2026-10-03

Zammad GmbH Zammad: Zammad GmbH Zammad Session Fixation Vulnerability

criticalบันทึกต้นทาง: CVE-2026-102489

Zammad GmbH Zammad: Zammad GmbH Zammad Session Fixation Vulnerability

Zammad GmbH Zammad contains a session fixation vulnerability that can lead to remote code execution as the zammad user. This vulnerability can be chained with CVE-2026-102490.

มีการค้นพบช่องโหว่ร้ายแรงแบบ session fixation ใน Zammad GmbH Zammad ช่องโหว่นี้อาจทำให้ผู้โจมตีสามารถรันโค้ดจากระยะไกลในฐานะผู้ใช้ zammad ได้ โดยเฉพาะอย่างยิ่งเมื่อใช้ร่วมกับช่องโหว่การยกระดับสิทธิ์ ผู้ใช้ Zammad ควรตระหนักว่าระบบของตนอาจถูกบุกรุกได้หากช่องโหว่นี้ถูกใช้ประโยชน์ เพื่อลดความเสี่ยงนี้ สิ่งสำคัญคือต้องติดตั้งแพตช์หรืออัปเดตที่ Zammad GmbH จัดหาให้ทันที การตรวจสอบและอัปเดตการตั้งค่าความปลอดภัยเป็นประจำยังช่วยลดพื้นที่การโจมตีได้อีกด้วย

Zammad GmbH Zammad: Zammad GmbH Zammad Improper Privilege Management Vulnerability

criticalบันทึกต้นทาง: CVE-2026-102490

Zammad GmbH Zammad: Zammad GmbH Zammad Improper Privilege Management Vulnerability

Zammad GmbH Zammad contains an improper privilege management vulnerability that can allow the local zammad user to escalate privileges to root. This vulnerability can be chained with CVE-2026-102489.

Zammad GmbH Zammad มีช่องโหว่ร้ายแรงในการจัดการสิทธิ์ที่ไม่เหมาะสม ทำให้ผู้ใช้ zammad ในเครื่องสามารถยกระดับสิทธิ์เป็น root ได้ ซึ่งเป็นอันตรายอย่างยิ่งเมื่อรวมกับช่องโหว่อื่น ๆ ระบบใด ๆ ที่รัน Zammad มีความเสี่ยงหากผู้โจมตีในเครื่องสามารถใช้ประโยชน์จากช่องโหว่นี้ได้ ผู้ใช้ควรติดตั้งการอัปเดตความปลอดภัยจาก Zammad GmbH ทันที การใช้การควบคุมการเข้าถึงที่เข้มงวดและการตรวจสอบกิจกรรมที่ผิดปกติยังช่วยตรวจจับและป้องกันการใช้ประโยชน์จากช่องโหว่ได้

Node.js Express PDF Gate: Verify Incoming Signatures Against Expected Certificates

devsecops

Node.js Express PDF Gate: Verify Incoming Signatures Against Expected Certificates

TL;DR: Verify the original signed PDF against the certificate held in trusted configuration, reject every mismatch or indeterminate result, and log the document ID plus the outcome before personal-data redaction begins. For an Express service handling e-commerce contracts, I would choose a central REST verification boundary when several runtimes need the same control, and an in-process specialist engine when policy forbids the document from crossing that boundary. The page that matters is not "PDF traffic dropped." It is "an unverified contract approached the sharing boundary." A pipeline can return successful upload and redaction responses while still failing its actual job: proving that…

บทความนี้เน้นย้ำถึงความสำคัญของการตรวจสอบลายเซ็นดิจิทัลบนเอกสาร PDF ที่เข้ามา โดยเฉพาะอย่างยิ่งในแอปพลิเคชันที่ละเอียดอ่อน เช่น สัญญาอีคอมเมิร์ซ นักพัฒนาที่สร้างบริการที่จัดการ PDF ที่ลงนาม โดยเฉพาะในสภาพแวดล้อม Node.js Express จำเป็นต้องใช้กระบวนการตรวจสอบที่แข็งแกร่ง หากแอปพลิเคชันของคุณประมวลผลเอกสาร PDF ที่ลงนาม คุณต้องตรวจสอบลายเซ็นเทียบกับใบรับรองที่คาดไว้เพื่อป้องกันไม่ให้สัญญาที่ไม่ได้รับการตรวจสอบเข้าสู่ระบบของคุณ บทความแนะนำให้ปฏิเสธความไม่ตรงกันหรือผลลัพธ์ที่ไม่แน่นอน และบันทึกรหัสเอกสารก่อนที่จะเริ่มการปกปิดข้อมูลใดๆ แนวทางนี้ช่วยให้มั่นใจได้ว่าที่มาของเอกสารได้รับการจัดตั้งและรักษาไว้ ซึ่งเป็นสิ่งสำคัญสำหรับเหตุผลทางกฎหมายและการปฏิบัติตามข้อกำหนด

Authenticated Delegation Between Autonomous AI Agents

devsecops

Authenticated Delegation Between Autonomous AI Agents

SGAEIA Research Series — Article 4 of 8 Aridio Silva · Independent Researcher, Brazil · ORCID Delegating a task is not the same as delegating authority. When one autonomous AI agent asks another agent to perform consequential work, the important question is not only who sent the message? It is also: under whose authority is the action being requested, within which scope, for how long, with which constraints, and with what evidence? This is a technical edition of the same public research work published on Medium. It reorganizes the presentation for developers and architects without changing the article's thesis, evidence, limitations, or public-disclosure boundary. Contents The developer…

บทความจาก SGAEIA Research Series นี้เจาะลึกถึงความซับซ้อนของการมอบสิทธิ์ที่ได้รับการยืนยันระหว่าง AI Agents อิสระ มันชี้แจงว่าการมอบหมายงานแตกต่างจากการมอบอำนาจ โดยเน้นย้ำถึงความจำเป็นในการกำหนดอำนาจ ขอบเขต ระยะเวลา ข้อจำกัด และหลักฐานที่ชัดเจนเมื่อ AI Agents โต้ตอบกัน นักพัฒนาที่ออกแบบระบบที่มี AI Agents หลายตัวที่ต้องทำงานสำคัญในนามของกันและกันต้องพิจารณาประเด็นเหล่านี้ หากคุณกำลังสร้างหรือรวม AI Agents อิสระที่มอบหมายงาน คุณต้องสร้างกลไกการยืนยันตัวตนและการอนุญาตที่แข็งแกร่ง ซึ่งเกี่ยวข้องกับการระบุว่า Agent ใดส่งข้อความเท่านั้น แต่ยังรวมถึงการทำความเข้าใจอำนาจและบริบทพื้นฐานของการดำเนินการที่ร้องขอด้วย การใช้แนวนโยบายที่ชัดเจนสำหรับการมอบสิทธิ์จะช่วยรักษาการควบคุมและความรับผิดชอบภายในระบบนิเวศ AI ของคุณ

How we check every AI-generated room render before a user sees it

aiai-technique

How we check every AI-generated room render before a user sees it

Image models are very good at restyling a room and quietly bad at leaving the room alone. Ask for a Japandi living room and you get beautiful furniture, and sometimes also: a window that moved, shrank, or appeared over a kitchen sink where the photo shows a solid wall; a closet door that came back as a curtain, a sliding screen, or plain wall; a sofa parked across the only archway; a new doorway at the frame edge, or a niche carved into a flat wall; a camera that slid sideways; or the opposite: a picture that is almost exactly the photo you uploaded. Our users put these images in property listings, where a staged photo may change the furniture but not the windows, walls or doors ( why that…

บทความนี้กล่าวถึงความท้าทายของการสร้างภาพด้วย AI โดยเฉพาะอย่างยิ่งวิธีที่โมเดลสามารถเปลี่ยนแปลงเค้าโครงห้อง (หน้าต่าง ประตู ผนัง) ได้อย่างละเอียดอ่อน แม้ว่าเจตนาคือการปรับเปลี่ยนเฟอร์นิเจอร์เท่านั้น นี่เป็นข้อมูลเชิงลึกที่สำคัญสำหรับนักพัฒนาที่ใช้ AI ในการสร้างเนื้อหาภาพที่ความแม่นยำต่อโครงสร้างเดิมเป็นสิ่งสำคัญยิ่ง หากแอปพลิเคชันของคุณพึ่งพาภาพที่สร้างโดย AI ซึ่งโครงสร้างพื้นฐานต้องสอดคล้องกับอินพุต คุณต้องใช้กระบวนการตรวจสอบที่แข็งแกร่ง ซึ่งเกี่ยวข้องกับการตรวจสอบมากกว่าแค่ความสวยงาม แต่ต้องมีการตรวจสอบด้วยโปรแกรมหรือมนุษย์เพื่อให้แน่ใจว่าองค์ประกอบต่างๆ เช่น หน้าต่าง ประตู และผนังไม่ได้รับการเปลี่ยนแปลง หากไม่มีการตรวจสอบดังกล่าว เนื้อหาที่สร้างโดย AI อาจนำไปสู่ข้อมูลที่ทำให้เข้าใจผิด

I built my girlfriend a local Gemma football analyst that won't make up the stats

aiai-technique

I built my girlfriend a local Gemma football analyst that won't make up the stats

This is a submission for the Hacktoberfest Weekend Challenge: Build for a Friend . What I built MatchMind is a local AI analyst for Brazilian football, built for Bruna Boaventura, my girlfriend . Bruna had a hard time finding Brazilian clubs' results and historical data. So I built her one place to look things up — and a way to just ask. MatchMind puts the numbers together and lets her ask questions in Portuguese to an AI that runs on her own computer . You pick a club and get: the Brasileirão 2026 table , computed from the season's results, with all 20 crests; recent form and the last three matches with possession, shots, corners, fouls, goal scorers, cards, stadium and referee ; a "Ver…

บทความนี้แสดงการใช้โมเดล AI ในเครื่องอย่าง Gemma เพื่อสร้างนักวิเคราะห์ฟุตบอลที่ให้สถิติที่ถูกต้อง ซึ่งแสดงให้เห็นว่า AI ในเครื่องสามารถประมวลผลและนำเสนอข้อมูลที่เฉพาะเจาะจงและตรวจสอบได้ บทความนี้เกี่ยวข้องกับนักพัฒนาที่ต้องการสร้างแอปพลิเคชัน AI ที่ต้องการความแม่นยำของข้อเท็จจริงสูงและทำงานแบบออฟไลน์ หากคุณกำลังพัฒนาเครื่องมือ AI ที่ความสมบูรณ์ของข้อมูลและความถูกต้องของข้อเท็จจริงเป็นสิ่งสำคัญยิ่ง ให้พิจารณาใช้โมเดลในเครื่องที่ปรับแต่งมาอย่างดี เช่น Gemma กลยุทธ์นี้ช่วยป้องกันไม่ให้ AI สร้างข้อมูลที่ไม่ถูกต้อง ซึ่งเป็นปัญหาทั่วไปของโมเดลขนาดใหญ่ สิ่งสำคัญคือการป้อนข้อมูลที่คัดสรรมาอย่างดีและเชื่อถือได้ให้กับ AI และออกแบบให้ดึงและนำเสนอข้อมูลนั้นได้อย่างถูกต้อง

b11365

ai

b11365

ggml-cpu : fix soft_max_back wrong output when dst aliases src1 ( #27096 ) ggml-cpu : fix soft_max_back wrong output when dst aliases src1 GGML_OP_SOFT_MAX_BACK is listed in ggml_op_can_inplace, so the graph allocator may assign dst to alias either src0 (dy) or src1 (y). The result was built in several steps: ggml_vec_cpy_f32 (nc, dx, dy); ggml_vec_acc1_f32 (nc, dx, -dot_y_dy); ggml_vec_mul_f32 (nc, dx, dx, y); ggml_vec_scale_f32(nc, dx, scale); When dst aliases src1, the first step overwrites y and the third step then reads the overwritten values, so the output is silently wrong. Aliasing dst with src0 is unaffected. The CUDA kernel completes its reduction before writing and is already…

มีการแก้ไขสำหรับ `ggml-cpu` ที่แก้ไขปัญหาที่ `soft_max_back` สร้างเอาต์พุตที่ไม่ถูกต้องเมื่อเทนเซอร์ปลายทางเป็นนามแฝงของ `src1` บักนี้ทำให้ค่า `y` ถูกเขียนทับก่อนเวลาอันควร ซึ่งนำไปสู่ข้อผิดพลาดเงียบๆ ในการคำนวณ สิ่งนี้เกี่ยวข้องอย่างยิ่งสำหรับนักพัฒนาที่ใช้ `llama.cpp` สำหรับการอนุมานและการฝึกอบรม AI บน CPU เนื่องจากส่งผลกระทบโดยตรงต่อความแม่นยำของการคำนวณเกรเดียนต์สำหรับการดำเนินการ softmax หากคุณกำลังทำการ backpropagation ด้วยฟังก์ชัน softmax โดยใช้ `llama.cpp` บน CPU ผลลัพธ์ของคุณอาจไม่ถูกต้องโดยไม่รู้ตัว การอัปเดตเป็นรีลีสนี้ (b11365) เป็นสิ่งสำคัญเพื่อให้แน่ใจว่าแบบจำลองของคุณมีความถูกต้องทางคณิตศาสตร์ โดยเฉพาะอย่างยิ่งในระหว่างกระบวนการฝึกอบรมหรือการปรับแต่งที่เกรเดียนต์ที่ถูกต้องเป็นสิ่งจำเป็น การแก้ไขนี้ช่วยให้มั่นใจว่าการดำเนินการ `soft_max_back` จัดการสถานการณ์นามแฝงได้อย่างถูกต้องแล้ว

b11366

ai

b11366

ggml-quants : avoid invalid rounding in qkx3 scale search ( #29817 ) ggml-quants : avoid invalid rounding in qkx3 scale search The imatrix scale search can produce an infinite, NaN, or otherwise out-of-range value when the fitted minimum collapses to the maximum or makes the range extremely small. That value is then passed to nearest_int and can trip its assertion in Debug builds. Clamp the quantization level to [0, nmax] before rounding so valid in-range values behave the same as before while invalid scale-search results no longer reach nearest_int. Add regression coverage for degenerate imatrix groups across q2_K, q4_K, q5_K, q4_1, and q5_1. Fixes #29804 . Assisted-by: Claude Opus 5.5…

มีการแก้ไขสำหรับ `ggml-quants` เพื่อป้องกันการปัดเศษที่ไม่ถูกต้องในการค้นหามาตราส่วน `qkx3` ซึ่งอาจนำไปสู่ค่าอนันต์, NaN หรือค่าที่อยู่นอกช่วง ปัญหานี้ส่วนใหญ่ส่งผลกระทบต่อ Debug builds โดยทำให้เกิด assertions และอาจส่งผลให้ระดับการควอนไทซ์ไม่ถูกต้องสำหรับรูปแบบ `qK` ต่างๆ สิ่งนี้สำคัญสำหรับนักพัฒนาที่ทำงานกับโมเดลที่ถูกควอนไทซ์ใน `llama.cpp` เนื่องจากช่วยให้มั่นใจถึงความเสถียรและความถูกต้องของการดำเนินการควอนไทซ์ หากคุณกำลังใช้โมเดลที่ถูกควอนไทซ์กับ `llama.cpp` โดยเฉพาะรูปแบบ `qK` คุณควรอัปเดตเป็นรีลีสนี้ (b11366) การอัปเดตนี้ป้องกันข้อขัดข้องที่อาจเกิดขึ้นใน Debug builds และช่วยให้มั่นใจว่ากระบวนการควอนไทซ์สร้างค่ามาตราส่วนที่ถูกต้องและเสถียร ซึ่งเป็นสิ่งสำคัญสำหรับประสิทธิภาพและความแม่นยำของโมเดล AI ที่ถูกควอนไทซ์ของคุณ การแก้ไขจะจำกัดระดับการควอนไทซ์ให้อยู่ในช่วงที่ถูกต้องก่อนการปัดเศษ

v16.4.0-canary.58

v16.4.0-canary.58

Misc Changes Optimize esm exports by shifting the protocol burden to getters: #98932 fix: fix pnpm builds in Docker examples: #97352 Assert transient task references are not serialized: #99300 Reorganize bundle analyzer toolbar: #98920 Show async module scope in bundle analyzer: #98918 Show bundle changes in compare treemap: #98837 improve disk read semantics around MustExist and AllowMissing: #99249 Allow opt-in facade-backed export mangling: #99309 Add bundle analyzer route summary: #98787 [turbo-tasks-backend] Correctly maintain outdated_collectibles to prevent unnecessary stale executions: #99386 Upgrade React from 8b0da1c6-20260922 to 278794d7-20261002 : #99600 Warn when Partial…

Next.js v16.4.0-canary.58 ได้รับการเผยแพร่แล้ว โดยนำมาซึ่งการเพิ่มประสิทธิภาพและการปรับปรุงต่างๆ โดยเฉพาะอย่างยิ่งในการส่งออก ESM และการวิเคราะห์ Bundle นักพัฒนาที่ใช้ Next.js โดยเฉพาะผู้ที่ทำงานกับรุ่นทดลอง จะพบการปรับปรุงในการจัดการโมดูลและคุณสมบัติใหม่ในตัววิเคราะห์ Bundle เพื่อข้อมูลเชิงลึกด้านประสิทธิภาพที่ดีขึ้น รุ่นนี้ยังรวมถึงการอัปเกรด React ด้วย หากคุณกำลังพัฒนาด้วย Next.js และอยู่ในช่อง canary ให้พิจารณาอัปเดตเป็นเวอร์ชันนี้เพื่อใช้ประโยชน์จากการเพิ่มประสิทธิภาพล่าสุด เครื่องมือวิเคราะห์ Bundle ที่ได้รับการปรับปรุงสามารถช่วยคุณระบุและแก้ไขปัญหาคอขวดด้านประสิทธิภาพได้อย่างมีประสิทธิภาพมากขึ้น และการเพิ่มประสิทธิภาพการส่งออก ESM อาจนำไปสู่ขนาด Bundle ที่เล็กลงและเวลาโหลดที่เร็วขึ้นสำหรับแอปพลิเคชันของคุณ โปรดทราบว่ารุ่น canary อาจมีการเปลี่ยนแปลงที่ส่งผลกระทบหรือคุณสมบัติที่ไม่เสถียร

Streamline: custom video pipelines with Cloudflare Stream and Workers

Streamline: custom video pipelines with Cloudflare Stream and Workers

Streamline demonstrates how to build long-running, continuous video processing pipelines by pairing Cloudflare Workers and Durable Objects with a containerized media engine.

Cloudflare ได้เปิดตัว Streamline ซึ่งเป็นโซลูชันสำหรับการสร้างไปป์ไลน์ประมวลผลวิดีโอแบบกำหนดเองโดยการรวม Cloudflare Workers และ Durable Objects เข้ากับเอนจินสื่อแบบคอนเทนเนอร์ สิ่งนี้ช่วยให้นักพัฒนาสามารถสร้างเวิร์กโฟลว์วิดีโอที่ทำงานต่อเนื่องและยาวนานได้โดยตรงที่ Edge สิ่งนี้มีประโยชน์อย่างยิ่งสำหรับแอปพลิเคชันที่ต้องการการจัดการวิดีโอ การแปลงรหัส หรือการวิเคราะห์แบบเรียลไทม์โดยไม่ต้องจัดการโครงสร้างพื้นฐานที่ซับซ้อน หากแอปพลิเคชันของคุณเกี่ยวข้องกับการประมวลผลวิดีโอ Streamline จะนำเสนอสถาปัตยกรรมที่ยืดหยุ่นและปรับขนาดได้ คุณสามารถใช้ประโยชน์จากเครือข่าย Edge ของ Cloudflare เพื่อลดความหน่วงและปรับปรุงประสิทธิภาพสำหรับงานที่เกี่ยวข้องกับวิดีโอของคุณ ซึ่งหมายความว่าคุณสามารถสร้างไปป์ไลน์วิดีโอแบบกำหนดเองที่มีการตอบสนองสูงและมีประสิทธิภาพ โดยถ่ายโอนงานหนักของการประมวลผลสื่อไปยังสภาพแวดล้อมแบบกระจายที่ได้รับการจัดการ

v3.15.0rc3

v3.15.0rc3

Python 3.15.0rc3

Python 3.15.0rc3 ได้รับการเผยแพร่แล้ว ซึ่งเป็นอีกก้าวหนึ่งสู่การเผยแพร่ Python 3.15 เวอร์ชันสุดท้าย Release candidates โดยทั่วไปจะมีความเสถียรและมีวัตถุประสงค์หลักสำหรับการทดสอบและระบุข้อบกพร่องในนาทีสุดท้ายก่อนการเปิดตัวอย่างเป็นทางการ สิ่งนี้สำคัญสำหรับนักพัฒนาที่วางแผนจะย้ายไปใช้ Python 3.15 หรือต้องการทดสอบแอปพลิเคชันของตนกับเวอร์ชันที่จะมาถึง หากคุณดูแลแอปพลิเคชัน Python โดยเฉพาะไลบรารีหรือเฟรมเวิร์ก คุณควรพิจารณาทดสอบโค้ดเบสของคุณด้วย Python 3.15.0rc3 สิ่งนี้ช่วยให้คุณสามารถระบุปัญหาความเข้ากันได้หรือการถดถอยได้ตั้งแต่เนิ่นๆ เพื่อให้แน่ใจว่าการเปลี่ยนผ่านจะราบรื่นขึ้นเมื่อเวอร์ชันเสถียรได้รับการเผยแพร่ แม้ว่า release candidates โดยทั่วไปจะมีความเสถียร แต่ก็ไม่แนะนำสำหรับสภาพแวดล้อมการผลิต

Follow the thread: a new dashboard to investigate account abuse

Follow the thread: a new dashboard to investigate account abuse

Fraudsters are increasingly using AI to bypass stateless security checks. Cloudflare's new Account Abuse Protection dashboard uses stateful analysis and edge-generated Hashed User IDs to help teams investigate and block account abuse.

Cloudflare ได้เปิดตัวแดชบอร์ด Account Abuse Protection ใหม่ เพื่อช่วยทีมตรวจสอบและบล็อกการละเมิดบัญชี โดยเฉพาะอย่างยิ่งเมื่อผู้ฉ้อโกงใช้ AI เพื่อหลีกเลี่ยงการตรวจสอบความปลอดภัยแบบ stateless แดชบอร์ดนี้ใช้การวิเคราะห์แบบ stateful และ Hashed User IDs ที่สร้างขึ้นที่ Edge เพื่อให้ข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้น สิ่งนี้สำคัญสำหรับนักพัฒนาและทีมรักษาความปลอดภัย หากแอปพลิเคชันของคุณจัดการบัญชีผู้ใช้และเสี่ยงต่อการฉ้อโกง แดชบอร์ดนี้สามารถปรับปรุงความปลอดภัยของคุณได้อย่างมาก ด้วยการวิเคราะห์แบบ stateful คุณสามารถตรวจจับรูปแบบการโจมตีที่ซับซ้อนมากขึ้น การรวมเข้ากับ Cloudflare สามารถให้การมองเห็นและการควบคุมภัยคุกคามที่ดีขึ้น ช่วยให้คุณปกป้องผู้ใช้และรักษาความสมบูรณ์ของแพลตฟอร์มของคุณ

SRE: un presupuesto de latencia para emails

cncfkubernetes

SRE: un presupuesto de latencia para emails

Una verificación de correo puede fallar aunque todos los servicios estén “arriba”. El usuario recibe el mensaje, pero llega después del timeout; el test reintenta, consume el segundo mensaje y termina pasando por casualidad. En los dashboards, la primera pista suelen ser varias alertas pequeñas que nunca forman una historia completa. Para SRE, este problema se entiende mejor como un presupuesto de latencia. No basta con decir que el email debe llegar “rápido”. Hay que repartir el tiempo entre la aplicación, la cola, el adaptador, el proveedor y el lector que confirma el mensaje. Así una prueba en Kubernetes puede explicar dónde se gastó cada segundo y cuándo conviene abrir un incidente. El…

บทความนี้กล่าวถึงแนวคิดของ "งบประมาณความหน่วง" สำหรับอีเมลใน SRE โดยเน้นว่าการที่บริการ "ทำงานอยู่" ไม่เพียงพอหากอีเมลมาถึงหลังจากหมดเวลา มันเน้นย้ำถึงความจำเป็นในการแบ่งความหน่วงที่ยอมรับได้ทั้งหมดสำหรับอีเมลออกเป็นส่วนๆ ทั่วทั้งแอปพลิเคชัน, คิว, อะแดปเตอร์, ผู้ให้บริการ และผู้รับ แนวทางนี้ช่วยให้ SRE สามารถระบุได้อย่างแม่นยำว่าความล่าช้าเกิดขึ้นที่ใด หากคุณรับผิดชอบความน่าเชื่อถือของระบบที่ส่งอีเมลที่สำคัญ คุณควรนำแนวทางงบประมาณความหน่วงมาใช้ ซึ่งหมายถึงการกำหนดเป้าหมายความหน่วงที่ชัดเจนสำหรับแต่ละขั้นตอนของการส่งอีเมลและตรวจสอบอย่างต่อเนื่อง การทำเช่นนี้ คุณสามารถก้าวข้ามการตรวจสอบสถานะการทำงานง่ายๆ เพื่อให้แน่ใจว่าอีเมลไม่เพียงแต่ถูกส่งเท่านั้น แต่ยังถูกส่งภายในกรอบเวลาที่ยอมรับได้ ป้องกันความไม่พอใจของผู้ใช้และผลกระทบทางธุรกิจที่อาจเกิดขึ้น

Kubernetes SR-IOV Multi-Rail GPU Networking: Missing Route Configuration for Cross-Rail Communication

cncfkubernetes

Kubernetes SR-IOV Multi-Rail GPU Networking: Missing Route Configuration for Cross-Rail Communication

Introduction: Mastering Cross-Rail Communication in Kubernetes SR-IOV GPU Networking In high-performance computing environments, GPU-accelerated workloads drive advancements in AI, machine learning, and scientific simulations, demanding robust and efficient networking architectures. Kubernetes, coupled with Single-Root I/O Virtualization (SR-IOV), has become a cornerstone for managing GPU resources at scale, offering low-latency and high-throughput connectivity. However, as demonstrated in our case study , configuring cross-rail communication in multi-rail GPU setups presents significant challenges even for experienced engineers. The scenario involves a 16-node cluster, each node equipped…

บทความนี้กล่าวถึงความท้าทายทั่วไปใน Kubernetes SR-IOV Multi-Rail GPU Networking: การกำหนดค่าเส้นทางที่ขาดหายไปสำหรับการสื่อสารข้าม Rail มันเน้นว่าในขณะที่ SR-IOV ให้การเชื่อมต่อที่มีความหน่วงต่ำและมีปริมาณงานสูงสำหรับเวิร์กโหลด GPU การกำหนดค่าการสื่อสารระหว่าง Rail เครือข่ายที่แตกต่างกันอาจซับซ้อนและนำไปสู่ปัญหาประสิทธิภาพที่สำคัญ หากคุณกำลังปรับใช้แอปพลิเคชันที่เร่งด้วย GPU ในคลัสเตอร์ Kubernetes โดยใช้ SR-IOV พร้อมการตั้งค่าเครือข่ายแบบ Multi-Rail คุณต้องให้ความสนใจอย่างใกล้ชิดกับการกำหนดค่าเส้นทางของคุณ เส้นทางที่ไม่ถูกต้องหรือขาดหายไปสำหรับการสื่อสารข้าม Rail อาจส่งผลกระทบอย่างรุนแรงต่อประสิทธิภาพและประสิทธิผลของเวิร์กโหลดของคุณ ตรวจสอบให้แน่ใจว่าการกำหนดค่าเครือข่ายของคุณอนุญาตให้มีการไหลของข้อมูลที่ราบรื่นระหว่างอินเทอร์เฟซเครือข่ายและ GPU ทั้งหมดเพื่อเพิ่มประโยชน์สูงสุดของ SR-IOV

Cheap Status Page Plus Uptime Monitoring — Healthtech Incident Reconstruction

cncfobservability

Cheap Status Page Plus Uptime Monitoring — Healthtech Incident Reconstruction

Short answer: use a managed uptime service for US and EU probes, alert delivery, and the public incident page; use a dead-man monitor for cron and queue heartbeats; and send redacted rollout evidence to a separate telemetry store for reconstruction. An observability API alone cannot replace those first two layers when it has no synthetic probes, hosted status page, or notification routing. The page fires at 02:13. The EU checkout probe fails, the US probe passes, and the public incident page says pricing responses are degraded. On-call now needs to distinguish a regional path failure from a bad pricing rule behind a flag and from a dependency outage. A green process check cannot answer that…

บทความนี้สรุปกลยุทธ์ที่คุ้มค่าสำหรับการมอนิเตอร์สถานะการทำงานและการสร้างเหตุการณ์ขึ้นใหม่ โดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับ healthtech มันสนับสนุนการรวมบริการมอนิเตอร์สถานะการทำงานแบบจัดการ, dead-man monitor และที่เก็บ telemetry แยกต่างหาก API การสังเกตการณ์อย่างง่ายไม่เพียงพอ จำเป็นต้องมีแนวทางที่ครอบคลุมเพื่อแยกความแตกต่างระหว่างความล้มเหลวระดับภูมิภาค ปัญหา feature flag และการหยุดทำงานของ dependency หากคุณกำลังจัดการบริการที่สำคัญ โดยเฉพาะในอุตสาหกรรมที่มีการควบคุม เช่น healthtech คุณควรใช้กลยุทธ์การมอนิเตอร์แบบหลายชั้นนี้ การรวมการมอนิเตอร์สถานะการทำงานภายนอกและ dead-man switch คุณจะได้รับการตรวจสอบที่เป็นอิสระและช่องทางการสื่อสารสาธารณะ สิ่งนี้ช่วยให้ทีม on-call ของคุณสามารถวินิจฉัยเหตุการณ์ได้อย่างรวดเร็ว เข้าใจขอบเขตของเหตุการณ์ และสื่อสารกับผู้มีส่วนได้ส่วนเสียได้อย่างมีประสิทธิภาพ ปรับปรุงการตอบสนองต่อเหตุการณ์และความน่าเชื่อถือ

Debian Inference Portal

Debian Inference Portal

Debian ได้เปิดตัว Inference Portal ซึ่งน่าจะให้บริการทรัพยากรหรือบริการที่เกี่ยวข้องกับการรันเวิร์กโหลด AI/ML inference ภายในระบบนิเวศ Debian โครงการริเริ่มนี้บ่งชี้ถึงการมุ่งเน้นที่เพิ่มขึ้นในการทำให้ความสามารถของ AI เข้าถึงได้ง่ายขึ้นและรวมเข้ากับระบบปฏิบัติการโอเพนซอร์ส สำหรับนักพัฒนาและนักวิจัยที่ทำงานกับโมเดล AI สิ่งนี้สามารถทำให้การปรับใช้และการจัดการงาน inference บนระบบที่ใช้ Debian ง่ายขึ้น หากคุณใช้ Debian สำหรับสภาพแวดล้อมการพัฒนาหรือการปรับใช้ของคุณและเกี่ยวข้องกับการอนุมาน AI/ML คุณควรสำรวจ Debian Inference Portal อาจมีแพ็คเกจ เครื่องมือ หรือเอกสารที่ปรับให้เหมาะสมซึ่งสามารถปรับปรุงเวิร์กโฟลว์ของคุณสำหรับการรันโมเดล AI สิ่งนี้อาจนำไปสู่ประสิทธิภาพที่ดีขึ้นและการรวมความสามารถของ AI เข้ากับโปรเจกต์ของคุณบน Debian ได้ง่ายขึ้น

Show HN: Google Maps Scraper MCP

Show HN: Google Maps Scraper MCP

Connect your AI agent to synchronous business search and structured listing data through one secure MCP connection.

Google Maps Scraper MCP เชื่อมต่อ AI agents เข้ากับการค้นหาธุรกิจแบบ synchronous และข้อมูลรายการที่จัดโครงสร้างจาก Google Maps ผ่านการเชื่อมต่อที่ปลอดภัย สิ่งนี้บ่งชี้ถึงแนวโน้มในการรวม AI เข้ากับแหล่งข้อมูลจริงเพื่อเพิ่มขีดความสามารถของ AI agents สำหรับงานที่ต้องการข้อมูลธุรกิจที่ทันสมัย หาก AI agent หรือแอปพลิเคชันของคุณต้องการเข้าถึงข้อมูลธุรกิจจาก Google Maps เครื่องมือ scraper นี้มีวิธีที่ตรงและปลอดภัยในการรับข้อมูลที่มีโครงสร้าง สิ่งนี้มีประโยชน์อย่างยิ่งสำหรับงานต่างๆ เช่น การค้นหาในพื้นที่ การวิเคราะห์ตลาด หรือการรวบรวมข้อมูลอัตโนมัติสำหรับการฝึกอบรม AI การใช้เครื่องมือดังกล่าวช่วยให้ AI agents ของคุณเข้าถึงข้อมูลที่สดใหม่และเชื่อถือได้ ปรับปรุงความแม่นยำและประโยชน์ใช้สอยสำหรับคำถามที่เกี่ยวข้องกับธุรกิจ

Stateless GitHub App installation tokens rolled out

Stateless GitHub App installation tokens rolled out

The staged rollout of the stateless GitHub App installation token format, which began on April 27, 2026, is complete. By default, all newly minted GitHub App installation tokens will be… The post Stateless GitHub App installation tokens rolled out appeared first on The GitHub Blog .

GitHub ได้ดำเนินการปรับใช้โทเค็นการติดตั้ง GitHub App แบบ stateless เสร็จสมบูรณ์แล้ว การเปลี่ยนแปลงนี้หมายความว่าโทเค็นการติดตั้งที่สร้างขึ้นใหม่ทั้งหมดสำหรับ GitHub Apps จะเป็นแบบ stateless โดยค่าเริ่มต้น สิ่งนี้เป็นการเปลี่ยนแปลงทางสถาปัตยกรรมที่สำคัญสำหรับนักพัฒนาที่สร้างหรือดูแล GitHub Apps เนื่องจากส่งผลกระทบต่อวิธีการสร้าง จัดการ และตรวจสอบโทเค็น หากคุณพัฒนาหรือจัดการ GitHub Apps คุณต้องตรวจสอบให้แน่ใจว่าแอปพลิเคชันของคุณเข้ากันได้กับโทเค็นการติดตั้งแบบ stateless การเปลี่ยนแปลงนี้ช่วยปรับปรุงความปลอดภัยและความสามารถในการปรับขนาดโดยลดการพึ่งพาสถานะฝั่งเซิร์ฟเวอร์สำหรับการตรวจสอบโทเค็น คุณควรตรวจสอบตรรกะการจัดการโทเค็นของคุณเพื่อให้แน่ใจว่าประมวลผลและใช้โทเค็น stateless ใหม่เหล่านี้ได้อย่างถูกต้อง ซึ่งอาจทำให้การจัดการโทเค็นของแอปพลิเคชันของคุณง่ายขึ้นและมีความยืดหยุ่นมากขึ้น

Copilot code review: API support and new default effort level

Copilot code review: API support and new default effort level

You can now request a GitHub Copilot code review through the REST and GraphQL APIs and set the review effort level for each request. Balanced is also now the default… The post Copilot code review: API support and new default effort level appeared first on The GitHub Blog .

GitHub Copilot code review ตอนนี้รองรับการเข้าถึง API ทำให้นักพัฒนาสามารถร้องขอการรีวิวโค้ดด้วยโปรแกรมผ่าน REST และ GraphQL APIs นอกจากนี้ ระดับความพยายามเริ่มต้นสำหรับการรีวิวได้ถูกตั้งค่าเป็น "Balanced" การปรับปรุงนี้ให้ความยืดหยุ่นมากขึ้นสำหรับการรวมความสามารถในการรีวิวโค้ดของ Copilot เข้ากับเวิร์กโฟลว์อัตโนมัติและไปป์ไลน์การรวมอย่างต่อเนื่อง หากทีมของคุณใช้ GitHub Copilot สำหรับการรีวิวโค้ด ตอนนี้คุณสามารถทำให้กระบวนการรีวิวเป็นอัตโนมัติได้โดยการรวมเข้ากับไปป์ไลน์ CI/CD ของคุณโดยตรงโดยใช้ API ใหม่ ซึ่งหมายความว่าคุณสามารถเรียกใช้การรีวิว Copilot เป็นส่วนหนึ่งของการตรวจสอบ pull request ของคุณ เพื่อรับข้อเสนอแนะอัตโนมัติได้อย่างมีประสิทธิภาพมากขึ้น ระดับความพยายามเริ่มต้น "Balanced" มีจุดมุ่งหมายเพื่อให้เกิดความสมดุลที่ดีระหว่างความละเอียดถี่ถ้วนและความเร็ว แต่คุณสามารถปรับได้ผ่าน API ตามความจำเป็นสำหรับข้อกำหนดการรีวิวเฉพาะ

Node.js Uptime Health Monitoring API for Checkout Status (With Cron Heartbeats)

cncfobservability

Node.js Uptime Health Monitoring API for Checkout Status (With Cron Heartbeats)

For a Node.js checkout service, use a shallow health endpoint for process availability, then record checkout outcomes as logs and metrics so an incident can be reconstructed. Add a separate heartbeat monitor for scheduled jobs. A log or metric platform cannot report a job that stopped before it emitted anything. TL;DR: the useful result is not a green /health response. It is a timeline that answers which checkout stage failed, for how many requests, and under which trace identifier. A unified REST platform can keep those logs and metrics behind the same credential used by other backend services; Healthchecks.io or a similar dead-man's-switch service should cover silent cron failures. My…

บทความนี้แนะนำการมอนิเตอร์บริการ Node.js checkout โดยแยก health endpoint สำหรับความพร้อมใช้งานของกระบวนการ และการบันทึก/เมตริกสำหรับผลลัพธ์ของธุรกรรม มันเน้นว่า `/health` endpoint ไม่พอ แต่ต้องมีไทม์ไลน์โดยละเอียดของขั้นตอน คำขอ และตัวระบุการติดตาม นอกจากนี้ยังเน้น heartbeat monitor สำหรับงานที่กำหนดเวลาไว้ หากคุณรับผิดชอบบริการ Node.js checkout คุณควรใช้กลยุทธ์การมอนิเตอร์แบบหลายด้าน รวมถึงการตรวจสอบสถานะการทำงานพื้นฐาน การบันทึกและเมตริกโดยละเอียดสำหรับแต่ละขั้นตอนของกระบวนการ checkout ที่เชื่อมโยงกันด้วยตัวระบุการติดตาม สำหรับงานเบื้องหลัง ให้รวมบริการ dead-man's-switch เพื่อป้องกันความล้มเหลวแบบเงียบ