Google Cloud Workflows 1.18.0版本发布:新增加密密钥配置与执行历史级别等特性
Google Cloud Workflows是Google云平台上的一项无服务器工作流编排服务,它允许开发者将多个Google云服务和API连接起来,构建复杂的业务流程。最新发布的1.18.0版本为Workflows带来了多项重要功能增强和安全改进。
核心功能更新
工作流加密密钥配置
1.18.0版本新增了对工作流加密密钥配置的支持。这项功能允许用户为工作流指定加密密钥,增强了工作流执行过程中敏感数据的安全性。通过配置加密密钥,用户可以确保工作流中传输和存储的数据都经过加密处理,满足企业级安全合规要求。
执行历史级别控制
新版本引入了ExecutionHistoryLevel枚举类型,并将其集成到Workflow配置中。这一特性让开发者能够精细控制工作流执行历史的记录级别,可以根据业务需求和安全策略选择记录不同详细程度的历史信息。例如,在开发调试阶段可以选择记录详细历史,而在生产环境中则可以选择只记录关键信息,既满足调试需求又优化了存储使用。
工作流版本管理增强
新增的ListWorkflowRevisions方法为工作流版本管理提供了更强大的支持。开发者现在可以方便地列出工作流的所有修订版本,查看历史变更记录,并在需要时回滚到之前的版本。这一功能特别适合持续集成/持续部署(CI/CD)场景,为团队协作和版本控制提供了更好的支持。
工作流标签系统
1.18.0版本为工作流添加了标签(tags)支持。通过标签,用户可以更方便地对工作流进行分类、组织和检索。例如,可以按业务部门、项目阶段或功能模块为工作流添加标签,然后通过这些标签快速筛选和查找相关工作流。
文档改进
除了功能增强外,本次更新还对Workflow部分标准字段的文档进行了优化和完善。更新后的文档提供了更清晰的字段说明和使用示例,帮助开发者更快理解和使用各项功能。
技术影响与应用场景
这些新特性使得Google Cloud Workflows在以下几个方面有了显著提升:
-
安全性增强:加密密钥配置让工作流可以满足更严格的安全合规要求,特别适合处理金融、医疗等敏感数据的场景。
-
运维效率提升:执行历史级别控制和版本管理功能让运维团队能够更高效地监控和调试工作流,减少生产环境问题排查时间。
-
团队协作优化:标签系统和改进的文档使得大型团队能够更好地组织和管理大量工作流,降低协作成本。
对于已经在使用Google Cloud Workflows的企业,建议评估这些新功能如何能够优化现有工作流的安全性和可维护性。特别是对于处理敏感数据或需要严格合规的工作流,加密密钥配置应该优先考虑实施。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00