来源: cncf.io
39
在 kagent 的早期架构里，Agent 并没有各自占用一个 Pod、Service 和 ServiceAccount，而是直接运行在统一的 kagent runtime 中。这种设计实现快、资源开销小，但随着 Agent 的权限、资源需求和生命周期逐渐分化，一个关键问题就浮出水面：Pod 究竟是不是 Agent 合适的部署单元？ 答案通常不是简单的...
来源: kubernetes.io
29
Kubernetes 已经承载了越来越多的 AI/ML 工作负载：Notebook、分布式训练、超参数搜索、流水线和 Spark 作业最终都会落到 Pod、存储卷、调度器与自定义资源上。Kubeflow 用 CRD 描述这些能力，但面向数据科学家的专用控制台往往隐藏了底层 Kubernetes 状态。Headlamp Kubeflow 插件补上了这层视...
来源: kubernetes.io
34
从 Kubernetes Dashboard 切换到 Headlamp，并不只是替换一个 Web 界面。真正变化的是访问模型：Dashboard 通常随集群部署，用户粘贴 ServiceAccount Token 登录；Headlamp 则更像带图形界面的 Kubernetes 客户端，可以在桌面端复用 kubeconfig，也可以部署到集群内并接入 ...
来源: cloud.google.com
23
AI 供应链管理有一个长期盲区：构建系统知道团队计划部署什么，安全平台却未必知道集群此刻真正运行着什么。开发者直接部署的 vLLM、Triton、LangChain 或向量数据库，可能没有登记到资产台账，也可能绕过只扫描制品仓库的传统工具。 开源的 k8s-aibom 试图补上运行时这一层。它以非特权 Kubernetes 控制器运行，通过观察集群 A...
来源: cncf.io
37
当 OpenTelemetry 从少量试点进入生产环境，运维对象很快就不再是“一份 Collector 配置”，而是分布在 Kubernetes、虚拟机和边缘节点上的 Collector 集群。此时真正困难的问题变成：如何统一下发配置、观察执行状态、控制版本升级，并在变更失败时及时回滚。 OpAMP，也就是 Open Agent Management ...
来源: oschina.net
28
DataBuff v0.1.3 的重点不只是增加几个观测页面，而是缩短从“已有遥测数据”到“定位主机故障”的路径：一端接入现有 SkyWalking 体系，另一端让运维专家 Agent 通过 SSH 进入目标环境执行诊断。对已经运行微服务和 Kubernetes 集群的团队来说，这比重新铺设一套探针更容易落地。 DataBuff 面向云原生与微服务场景...
来源: cncf.io
32
企业对 AI 的判断可能截然不同：有人把它视为新一轮生产力跃迁，也有人对成本、可靠性和实际收益保持谨慎。但无论立场如何，AI 已经逐渐进入企业技术战略。随之而来的关键问题不是“要不要追逐 AI”，而是“具体工作负载应该在哪里运行”。 这个问题不能只比较 GPU 单价。训练数据是否允许跨境、模型是否包含核心知识产权、业务能否接受公网依赖、团队能否运维加速...
来源: aws.amazon.com
39
企业数据很少整齐地待在一个系统里：客户主数据和交易记录可能位于 Amazon Aurora，分析结果、行为指标又沉淀在 Amazon Redshift。传统客户 360 项目通常先复制数据、统一字段，再交给应用查询；这篇方案展示了另一条路径：让 Stardog 在两个数据源之上提供统一语义层，再由运行在 Amazon Bedrock AgentCore...
来源: aws.amazon.com
41
模型完成量化，只解决了显存占用和推理成本的一部分问题。真正进入生产环境时，还要决定由谁管理实例、如何扩缩容、怎样接入现有容器平台，以及如何监控冷启动、显存和请求延迟。对于已经通过 Unsloth 量化的模型，可以根据团队现有基础设施，在 Amazon EC2、Amazon SageMaker AI 推理端点、Amazon EKS 和 Amazon EC...
来源: ruanyifeng.com
28
Dropbox 曾经是云盘的代名词。2007 年，它把“文件自动同步到云端”这件事做成了革命性产品，也靠邀请注册送空间的病毒式传播拿到了大量用户。但多年之后，它没有成长为同代公司里那种巨型平台，股价和市值都显得停滞。 这件事值得技术团队反复咀嚼：一个产品早期获客成功，不等于商业定位正确。Dropbox 的核心问题不只是“云盘竞争激烈”，而是它长期把自己...