Redis 8.4引入了XREADGROUP的新CLAIM参数，简化了消息恢复过程。该命令可以同时回收闲置的待处理消息并读取新消息，提升了处理效率，支持自愈消费者的构建，显著提高了吞吐量和响应速度，使流处理更可靠。

本文介绍了如何设置Valkey复制以扩展缓存，提供了逐步指南，帮助用户有效配置和管理Valkey系统，从而提高数据处理能力和性能。

Valkey 9.1正式发布，专注于提高效率和模块化，适用于需要快速、可靠数据访问的组织。新版本降低了内存消耗，增强了安全性，并支持多租户隔离。Valkey Search模块整合了搜索功能，提升了性能，适合高吞吐量应用。GLIDE库扩展了语言支持，优化了客户端缓存，减少了服务器负担。Valkey的采用率持续增长，吸引了大企业的关注。

Redis Iris 是一种新的上下文和记忆解决方案，旨在解决代理在运行时的上下文问题。它通过上下文检索器、代理记忆、数据集成、LangCache 和搜索等五个工具，将分散的数据转化为实时可用的上下文，提升代理的响应能力。Redis Iris 提供快速、可靠的数据访问，支持多云环境，简化代理架构，提高生产效率。

“雷鸣般的羊群”问题是指多个客户端同时请求同一资源，导致系统负载过重和性能下降。开发者可以通过智能架构设计和使用Redis等工具来缓解这一问题，例如引入缓存过期时间的随机性、请求合并和速率限制等策略，以避免系统崩溃并提高响应速度。

文章讨论了上下文工程在构建AI应用中的重要性，强调有效管理和设计上下文窗口的信息。上下文工程通过选择、保存和压缩输入，提高AI代理的可靠性，减少错误并提升模型输出质量。Redis作为实时上下文引擎，提供存储、检索和消息传递的解决方案，助力构建更可靠的AI系统。

意大利程序员Salvatore Sanfilippo（antirez）发布了新开源项目ds4.c，专为DeepSeek V4 Flash设计的推理引擎。该项目利用Metal GPU，支持高达100万Token的上下文窗口，推理速度极快，适合长文档处理。ds4.c提供CLI和服务器模式，支持本地HTTP服务和磁盘KV缓存，提升了Agent客户端的使用体验。

本文讨论了大语言模型（LLM）推理速度的关键指标及其对用户体验的影响，强调选择合适模型和优化指标的重要性。介绍了TTFT、TTFAT、输出速度等六个性能指标，并提到语义缓存技术可以减少推理瓶颈，提高响应速度和降低成本。Redis作为实时数据平台，支持语义缓存和向量搜索，适合构建高效的GenAI应用。

DeepSeek V4发布后，开发者antirez推出了专属推理引擎ds4.c，旨在提升Mac上的运行效率。该引擎使用C和Metal编写，专注于本地推理，支持高效的量化和KV缓存。测试表明，ds4.c在高端Mac上表现优异，生成速度快。antirez希望通过此项目推动本地推理的发展，并强调AI辅助开发的重要性。

Redis最近发布了多个重要更新，包括企业级特征存储和安全性增强。新的特征表单支持机器学习团队高效管理特征，确保低延迟。Redis Cloud的安全更新提供了更严格的数据访问控制，支持私有连接和简化的网络安全，同时增加了基于OpenTelemetry的可观察性，帮助开发者监控应用性能。

本文讨论了大语言模型（LLM）应用中的API延迟问题，强调用户体验与技术性能之间的差距。API延迟包括请求发送到响应接收的时间，受模型推理、检索和上下文组装等因素影响。文章提出了三项关键指标：首次令牌时间（TTFT）、令牌间延迟和端到端延迟，并建议通过精确测量和优化缓存、检索及模型效率来降低延迟。Redis被推荐作为解决方案，以提供快速的语义缓存和向量搜索，提升LLM应用的响应速度。

Redis推出了sql-redis库和SQLQuery类，允许用户以SQL风格查询Redis数据。该类将SQL语句转换为Redis查询，支持聚合、全文搜索和地理查询等功能，用户可通过.redis_query_string()预览执行的Redis查询，提升查询速度和灵活性。

Sprig是一家AI驱动的产品研究平台，因数据量超过1.3万亿事件，Postgres数据库无法承载。团队决定将访客数据保留在Postgres，其余数据迁移至ClickHouse和Redis组合，最终选择ScyllaDB，显著降低延迟，提高性能，简化基础设施，提升成本效率和可扩展性。

Redis社区已识别并修复五个安全漏洞。Redis Cloud用户已自动升级，无需额外操作；自管理用户需手动升级到最新版本以防止远程代码执行。建议遵循最佳实践以确保安全。