规模数据的语义索引功能。

大模型性能的持续提升，进一步挖掘了 RAG 的潜力，RAG 将检索系统与生成模型相结合，带来诸多优势，如实时更新知识、降低成本等。点击本文，为您梳理 RAG 的基本信息，并介绍提升大模型生成结果的方法，快一起看看吧~

恭喜阿里云微服务引擎 MSE、Apache RocketMQ for AI 获权威认可！

本文将通过一个具体案例，演示如何基于 MCP Python SDK 开发一个标准的 MCP Server，并将其部署至函数计算。在不修改任何业务代码的前提下，通过控制台简单配置，即可实现该服务自动注册至 MSE Nacos 企业版，并支持后续的动态更新与统一管理。

本文详解如何利用 hiAppEvent 监控并获取 sourcemap、debug so 等核心产物，剖析了 hstack 工具如何将混淆的 Native 与 ArkTS 堆栈还原为源码，助力开发者掌握异常分析方法，提升应用稳定性。

Higress 作为一款开源的 AI 网关工具，可以提供基于灰度+观测的平滑迁移方案。

阿里云网络拨测业务提供了全球、多种协议、多种网络态势的用户网络性能和用户体验监控场景的全面可观测方案。该文章从拨测场景下，介绍了用户如何快速的构建一套全球用户视角的服务可用性大盘，为客户的业务保驾护航。

本文介绍了通过阿里云监控 2.0 的日志审计功能实现 AccessKey 和 RAM 角色的主动管理方案。核心是利用 Umodel 统一实体模型，将管控面（ActionTrail 日志）和数据面（OSS/SLS 日志）的日志数据转化为实体关系图谱，清晰展示身份凭证与云资源的交互行为。通过关联建模、内置洞察报表和告警规则，可追踪 AK/角色的使用情况、风险操作及资源影响，辅助安全清理和风险闭环。

推动行业智能化落地，阿里云联合中国信通院及国内头部云厂商、观测厂商、各行业建设方，历时近 5 个月，共同编制《云计算智能化可观测性能力成熟度模型》，以规范和指导云计算环境下的智能可观测性建设实践，为企业实施云环境下的智能化可观测能力建设提供指导。

阿里云 RUM SDK 作为一款性能体验监控采集工具，可以作为辅助 App 运维的强有力助手，提升您的问题排查效率。

阿里云任务调度XXL-JOB版 迎来重磅发布，以任务调度SchedulerX为内核，0代码改造，完全兼容开源XXL-JOB客户端接入，解决开源XXL-JOB痛点问题。

从架构演进、网关优化到可观测体系构建等，UU 跑腿的云原生化，让 80% 的微服务轻松上云，还做到了 1 分钟弹性伸缩，实现了 80% 的运维成本降低。

本文介绍了基于状态机驱动的MQTT客户端快速接入OneNet平台的实现方法，通过4步完成模块设计。文章以开源项目`Sparrow`为基础，引入`OneNetMqtt`业务模块，采用事件驱动模型和双层状态机设计，实现设备状态管理、消息处理及定时任务等功能。模块分为三层：`OneNetManager`负责核心逻辑，`OneNetDevice`管理设备信息，`OneNetDriver`处理Socket与MQTT通信。验证结果显示设备连接、数据上报及下线功能正常，稳定性良好。该设计简化了复杂条件判断，增强了系统灵活性与可扩展性，适用于实际项目参考。文末提供源码获取方式，助力读者实践与学习。

本文将介绍如何基于开源工具部署大模型、构建测试应用、调用大模型能力的完整链路。

自 2025 KCD 杭州 & OID 开放议题征集以来，我们已收到大量来自社区专家、工程师和开发者投递的丰富多样的精彩议题。感谢大家的热情参与！目前 CFP 截止还剩不到 10 天，我们诚挚期待更多围绕云原生技术、Kubernetes 生态、OpenInfra 生态及 AI 前沿相关的内容分享——无论是技术解读、实战经验还是最佳实践，都欢迎投稿！

Apache Dubbo 3.3.3（即将发布）实现了与 OpenAPI 的深度集成，通过与 OpenAPI 的深度集成，用户能够体验到从文档生成到接口调试、测试和优化的全流程自动化支持。不论是减少手动工作量、提升开发效率，还是支持多语言和多环境，Dubbo 3.3.3 都展现了其对开发者体验的极大关注。结合强大的 Mock 数据生成和自动化测试能力，这一版本为开发者提供了极具竞争力的服务治理解决方案。如果你正在寻找高效、易用的微服务框架，Dubbo 3.3.3 将是你不容错过的选择。

最近，MCP 社区发布了 MCP Registry（2025‑09‑08，预览版），为公开 MCP Server 提供“统一目录服务和开放 API”。Nacos 已原生支持 MCP Registry API，可直接作为“MCP Registry”对外提供标准 REST/OpenAPI 服务端，天然融入企业现有注册中心与配置治理体系，并与 Higress/HiMarket 对接打通，让企业能够高效的构建自己的私有 MCP 市场。

本文总结了使用CMake搭建编译环境的技巧，涵盖单个及多个源文件的编译、CMakeLists嵌套管理、变量设置、交叉编译配置、常用编译选项及警告处理等内容。通过实例说明了如何高效组织工程结构，并利用CMake灵活控制编译流程，适用于嵌入式开发场景。

国内大模型推理需求激增，性能提升的主战场将从训练转移到推理。

通过使用社区官方提供的超过 20 种 RAG 数据源和 20 种 Tool Calling 接口，开发者可以轻松接入多种外部数据源（如 GitHub、飞书、云 OSS 等）以及调用各种工具（如天气预报、地图导航、翻译服务等）。这些默认实现大大简化了智能体的开发过程，使得开发者无需从零开始，便可以快速构建功能强大的智能体系统。通过这种方式，智能体不仅能够高效处理复杂任务，还能适应各种应用场景，提供更加智能、精准的服务。