JetBrains 宣布将其开发的 12B 参数大语言模型 Mellum2 开源，采用 Apache 2.0 许可证。该模型基于 Mixture-of-Experts（MoE）架构，每令牌仅激活 2.5B 参数，显著降低计算成本，同时保持低延迟和高吞吐量，适合实时 AI 工作负载。Mellum2 专注于自然语言和代码数据，专为路由、问答、子代理和私有 AI 部署等场景优化，在代码生成、科学推理和数学等基准测试中表现与同级模型相当，但推理时间减半。JetBrains 认为未来属于协调的系统，Mellum2 作为“焦点模型”将高效处理高频重复任务，与前沿大模型协同工作。

大部分TypeScript项目已集成ESLint和@typescript-eslint检查常见问题（如显式any、浮动Promise等），但ESLint规则只能在单个文件范围内运行，无法进行跨文件分析。Qodana填补了这一空白，提供全项目类型感知分析，能够检测五个典型问题：隐式any通过代码库传播、非空断言被用作捷径、未等待的Promise导致执行顺序错误、未使用的导出符号增加维护负担、不同文件间的重复逻辑。文章还介绍了如何设置Qodana，使用默认配置文件即可发现这些问题，并通过基线功能在CI中逐步修复现存问题。

文章概述 本文探讨了解决经典编程题“袜子商人问题”的两种Java实现方法。问题描述：给定袜子颜色数组，计算可配对的袜子对数。 基于数组的方法：通过计数数组统计各颜色出现次数，累加每颜色对数。适用于颜色范围小且连续的场景，时间复杂度O(n+k)，空间复杂度O(k)。 基于HashSet的方法：利用集合并序遍历袜子，遇到未匹配则加入，已匹配则成对并从集合移除。适用于颜色值范围大或稀疏的场景，平均时间复杂度O(n)，最坏O(n log n)。 文章提供了完整代码示例和测试用例，帮助读者理解两种方案的优劣及适用场景。

节目概览 本期Foojay播客专访BoxLang创始人Luis Majano及社区经理Cristobal Escobar，深入剖析BoxLang AI v3的重大更新。该版本引入多智能体编排（支持父子层级关系）、基于Anthropic开放标准的AI技能系统、MCP服务器集成（既可消费也可提供服务）、可组合中间件层（含FlightRecorder等六个内置类用于确定性CI测试），以及覆盖17家AI提供商的统一API。此外，节目还介绍了BoxLang Spring Boot Starter（动态JVM模板引擎）、交互式TDD/BDD学习平台BoxLings、以及TestBox 7的实时流式测试运行器和浏览器IDE。BoxLang作为现代动态JVM语言，100%兼容Java并编译为JVM字节码，可部署于操作系统、AWS Lambda、Spring Boot等多种环境，正重新定义JVM生态中的AI开发范式。

随着生成式AI在2026年的普及，开源社区面临安全报告激增的挑战。Spring团队在4月收到482份安全报告，其中370份来自内部扫描，112份来自社区，最终发布26个CVE。尽管大部分漏洞为中低风险，但数量庞大，强烈建议用户升级至6月发布的最新补丁。VMware Tanzu Spring提供专属支持，包括自动升级和零日补丁访问，以应对持续加速的Java生态系统变化。

Spring官方宣布发布列车再次调整时间。原定于5月11-22日的发布计划先调整至6月1-5日，现最新更新改为6月8-12日。此调整适用于所有OSS版本，包括新的次要版本和补丁版本。Spring官方日历网站将同步更新。感谢大家的理解与耐心。

本文探讨了在 Selenium WebDriver 中等待包含大量 JavaScript 的页面完全加载的多种策略。文章指出现代页面依赖异步调用和动态 DOM 更新，简单的延迟或不充分的等待会导致测试不稳定。作者创建了 PageLoadHelper 辅助类，封装了基于 WebDriverWait 的显式等待逻辑，并介绍了多种具体方法：检查 document.readyState、等待 jQuery AJAX 完成、利用 Angular 的 testability API 判断稳定性、针对 React 通过元素可点击性间接等待、在 window 对象中注入自定义标志、以及拦截 Fetch API 跟踪请求。文章比较了各策略的适用场景与局限，并建议组合使用：先确保文档就绪，再执行框架特定检查，最后确认关键元素可交互。实际选择取决于应用技术栈和代码控制权限。所有代码示例均可在 GitHub 上获取。

本文介绍了如何在 Spring AI 中使用子代理协调模式。通过 Spring AI Community Agent Utils 库的 TaskTool 工具，可以构建层次化的多代理系统，其中主代理负责将任务动态委派给专门的子代理。每个子代理在独立的上下文窗口中运行，专注于特定职责，例如代码审查和文档撰写。子代理的行为通过 Markdown 文件定义，便于维护和版本化。文章提供了完整的项目配置、依赖添加、代理定义及协调器服务实现的步骤，并演示了如何通过集成测试验证协调流程。该模式有助于提高 AI 系统的模块化、可维护性和输出质量。

教程概述 本文详细介绍了如何使用Spring AI构建一个MCP（模型上下文协议）服务器，并将其连接到Claude Desktop。首先创建一个简单的“Hello World”工具，然后使用MCP Inspector和Claude Desktop进行测试。之后，通过@McpTool和@McpResource注解，将交互式HTML UI（例如一个随机推荐运动项目的转盘）嵌入到AI聊天会话中，实现富交互体验。