Cloudflare Dynamic Workflows：讓持久執行跟隨租戶的 ~300 行 TypeScript 函式庫
Cloudflare Blog · 2026-05-01
Dynamic Workflows 是 Cloudflare 發布的約 300 行 TypeScript 函式庫，建立於 Dynamic Workers 之上，允許多租戶平台在執行期（runtime）將持久執行（durable execution）路由至租戶提供的程式碼，每個租戶的工作流程邏輯可完全不同，且無需預先佈建。
路由機制
系統分三層運作：
- Workflow Engine（平台層）：管理持久性、狀態儲存與排程；負責在中斷後恢復執行。
- Worker Loader（中介層）：攔截請求，將路由 metadata（tenantId）包裝進 envelope；在 Engine 恢復執行時重新分派至正確的租戶程式碼。
- Dynamic Worker（租戶層）：租戶繼承
WorkflowEntrypoint，實作run(event, step)，使用step.do()、step.sleep()、step.waitForEvent()等標準持久步驟，完全不知道底層動態分派的存在。
與 Cloudflare Workflows 的差異
既有 Cloudflare Workflows 要求每種工作流程類型在部署時確定；Dynamic Workflows 讓工作流程定義本身成為租戶資料的一部分，在呼叫時才被解析與執行。這使平台型產品（例如 CI/CD 即服務、AI Agent 平台）可以讓每個租戶帶入自定義邏輯，而不需要為每個租戶部署獨立的 Worker。
使用場景
- Agent 平台：Agent 可撰寫並執行自己的持久工作流程，完整支援重試與休眠（hibernation）。
- CI/CD 系統：每個 repository 擁有自己的一等工作流程，結合 Artifacts（版本化檔案系統）與 Dynamic Workers（沙箱計算），大幅加速 pipeline 執行。
- 多租戶框架：SDK 提供者讓使用者提供工作流程邏輯，平台處理排程基礎設施。
原始來源：Cloudflare Blog
Meta 強化端對端加密備份：空中傳輸 HSM Fleet Key 與透明部署
Meta Engineering Blog · 2026-05-01
Meta 對 Messenger 的端對端加密備份基礎設施實施兩項重大改進，以解決既有 HSM Fleet Key 分發機制的局限性。
背景：HSM Backup Key Vault
Meta 的備份架構以地理分散的 HSM（Hardware Security Module）Fleet 為核心，在多個資料中心以多數決共識（majority-consensus）複製恢復金鑰（recovery code），HSM 中的資料對 Meta、雲端儲存供應商及任何第三方均不可存取。WhatsApp 採用相同架構，但 Fleet 公鑰以硬編碼方式嵌入應用程式，每次輪換 Fleet 都需要發布更新版本。
空中傳輸（Over-the-Air）Fleet Key 分發
Messenger 新增了動態接收 Fleet 公鑰的機制，取代硬編碼方式。分發的 Fleet Key 包裝在一個「驗證捆包」（validation bundle）中，由 Cloudflare 簽名並由 Meta 副署（counter-sign），提供獨立的雙方加密驗證。Cloudflare 維護所有驗證捆包的審計日誌，形成可查核的 Fleet Key 真實性鏈。使用者可按照 Meta 發布的白皮書中的步驟，獨立驗證新 Fleet 的正確部署。
透明 Fleet 部署
Meta 承諾公開發布新 HSM Fleet 安全部署的證據，允許使用者無需信任 Meta 聲明，僅憑可驗證的加密證明確認 Fleet 切換的完整性。這種設計在不降低用戶便利性的前提下，將 Meta 對備份系統的可信假設（trust assumption）降至最低。
NHS 對抗開源 AI 工具：授權與安全性衝突引發的政策行動
shkspr.mobi · 2026-05-02
英國國家健保署（NHS）針對內部使用的開源 AI 工具採取了政策限制行動，引發醫療科技社群的廣泛討論（Lobsters 28 點）。
爭議核心在於 NHS 對開源 AI 工具的安全評估流程與授權合規要求。NHS 的資料治理框架要求所有處理患者資料的軟體通過嚴格的安全審查，而部分開源 AI 工具的供應鏈透明度與授權條款（特別是涉及訓練資料來源的條款）難以滿足現有採購規範。批評者指出，NHS 的合規要求實際上偏向已取得正式認證的商業供應商，而開源社群缺乏相應的認證資源。支持者則認為，在醫療系統中使用模型行為不可完全預測的 AI 工具確實需要更高的驗證標準，現有開源工具的文件與可重複性通常不足以支撐合規論證。
此事件折射出醫療機構在 AI 採用上的更廣泛困境：機構採購流程的設計前提是「可信賴的供應商」，而開源工具的去中心化特性使責任歸屬模糊，監管機構難以套用既有的問責框架。
原始來源：shkspr.mobi