2026年6月，Azul Payara发布了首个月度版本，包括Payara 7.1.0、社区版7.2026.6、Payara 6.39.0、5.88.0和4.1.2.191.56。所有版本均修复了管理控制台和REST接口中的CSRF和SSRF关键安全漏洞。Payara 7.1.0是支持Jakarta EE 11的首个正式版本，包含EclipseLink 5.0.0、Jersey 4.0.2等组件升级，并改进了Jakarta Data的@Transactional支持。Payara 5.88.0和6.39.0更改了服务器就绪信号的默认行为，新默认值会在后部署配置和应用加载后标记就绪，影响依赖就绪信号的脚本。建议用户升级以应用安全补丁。

Eclipse基金会在布鲁塞尔举办了首届AI编码工作坊，由EclipseSource的Jonas Helming主讲。工作坊的核心议题是从“vibe编码”（随意实验）转向“系统化AI编码”——理解编码代理的工作机制并构建可重复的工作流程。 编码代理的工作原理：代理依赖上下文（系统消息、用户消息、代码库等），但LLM无状态，需每次重发完整历史，且“笨区”在上下文容量约40%时即开始影响效率。 工作流程：生成输出后需审核/决策，可终止、优化提示、重启新会话、拆解任务、精简会话或调整配置。关键提示：不要害怕丢弃代理的工作成果；手动精简会话，不要依赖代理。 时间分配变化：无AI时，设计和编码约占70%，调试30%；有AI后，设计约30%，审核30%，调试35%，实际生成代码仅5%。因此强调设计先行，审核不可省略。 Done ≠ Ready：代理说“完成”不等于可推送，需像同事一样仔细审核代码质量、安全风险。 公司层面：需提供工具、时间、空间（分享学习）来支持系统化AI编码。 Eclipse相关：Open VSX（VS Code市场的开源替代）、Theia IDE（云桌面AI原生IDE）等。 作者本人也在返程火车上用Claude Code基于手写笔记起草了本文，但经全面审核修改。

本文是MongoDB聚合优化系列的第一部分，通过一个虚构的视频流服务案例，展示了如何通过数据模型和聚合管道设计优化，将查询性能提升超过800倍。文章基于真实设计评审，初始聚合管道包含多个$match、$lookup、$unwind、$group等阶段，在100万用户、340万设备和500万映射的数据集上，平均查询耗时11.8秒。经过数据模型重构和管道简化，最终平均查询时间降至14毫秒，总耗时从260秒降至655毫秒。文章详细解释了初始设计的缺陷（如过度使用关联集合和数组展开）以及优化思路，为MongoDB使用者提供了实践指导。

本文基于Foojay播客对Quarkus的深度访谈，总结了该框架的核心特性。Quarkus作为云原生Java框架，通过构建时优化（而非运行时反射）实现快速启动和低内存占用，同时保留标准API和JVM/原生双模式。与Spring Boot相比，Quarkus默认采用云原生设计，集成Dev Mode、Dev Services和持续测试，显著提升开发反馈速度。在JVM模式下即可获得性能提升，而原生编译通过GraalVM进一步满足极低资源需求，适合Serverless场景。Quarkus还整合Vert.x和虚拟线程应对高并发，并通过MicroProfile提供容错与可观测性。这些特性有助于降低云成本：更小的内存占用意味着更少的节点需求，快速冷启动支持更激进的缩容至零。文章强调，团队应优先采用JVM模式，仅在需要极致密度时选择原生编译。

本文介绍了Quarkus Pi4J扩展，该扩展将树莓派硬件访问库Pi4J与Quarkus框架集成，使Java开发者能够在Quarkus应用中便捷地使用GPIO、I2C等接口。扩展提供了自动Pi4J上下文管理、CDI依赖注入、外部化配置（无需重新编译即可更改引脚映射）、基于注解的GPIO注入以及内置健康检查等特性。通过结合Pi4J的硬件能力与Quarkus的快速启动、低内存和云原生支持，开发者可以构建生产级别的物联网、边缘计算、智能家居和机器人应用。该扩展属于Quarkiverse社区生态，未来将进一步支持传感器、显示器和HAT等硬件平台。

Spring AI 2.0 结构化输出增强 Spring AI 2.0 在原有 .entity() 方法基础上增加两个开关： validateSchema()： 在响应端进行 JSON Schema 验证，检测到不合规输出时自动重试（默认3次）。 useProviderStructuredOutput()： 在请求端将 Schema 传递给提供者 API（如 OpenAI、Anthropic），强制模型输出合规 JSON。 两者可组合使用，兼顾上游约束与下游容错。同时支持泛型类型（ParameterizedTypeReference）、自定义转换器（如处理 Markdown 代码块）以及获取完整 ChatResponse（responseEntity()）。

本期Spring周报聚焦于Spring Boot 4.1发布后的生态动态。内容涵盖：Spring Batch与MongoDB的集成博客、Spring AI 2.0组合式工具调用API详解、与DaShaun Carter的播客访谈、使用ElevenLabs实现语音控制的Spring AI食谱、基于Spring AI和Binance API的AI交易助手、InfoQ对社区动态的总结、Spring Cloud Stream与Spring Modulith的集成模块，以及Spring Boot 4.1发布亮点等。

在JetBrains与Codex联合举办的黑客马拉松中，评委们指出了决定胜负的关键因素：清晰的演示比复杂的项目更重要。获胜的关键包括：首先明确阐述要解决的问题，让评委感同身受；在编码前充分研究比赛规则和评委关注点；将范围缩小到一个核心功能，并确保演示流畅；把演示作为演讲主体，在90秒内展示可用结果；提前排练，从最终获胜场景倒推执行；最后保持热情和享受过程。成功最终归结为三点：以问题为导向、展示一个可工作的功能、并让评委感受到你的投入。

本文详细介绍了JetBrains IDE和AI Ultimate订阅的ROI计算器的方法论。该计算器基于用户输入、内部研究和开发者工作流假设来估算潜在收益。数据来源包括年度开发者生态调查（薪资基准）和针对具体产品的生产力调查（时间节省）。生产力提升计算采用任务模型，仅考虑IDE相关工作时间（约45%）和AI辅助任务（55%），通过公式合并IDE和AI的增益。财务计算以生产力节省减去许可成本得出净收益和ROI百分比。文章强调结果仅为示意，不保证实际效果。