经过近3个月的研发,Seal AppManager v0.2 已正式发布。
Seal AppManager 是一款基于平台工程理念的应用统一部署管理平台,于今年4月首次推出。在上一版本中,我们已经释出集成 ChatGPT 简化服务模板代码生成、云成本可视化、动态环境管理等功能,通过降低基础设施运维的复杂度为研发和运维团队提供易用、一致的应用管理和部署体验。
在此基础上,Seal AppManager v0.2 提供更灵活、强大的应用和环境部署管理能力、优化交互操作并为企业用户落地生产环境提供了核心支撑,进一步简化应用部署管理体验。
强大的应用和环境部署管理能力
伴随云原生技术迈入深水区,企业内部 IT 架构演进得愈发复杂,IT 团队规模不断扩张。在多团队协作的背景下,应用环境配置往往变得复杂且易出错,使得应用和环境部署成为产品团队面临的挑战之一。
应用和环境部署管理是 Seal AppManager 的核心,通过提供多样化的应用运行时支持、基于服务模板提供上层灵活的应用定义能力,简化应用和环境部署过程,加速应用交付,确保应用在跨环境中的稳定性和一致性。
提升应用部署管理的易用性
在上一版本中,用户可以从应用系统的维度统一管理多个部署实例,进而简化应用管理工作,促进研发团队间的无缝协作。在 Seal AppManager v0.2 中,这一特性得到增强:
支持服务配置变更历史的比较:新版本引入了配置变更历史比较功能,使用户能够轻松查看和比较应用程序配置的变更。这项功能不仅有助于快速定位问题,还提供了可追溯的历史记录,确保配置更改的安全性和可靠性。

支持批量以及跨环境克隆服务:用户可以轻松复制现有的服务配置到单个或多个目标环境,同时支持克隆服务的参数定义,使得研发和运维人员无需陷入重复的配置工作中,提升工作体验。这一功能的引入将确保跨环境条件下服务配置的一致性,提升软件交付的可靠性。
优化服务和资源的操作交互:Seal AppManager v0.2 将改进服务和资源操作交互,用户将通过简化的操作流程快速部署和管理应用程序的服务和资源。这项功能的引入将极大地提高工作效率,使其能够更轻松地掌控和操作应用程序所需的服务和资源。
增强动态环境管理能力
在云原生技术迅速普及的今天,混合环境部署已是大多数企业进行应用交付和发布时的必然选择,但是开发、测试、生产等多环境管理也带来很大挑战。
在上一个版本中,我们已经提供了动态环境管理的特性,借助该特性研发人员在不了解底层环境细节的情况下能够自助部署应用。在 Seal AppManager v0.2 中,这一特性得到进一步增强:
支持项目级别的环境/连接器管理:用户可以根据项目的需求,针对不同的环境和连接器设置和管理配置,实现更精细化的控制。这一功能的引入将使产品团队能够更高效地管理和配置不同项目的环境和连接器。
支持展示环境依赖图:环境内不同的服务之间存在依赖关系,Seal AppManager v0.2 可以通过可视化的方式呈现不同组件和服务之间的关系。借助直观的依赖图,用户可以更清晰地了解环境内部组件的依赖关系并对相关资源直接进行操作,优化部署过程,提高整体系统的稳定性。

支持克隆环境:克隆环境可以根据现有环境的配置及服务,快速创建一个新的环境,包括环境中的应用相关服务及基础设施资源。克隆环境创建完成后,用户可以在应用管理中使用该环境,被克隆的服务也会根据依赖关系自动编排部署,优化工作流程,极大节省团队时间和精力。
支持多层级的变量配置:在 Seal AppManager v0.2 中,用户可以在全局、项目和环境三个级别设置和管理变量或密文,不同层级的变量支持自动继承。这项功能使得在不同环境中应用程序的变量管理更加方便灵活,可轻松应对不同环境下的配置需求,确保应用的可靠性和安全性。
优化操作交互
为了进一步提高交互的灵活性和控制力,Seal AppManager v0.2 引入了 Seal CLI 命令行工具。用户可以通过CLI与平台进行交互,执行各种操作,如部署应用、管理服务和环境等。这一功能的引入为用户提供了更多自定义和自动化的可能性。
为落地生产环境提供核心支撑
为了助力企业用户落地生产环境,Seal AppManager v0.2 提供了Kubernetes 高可用性(HA)安装部署、RBAC(Role-Based Access Control)和多租户管理。用户可以轻松部署可靠和稳定的 K8s 集群,并通过 RBAC 实现细粒度的角色和权限控制,同时利用多租户管理实现资源隔离和管理灵活性。这一功能组合为生产环境提供了更高的安全性和可管理性。
免费试用,欢迎体验
随着企业上云进程的推进,企业内部的IT架构变得愈发复杂。一切“左移”的文化则让研发人员苦不堪言。基于平台工程的理念,分离研发与运维的关注点,标准化软件交付流程,可以有效帮助产品团队提高效率。
通过与典型场景的企业用户不断交流,深入挖掘用户痛点,Seal AppManager v0.2 进一步增强了核心能力,持续简化应用部署体验,减轻研发及运维团队的工作负担、提升开发体验,为团队内部平台工程建设提供推进动力。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。