Dropbox 构建了 Nova 平台，用于在云端运行编码代理，以处理重复性工程任务。它通过隔离环境、验证循环和上下文集成，将代理应用于 CI 故障修复、测试去脆化和迁移等工作，从而提升开发效率。

Dropbox的Magic Pocket存储系统因数据碎片化导致存储开销增加，原有压缩策略无法快速回收空间。为此，团队开发了多策略压缩方案：L1维持高填充卷的稳态，L2高效合并中度低填充卷，L3快速回收极低填充卷。通过动态调整阈值和并发控制，系统显著降低存储开销，提升了压缩效率和系统稳定性。

Dropbox通过优化Git的delta压缩策略，成功将服务器monorepo从87GB缩减至20GB，克隆时间从一小时降至15分钟。问题源于i18n文件路径与Git压缩启发式的不匹配，导致跨语言文件错误配对。本地测试验证后，与GitHub合作调整repack参数，实现了高效压缩。此举提升了CI效率和开发者体验，同时为大规模monorepo维护提供了宝贵经验。

Dropbox Dash利用DSPy框架优化AI相关性评估系统，通过自动化提示调优提升模型与人类判断的一致性。实验显示，优化后模型在成本降低的同时，评分误差减少45%，JSON格式错误率下降97%。该系统支持快速适配新模型，兼顾生产环境稳定性和大规模标注需求，显著提升了搜索排序和训练数据生成的质量。

Dropbox Dash采用检索增强生成（RAG）模式，结合企业搜索和大语言模型（LLM），为用户提供基于组织内部信息的精准答案。其搜索排序模型通过机器学习和混合标注（人工与LLM辅助）训练，优化文档相关性评分。LLM在生成大规模标注数据时，经过人工校准，确保质量与一致性。该方法不仅提升了搜索效率，还适用于多模态内容，持续优化用户体验。

低比特推理技术通过减少内存和计算需求，显著提升AI模型运行效率和降低成本。量化是关键，如8位、4位量化，能加速矩阵运算并节省能源。MXFP和NVFP等新格式直接在硬件中支持量化，进一步提升性能。Dropbox Dash等产品依赖此类技术，确保快速、可靠的AI体验。然而，低比特推理的广泛应用仍需解决模型质量和硬件支持等挑战。

Dropbox Dash通过连接第三方应用构建统一搜索平台，利用知识图谱和多模态理解优化内容检索。采用索引检索而非联邦检索，提升效率和个性化结果。通过LLM作为裁判评估检索质量，结合DSPy优化提示词，提高准确性。知识图谱和索引架构的复杂性带来显著提升，但需投入大量基础设施和数据处理工作。

Dropbox Dash通过AI整合文件、聊天记录和公司内容，提升搜索效率。其核心功能依赖特征存储系统，结合实时机器学习，快速定位相关文档。系统采用混合架构，结合Feast、Spark和Dynovault，确保低延迟和高并发处理。通过批处理、流处理和直接写入三种数据摄取方式，保持特征数据的新鲜度，优化搜索排名体验。

Dash从企业搜索系统发展为智能AI助手，面临的关键挑战是如何精确管理上下文信息。通过减少工具定义、过滤无关内容及引入专用代理，Dash大幅提升了决策效率。统一检索工具和知识图谱的引入，进一步优化了信息检索的准确性和速度。上下文工程的核心在于提供最相关的信息，使模型更专注于任务本身，从而实现更智能的执行。

大模型量化技术迎来新突破！HQQ算法无需校准数据，仅用5分钟即可完成Llama-2-70B的2比特量化，速度超GPTQ 50倍。该技术通过半二次优化和稀疏损失函数处理权重异常值，在保持精度的同时大幅降低内存占用。实测显示，2比特量化的70B模型性能超越全精度13B版本，视觉模型ViT-H-14在2比特下仍优于全精度ViT-B-32。开源代码已发布，推动大模型轻量化部署。

Dropbox推出AI助手Dash，整合多种内容与工具，提升工作效率。Dash具备多模态处理能力，能理解文本、图像、音频和视频，并通过AI初创公司Mobius Labs的Aana模型，高效分析复杂场景。Aana结合开源模型，优化推理性能，降低计算成本，使多媒体内容更易搜索和解读。Dash即将登陆Dropbox，助力团队快速获取所需信息，简化工作流程。

大语言模型应用看似简单，背后却隐藏着复杂的概率链条。任何环节的微调都可能引发意外，导致模型输出失真。通过构建标准化评估流程，将测试融入每一步，确保每次更新都经过严格检验。采用公开和内部数据集，结合LLM自评机制，精准把控模型输出质量。自动化评估与实时监控相结合，有效捕捉边缘案例和潜在问题，推动系统持续优化，确保AI产品的可靠性和一致性。

Dropbox推出新型高级密钥管理方案，采用三层加密体系，提升团队文件加密的安全性和效率。通过团队密钥、命名空间密钥和数据块密钥的分层管理，实现了快速文件共享和复制。方案结合硬件安全模块，优化密钥缓存和轮换，确保数据安全的同时不影响用户体验。此举为企业和组织提供了更强大的数据保护能力，适应不断演进的网络安全需求。

Dropbox历经14年发展，从几十台服务器扩展到数万台，构建了全球最大的定制存储系统。第七代硬件平台推出，搭载Crush、Dexter和Sonic，支持传统计算、数据库和存储任务，新增GPU层级Gumby和Godzilla，提升存储带宽和机架功率。通过紧密合作供应商，优化热管理和振动控制，Dropbox在AI产品如Dash的支持上迈出重要一步，硬件性能显著提升，为未来技术变革奠定基础。

Dropbox Dash升级多媒体搜索能力，解决图片、视频等非文本文件的检索难题。面对存储计算成本高、元数据缺失等挑战，团队重构底层架构：采用轻量级元数据索引降低开销，按需生成预览平衡效率与成本，优化地理定位查询逻辑。通过智能缓存和并行处理提升响应速度，让模糊命名的媒体文件也能被快速定位。未来计划引入语义嵌入和OCR技术，进一步缩小与文本搜索的体验差距。

Dropbox Dash 是一款集成了 AI 功能的通用搜索和知识管理工具，旨在解决信息碎片化问题。通过机器学习和生成式 AI，Dash 提供强大的搜索体验，支持跨应用内容查找、组织和保护。其核心采用检索增强生成（RAG）技术，结合 AI 代理，处理复杂任务。Dash 高效应对数据多样性、碎片化和多模态挑战，提升企业的协作和生产力，同时确保信息安全。