OpenSearchCon 是由 Linux 软件基金会旗下的 OpenSearch 软件基金会主办的年度技术大会，2026年首次来到中国！作为开源搜索与分析领域的一场“华山论剑”，从底层引擎 Apache Lucene 的最新黑科技，到上层应用 OpenSearch 在向量检索、AIOps、安全分析等前沿阵地的实战，全球的顶尖开发者、架构师和社区领袖齐聚一堂，探讨技术的下一个浪潮。作为 OpenSearch 社区的核心成员和重量级玩家，字节跳动这次也带着满满的干货登场，分享了我们是如何在数百万 CPU Core、数百 PB 数据的庞大规模下，将 OpenSearch 的潜力挖掘到极致的。 “激发创造，丰富生活”是字节跳动的使命，而 OpenSearch 正是支撑其全球150多个市场、35种语言产品矩阵背后海量数据实时检索与分析的关键引擎之一。从抖音、今日头条到 TikTok、Lark，OpenSearch 在字节跳动内部被广泛应用于全文搜索、可观测性分析、向量检索等核心场景。
当一个实验性的“咖啡外卖”智能体（BrewSense），从服务几位工程师的小工具，演变为数千人依赖的自动化伙伴时，会发生什么？ 这不仅仅是用户量和调用量的激增，更是一场关于身份、权限与信任的治理风暴。本文将通过一个名为 “BrewSense” 的虚拟智能体的第一人称叙事，复盘其从“能打杂”到“可托付”的四幕进化史，深入剖析企业在引入和规模化应用 AI Agent 时，必须经历的身份权限治理阵痛与实践路径。 这不仅是 BrewSense 的故事，更是每个企业构建可信智能体生态的必经之路。
流式计算是实时数据驱动型企业的核心基础设施。 然而，随着业务发展，Flink 任务规模由最初的数十个跃升至成百上千，运维复杂度也随之呈指数级上升：深夜告警响应滞后、Checkpoint 失败根因难寻、OOM 问题反复出现、新人上手动辄数月…… 这些痛点不仅让 SRE 团队深陷‘救火’泥潭，更成为了业务团队拥抱流式计算的巨大阻碍。 我们始终在思考：是否有一种更自然、更高效的方式与实时计算系统交互？ 为了打破这一困局，我们带来了全新的解决方案。通过将火山引擎流式计算 Flink 版的核心能力封装为一系列的 Flink Skills，并将其与智能助手 ArkClaw (OpenClaw) 深度融合。 致力于打造一种全新的实时计算协作范式：用自然语言驱动复杂运维，用 AI 实现故障诊断闭环。基于此，无论是资深 SRE 还是业务开发人员，都可以像和同事对话一样，轻松完成以往需要登录控制台、翻阅日志数小时才能完成的专业操作。
在数字化运营中，用户行为分析是洞察业务痛点、驱动增长的核心手段。 火山引擎用户研究Agent是新一代用户精准洞察与决策助手。基于对行为、画像、业务领域知识等深度理解，挖掘群体特征，有效识别用户真实意图与偏好，辅助业务归因分析、输出有效建议策略。 本次分享整理自火山引擎数据应用资深工程师蒋煜在AIcon全球人工智能开发与应用大会上的演讲，将聚焦大语言模型（LLM）与行为分析的结合，从背景、产品价值、技术挑战及解决方案、回顾总结四个维度展开。
在大型企业或复杂的开源项目中，代码库通常不会是单一的庞然大物。业务逻辑、基础库、中间件等往往分散在数十甚至上百个独立的 Git 仓库中。这种分布式代码管理带来了模块化和解耦的好处，但也给开发者带来了新的挑战，尤其是在理解和查询代码时： 上下文缺失：当你向一个 AI 助手提问时，如果它只能看到你当前正在处理的那个仓库，它就无法理解那些跨仓库的调用和依赖关系。这好比让一个只读了《哈利·波特与魔法石》的人去解释整个系列七本书的剧情，结果必然是片面和错误的。低效的语义检索：传统的 grep 或 glob 命令依赖于精确的关键词匹配，无法理解代码的真实意图。例如，你想查找“用户认证逻辑”，但相关代码可能分布在名为 AuthService、verify_token 或 user_session 的不同部分，简单的文本搜索很难覆盖所有情况。信息过载与干扰：当一个关键词（如 request）在多个仓库中都频繁出现时，搜索结果会变得非常嘈杂，让你难以定位到真正关心的那部分代码。
本期内容整理自火山引擎数据平台产品总监王彦辉在NVIDIA GTC上的主题演讲。NVIDIA GTC 2026开发者大会已于3月16日在美国圣何塞盛大开幕。 作为全球AI与高性能计算领域最具影响力的技术盛会之一，GTC被誉为“AI界春晚”，是洞察AI技术趋势与NVIDIA战略方向的重要窗口，本届大会继续聚焦AI算力基础设施的革新与商业化落地。 围绕“多模态数据湖的新一代人工智能应用技术实践”这一主题，全文将结合NVIDIA工具链NeMo Curator的落地经验，系统阐述AI时代数据基础设施的变革挑战、多模态数据湖架构、前沿工具应用及典型案例，展现算力革新浪潮下的技术探索与行业思考。
越来越多的开发者开始为 AI Agent 开发工具，无论是通过 MCP（Model Context Protocol）、Skills 脚本、还是直接使用 OpenAI/Claude 的 function calling。但很快大家发现了一个令人困惑的现象：技术上实现完全正确的工具，Agent 却用不好。 工具能跑通，schema 定义正确，API 调用成功，但是 Agent 总是选错工具，传错参数，或者在明明应该调用工具的时候却回复「我无法完成这个任务」。
新的一周，是时候给你的龙虾塘加点数据“小饲料”了！ 多模态数据湖最近在 ArkClaw（火山引擎云上版 OpenClaw）上线了一批开箱即用的新 Skills：把多模态内容提取与处理、数据治理、数据计算/运维这些原本专业又复杂的数据能力，打包成了对话框里随时能调用的工具。 现在，你不用再纠结“该用什么工具、走哪条链路”，只要装好 Skill，说清楚需求，ArkClaw 就能快速调用对应能力，直接把结果交到你手上。 为了让你上手更快，我们还特地整理了 4 个开箱即用的 Skill 主题包，把日常高频场景直接打包好，拿来就能用，帮你把数据处理工作变得更顺、更快、更不费劲～
OpenClaw 作为一个功能强大的开源 AI 代理与自动化平台，通过将大语言模型与本地环境及各类消息渠道深度集成，实现了从“被动问答”到“主动执行”的范式转变。然而，其强大的系统访问和自主决策能力，也引入了一系列新的安全风险。本文旨在全面梳理 OpenClaw 的核心安全风险，并详细阐述火山引擎平台为保障用户安全部署和使用 OpenClaw， 所提供的整合性加固措施与具体配置建议。
