Cloudflare Town Lake：統一資料平台與 Skipper AI 代理的工程解剖
Cloudflare Blog · 2026-05-28
Cloudflare 工程部落格詳細揭露 Town Lake——其統一分析平台的完整架構——以及建構於其上的內部 AI 代理 Skipper。Town Lake 以 lakehouse 模式整合多源資料，每秒處理超過十億個事件；Skipper 讓員工以自然語言查詢公司資料，並透過 MCP server 暴露能力。
Town Lake 架構
查詢層採用 Apache Trino，單一 SQL 查詢可跨 Postgres 表、ClickHouse 表與 R2 上的 Iceberg 表做 join，無需物化中間結果。儲存與元資料層包含：
- R2 Data Catalog：受管理的 Apache Iceberg 服務，支援 schema 演進與時光旅行
- DataHub：元資料目錄，追蹤表、欄位、擁有者、血緣與詞彙表
- Lifeguard：存取控制服務，規則存於 D1，動態拉取使用者群組成員資格
- Skimmer：PII 偵測掃描器，以 Workers AI 兩階段運作——快速逐欄分類 + 有完整上下文的代理驗證
資料架構預設封閉（default-closed）：表在審查通過前不可查詢；Schema 發現與資料存取分離，使用者可見表的存在，但未審查欄位在查詢與描述中均隱藏。
Skipper AI 代理實作
Skipper 建構於 Workers、Workers AI、Durable Objects、D1 與 R2 之上，同時作為聊天介面與 MCP（Model Context Protocol）server。為防止幻覺，代理使用五層上下文：Schema 元資料（含主外鍵）、人工標注語意說明、產生表的實際 SQL（.meta.json）、手工撰寫的資料模型指南，以及執行時期的即時 Trino 查詢。
Code Mode：MCP server 採用 Code Mode 而非循序工具呼叫——模型撰寫 JavaScript 片段以一次 round-trip 執行完整工具集，透過 WorkerLoader 沙箱化，降低延遲與 token 消耗並留下可審計的程式碼記錄。
規模與效果
計費相關查詢佔 Town Lake 總工作量的 53%，來自 324 名員工的 91,760 次查詢。原本 200–300 行的複雜舊版查詢現在縮減至 5 行；「前 100 大客戶營收」此類查詢約 3 秒完成。
原始來源：Cloudflare Blog — How we built Cloudflare's data platform and an AI agent on top of it
Anthropic Series H 融資 $65B，估值逼近 $1 兆
Anthropic News · 2026-05-28
Anthropic 宣布完成 Series H 融資，金額 650 億美元，投後估值 9,650 億美元，逼近 1 兆美元門檻。這是 AI 領域迄今最大規模的單輪私募融資，Anthropic 也超越 OpenAI 成為估值最高的私人 AI 實驗室。
背景與意義
此輪融資緊接著 2026 年 5 月同日 Claude Opus 4.8 的發布，以及數週內 KPMG、PwC 等大型企業合作夥伴的宣布。資金用途包括運算基礎設施擴張、模型研究投資，以及米蘭、首爾等新辦公室的國際展開。
對競爭格局的意義在於：Anthropic 的融資速度（Series G 至 H 不到 8 個月）反映了企業客戶對 Claude 模型的高度需求，以及投資市場對 AI safety-focused 實驗室商業模式的持續信心。同日 HN 上，Claude Opus 4.8 的發布文章獲得超過 1,100 點，是當日排行第一的技術故事。
Meta 資料攝入系統遷移：數萬條 pipeline、PB 級 MySQL CDC 重構
Meta Engineering Blog · 2026-05-12
Meta 完成將數萬個資料攝入工作從客戶自管 pipeline 遷移至集中式自助資料倉儲服務的工程專案，每日處理數 PB 的社交圖譜資料（來自全球最大規模的 MySQL 部署之一）。
原有問題
舊系統在日益嚴格的資料落地時間（landing time）要求下開始出現不穩定，根本原因是分散式擁有者模型使大規模管理困難——每個工程團隊各自負責自己的 pipeline，導致質量標準與可靠性不一致。
遷移方法
遷移採用三階段生命週期：Shadow（新舊平行運行驗證）→ Reverse Shadow（切換主導後保留舊版備援）→ Cleanup（移除舊版）。支撐機制包含：
- 自動化遷移工具，附持續監控
- 行數與 checksum 對比的資料品質分析工具
- 快速回滾能力防止錯誤資料擴散
- 批次遷移計畫與容量限制協調
結果：100% 工作負載完成遷移，改善落地延遲，並在舊系統比較下減少運算與儲存使用量。快照重用策略消除了不必要的完整 dump，進一步降低 I/O 負載。
原始來源：Meta Engineering — Migrating Data Ingestion Systems at Meta Scale