作为大数据领域盛会之一，Flink Forward 持续关注数据与算力的核心价值。Flink Forward Asia 2020 在线峰会将在 12 月 13-15 日重磅开启，本次峰会...

在数据架构层面，Pulsar 实现了与数据湖生态的深度融合。这实现了统一存储，单份数据可同时支持通过 Pulsar 的流式访问和通过数据湖的批处理。这些设计的关键技术在于解决 Agent 间状态（state）的持久化问题，并通过消息队列缓冲保障交互的稳定性。：采用对等的多副本无主架构，所有副本地位平等，避免了主从同步延迟。相比 Kafka 等需要数据搬迁的架构，Pulsar 的存算分离能更快响应流

在数据架构层面，Pulsar 实现了与数据湖生态的深度融合。这实现了统一存储，单份数据可同时支持通过 Pulsar 的流式访问和通过数据湖的批处理。这些设计的关键技术在于解决 Agent 间状态（state）的持久化问题，并通过消息队列缓冲保障交互的稳定性。：采用对等的多副本无主架构，所有副本地位平等，避免了主从同步延迟。相比 Kafka 等需要数据搬迁的架构，Pulsar 的存算分离能更快响应流

本文介绍了以 Pulsar 做流数据平台，使用 Spark 进行批流一体数据处理的编程实践。（阅读本文需要约 15 分钟）批流现状在大规模并行数据分析领域，AMPLab 的『One stack to rule them all』提出用 Apache Spark 作为统一的引擎支持批处理、流处理、交互查询和机器学习等常见的数据处理场景。 2017 年 7 月，Spark 2.2.0 版本正式推...

它能够主动理解目标、分解任务、调用工具（API）、与环境交互并持续优化。消息队列的核心优势——可靠、解耦、异步、缓冲——在 AI Agent 分布式、异构、高并发、长流程的生态中，价值不仅未被削弱，反而被显著放大，成为串联智能体的生命线。Apache Pulsar 是 Apache 软件基金会顶级项目，是下一代云原生分布式消息流平台，集消息、存储、轻量化函数式计算为一体，采用计算与存储分离架构设计

这是 Spring AI 提供的 MCP 服务器启动器，它处理了与 AI 模型通信的所有底层协议和复杂性，我们只需要专注于实现“工具”即可。它的职责是“理解”用户的意图和我们工具的描述，然后做出决策——应该调用哪个工具，以及传入什么参数。：用户的指令通过我们的应用，交由 LLM 进行“翻译”，翻译结果（工具调用）再由我们的应用执行，最终作用于 Pulsar 集群。：这是 Apache Pulsar

可以预期，随着 AI 应用的进一步发展，会对消息处理的延迟、并发、扩容的便捷性和成本考量提出新的严苛要求，而这些都是 Pulsar 的传统优势。在用户量激增时，扩容往往需要 20-30 分钟，这对实时性要求很高的 AI 应用来说是不可接受的。Coze Studio 集成 Apache Pulsar，不仅仅是为了解决大规模应用场景的性能问题，更是为了应对 AI 应用未来的发展需求。初期阶段，对大多数

此前，刘宇成曾领导 Wayfair 的机器学习平台团队，负责扩展服务数百万客户的生产模型。上海开源信息技术协会副秘书长，对外经济贸易大学全球开源协作研究中心副主任，中国计算机学会开源发展委员会执委，开源社顾问、中国汽车工业协会开源顾问、北京智源人工智能研究院开源顾问、国科开源平台联合创始人，原中科院软件研究所 OpenHarmony 团队核心成员，原 OpenHarmony 项目创始生态负责人、教

GOTC 以打造具有全球视野和技术高度的产业盛会为宗旨，汇聚来自人工智能、大模型、开源与软件工程等核心领域的顶级专家与企业代表，展示最新技术趋势与实践成果。GOTC 不仅关注技术突破，更注重开放协同与产业落地，通过构建多元共建共赢的生态网络，推动形成开放可信、智能共生的创新底座。作为中国开源事业与科技强国战略的重要支点，GOTC 正不断助力数字经济高质量发展，促进技术人才集聚、产业生态升级，为构建

基于 Pulsar 的 Function 和 Pulsar I/O 组件来构建订阅推送功能，初始方案是利用 Pulsar Function 实现规则引擎的过滤逻辑，通过 Pulsar I/O Sink 完成消息的最终推送（Action 执行）。在生产环境实践中，针对出现的挑战迭代形成了优化方案。为适应大模型技术的发展，平台对物联网数据进行了分类处理：结构化的物模型数据存入知识图谱，行业文档等非结构