中间件

2025 “直通乌镇”全球互联网大赛中，Spring AI Alibaba 和 Higress 分别获得了开源先锋社区、开源优秀社区的称号，两位社区贡献者张圣航（GitHubID: shenghang）、刑国富（GitHubID: erasernoob）获得最具价值贡献者奖。

当业务的并发单元是“用户”时，消息系统的治理单元也应该是“用户”。RocketMQ LiteTopic 把“百万用户 × 各自一条消息流”的业务模型直接变成消息系统的原生原语，整个过程中业务侧没有自建任何路由层与限流层。

云原生 API 网关 Ingress 迁移能力全面升级，迁移、切流与回退更简单。

阿里云 EventHouse 正式商业化。

阿里云可观测 2026 年 6 月产品动态

阿里云 AI 网关，提供 Model API、Agent API、MCP Server 的管理能力，现已率先支持 DeepSeek-V4 API 的管理。

可观测数据作为连接 AI 与生产系统的关键纽带，其价值持续凸显。阿里云可观测团队持续以学术创新驱动技术突破，参与行业标准建设，推动 AIOps 规模化落地，为企业数字化转型提供更坚实的智能运维支撑。

Apache RocketMQ 5.x 版本推出了专为 AI 场景设计的核心特性——轻量主题模型 LiteTopic。支持百万级轻量主题的创建和高性能动态订阅。既能实现毫秒级的实时限流，又能支持分钟级的忙闲调度，真正做到了“千人千面”的个性化流量治理。

通过全面采用阿里云 RocketMQ 5.x Serverless，亲宝宝显著降低使用成本，为亿级用户的流畅体验提供了坚实保障。

未来的开发不再仅仅是 Coding，而是对 AI 能力的深度编排。

LoongCollector 作为新一代统一可观测 Agent，将持续致力于为用户提供高性能、低成本、易使用的跨云数据采集解决方案，助力企业构建统一的可观测平台。

一款快速构建智能客服、诊断助手、运维助手、AIOps 的开源框架。

阿里云 Entity Explorer 正式发布：基于 UModel 的智能实体探索平台，实现亿级实体秒级检索、关系拓扑自动构建、详情页动态渲染，让可观测性从“数据堆砌”迈向“业务洞察”。

当企业想用大模型和内部非公开信息打造智能问答系统时，RAG（Retrieval-Augmented Generation，检索增强生成）已成为必备技术。然而，在实际落地中，构建 RAG 应用的数据准备过程繁琐复杂且充满挑战，让很多企业和开发者望而却步。本文将介绍构建 RAG 的最佳实践：通过阿里云事件总线 EventBridge 提供的多源 RAG 处理方案，基于事件驱动架构为企业 AI 应用打造高效、可靠、自动化的数据管道，轻松解决 RAG 数据处理难题。

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。

阿里云微服务引擎 MSE 及 API 网关 2026 年 6 月产品动态

Higress 社区已有 nginx-rewrite-compatible WASM 插件，可直接替换存在漏洞的 Nginx 配置。

还在担心 Token 消耗过多？还在纠结 Agent 难以优化？不改一行业务代码，LoongSuite Python 探针帮你把一次请求从头到尾捋顺：哪一步访问了什么模型、调用了什么工具、召回了哪些文档、花费了多少 token、上下文发生了什么变化。

阿里云微服务引擎 MSE 及 API 网关 2026 年 2 月产品动态。

新版日志聚类通过自动发现日志模板解决海量日志分析难题，提升日志排查效率。

阿里云 SysOM 丢包诊断，通过内核级智能分析，自动识别丢包环节，精准定位 netfilter 规则、异常 hook 钩子等根源，让复杂网络故障排查从“专家依赖”走向“平台化解决”。

玩家说“充值没到账”，日志里却只有 deliver_status = failed 和 error_code = BAG_FULL。玩家的话和日志的话是两种语言，中间差着一层业务翻译。本文以游戏客服为例，讲怎么把业务口径教给 AI，让 SLS 语义层和 DataAgent 替客服查日志、写答复。

基于多智能体治理与协作平台 AgentTeams，我们为 LoongSuite 开源项目搭建了一个 7×24 运转的 AI 数字员工，三周自动审查 108 个 PR、处理 48 个 Issue，本文记录了从架构设计到踩坑经验的全过程。

7 月 24 日，来成都和阿里云可观测团队面对面，聊聊怎么让一台 ECS 学会自己照顾自己。

AgentLoop MemoryStore 是一款完全托管的企业级 Agent 记忆管理产品，具备开箱即用、灵活定制、Serverless 免运维三大优势，提供多维度记忆提取、智能记忆更新、异步流水线架构和分层检索等核心能力。

深入剖析 EventHouse 的核心能力及其在人工智能时代下的定位，介绍 EventHouse 如何作为 AI 数据底座，帮助企业在瞬息万变的市场中，以前所未有的速度挖掘数据价值，驱动业务增长。

借助阿里云云消息队列 RocketMQ 版，长城汽车构建了高可靠、高性能、高性价比的全球车联网服务基座，为未来 V2X 协同与个性化用户服务奠定坚实基础。

当 iowait 暴涨、IO 延迟飙升时，你是否还在手忙脚乱翻日志？阿里云 IO 一键诊断基于动态阈值模型与智能采集机制，实现异常秒级感知、现场自动抓取、根因结构化输出，让每一次 IO 波动都有据可查，真正实现从“被动响应”到“主动洞察”的跃迁。

从 AWS S3 到阿里云 SLS，打造跨云日志智能分析的高效通路——实时发现、弹性导入、格式自适应、成本优化，让海量日志从存储真正走向业务洞察。

基于 RocketMQ SDK 实现了 A2A 协议的 ClientTransport 接口（部分核心代码现已开源），并与 AgentScope 框架深度集成，共同构建了全新的 A2A 智能体通信基座，为多智能体应用提供企业级、高可靠的异步协同方案。

阿里云推出图查询能力，基于 graph-match、graph-call、Cypher 三重引擎，实现服务依赖、故障影响、权限链路的秒级可视化与自动化分析，让可观测从‘看板时代’迈向‘图谱时代’。

本文整理自 Apache 2026 技术分享《面向 AI 的 Apache RocketMQ：多 Agent 系统的可靠协作机制》。

STAROps 已在吉利汽车、畅捷通、精臣智慧等多家企业的生产环境中承担 7×24 小时智能运维职责，覆盖从基础设施到业务链路的全栈观测与诊断。

RUM巡检基于阿里云用户体验监控（RUM），可对真实用户体验进行持续、智能分析。它围绕页面、业务链路、版本和设备，综合研判页面性能、接口耗时、用户行为、转化及崩溃数据，发现尚未触发告警的体验退化，并通过基线对比与会话回放还原问题现场。

阿里云 AgentTeams 7月第一周产品动态

LiteTopic 提供的 “轻量队列 + 差异化订阅 + Suspend 控速” 三件套，让百炼网关的限流比降低了 10 倍。

智能体驾驭层这种可复用的设计模式，能否被表示为一个可执行的自然语言对象，将模型周围偶然的胶水转变为科学的表示对象。

阿里云 OpenClaw 可观测插件新版本上线！解决行业通病，还原完整链路信息：多轮 LLM 分段还原真实决策链路、STEP Span 让"第几轮"可观测、并发断链/串链显著修复、AGENT 指标稳定可量化。从"有图可看"升级到"支撑决策"，排障、成本治理、并发验证全面提效。

HiClaw 要做的是停止无意义的框架内卷，向上升维，做多 Agent 协作的统一纳管底座。

阿里云 RocketMQ 以“精准、可靠、弹性”的核心能力，为核桃编程业务稳定运行与持续创新提供有力支撑。

北京时间 1 月 30 日，Kubernetes 指导委员会和安全响应委员会在 kubernetes.io 再次发出公告《Ingress NGINX: Statement from the Kubernetes Steering and Security Response Committees》，并通过 CNCF 官方微信公众号发布中文版公告。

本文介绍了阿里云 RUM 如何通过端到端链路追踪（统— TracelD、W3C/SW8 协议透传）打破移动端可观测性“黑洞’，实现从用户操作到数据库的全链路监控与精准问题定位。

12 月 11 日晚 19:30，阿里云云原生团队将做客 DataWhale「动手学 Java Agentic 应用开发」主题直播间，为大家实时带来 AgentScope Java v1.0 的深度解读，无论你是刚接触智能体的新手，还是正在探索企业级 AI 应用，这场直播都值得加入！

阿里云 UModel PaaS API 发布：通过 Table + Object 双层抽象，屏蔽存储差异、自动处理字段映射与过滤条件，让每一个实体都成为一个‘可调用的对象’，真正实现‘以实体为中心’的智能可观测。

阿里云应用实时监控服务 ARMS 推出自定义指标采集功能，让 APM 真正深入业务核心，订单、库存、转化率等核心数据尽在掌控！

本文讲述 Dify 平台在 Agentic 应用开发中面临的可观测性挑战，从开发者与运维方双重视角出发，系统分析了当前 Dify 可观测能力的现状、局限与改进方向。

阿里云日志服务推出物化视图，通过智能预计算 + 自动查询改写，实现监控看板秒级响应、资源开销大幅降低，彻底解决‘查得慢、扛不住、不准’三大难题。

RocketMQ 专门为 AI 场景推出了全新Lite Topic 模型，目前已在阿里云云消息队列 RocketMQ 版 5.x 系列实例上正式发布，并会逐步贡献到 Apache RocketMQ 开源社区，欢迎大家使用。

本文整理自第 10 届 AI + 研发数字峰会（AiDD）北京站 TOP10 最佳演讲议题之一《Agent 开发范式演进：简化多源实时上下文构建》。

STAROps 主机智能巡检从事后救火转向事前防护。