登录社区云，与社区用户共同成长
邀请您加入社区
如果你正在研究 VLA、机器人强化学习、Critic Model 或真机后训练，WCM 提供了代码、数据处理脚本、训练配置、模型权重以及价值曲线可视化工具，适合作为一个新的可复现基线。当机器人不再只看“这一帧”，它才更有可能理解自己正在走向哪里。
本文面向 Kubernetes 初学者，以 macOS 为环境，使用 Docker Desktop、Kind 和 kubectl 从零搭建本地 Kubernetes 集群，并逐步实践 Deployment、Pod、Service、ConfigMap、Secret、Helm、Traefik Ingress、Argo CD、GitOps、PVC 持久化存储以及自建镜像滚动发布。全流程配有命令、YAML
这里需要注意，你的credential选择的是上一部配置的SSH configuration信息，并检测成功没问题即可。构建本地宿主机(20.04)与远程docker的连接(ros2_container)的端口连接成功实现。->ssh configuration ->+然后在相关的页面输入配置信息。进入SSH 点击new connection 然后输入相关的配置信息(图2)进入后，选择你的工作目录
【前言：天下苦 ROS 环境久矣】 作为一名每天在一线死磕机器人的研发打工人，我太懂大家配置 ROS 环境的痛了：装双系统？ 提心吊胆，一不小心把 Windows 引导搞崩，数据火葬场。用 VMware 虚拟机？ 跑个代码还行，一开 Rviz 或 Gazebo 仿真直接掉帧成幻灯片，插个 USB 深度相机还经常断连。配环境？ 换个源、装个依赖，各种报错，三天过去了还没写上一行代码。今天，我把我们实
OpenClaw 在 Sandbox 里运行，它能碰到的，就只有你给它的那片空间。它想往某个它不该去的地方发请求？当然，如果你需要更强的模型能力，也可以无缝切换到云端的 Anthropic 或 OpenAI——Sandbox 代理会自动注入密钥，你不需要改任何配置。对于需要在团队里统一开发环境的场景，这个方案很实用：每个人的 Sandbox 镜像一致，密钥由各自的主机环境注入，互不干扰。OpenC
功能需求VMware 模式Docker 模式容器/VM 在局域网可见Bridge（真实IP）Macvlan（非默认）容器/VM 能上网但外部不可达NATBridge（默认）完全隔离不能上网Host-OnlyNone共享宿主机网络❌ 无对应HostDocker 的Macvlan 模式（非默认，需手动创建）才是真正对应 VMware 桥接的模式——每个容器获得独立的 MAC 地址和局域网 IP，直接作
持久编码规范优先使用项目级方案，团队共享、自动加载；三级配置优先级：临时命令参数 > 项目配置 > 本机全局配置；所有命令、关键字统一使用 xxx标记，可直接复制运行；搭配Mermaid彩色流程图清晰理解加载链路，/doctor是配置排错核心命令；规范文件写入Git，团队统一编码标准，彻底解决每次提问重复粘贴规范的低效问题。
作为一个用了快两年大模型的老用户，我想跟大家聊聊最近让我特别有感触的一件事：DeepSeek V4 Flash 正式发布了。说实话，之前因为它跳票，我还跟网友一起骂过梁文锋，叫他"小梁"、"梁白开"。结果 V4 Flash 一出来，我马上改口叫"梁圣"了——不是我墙头草，是这个模型的表现真的让我服气。这是网友总结出来的一个概念，我觉得特别贴切。有人专门做了个对比图，横坐标是价格，纵坐标是性能，每个
本文是一篇本地AI开发环境搭建的实战指南，主要介绍了三种工具的安装和使用方法： Ollama - 命令行AI模型运行工具 支持拉取和运行各类开源模型（如DeepSeek、Qwen等） 提供REST API接口供本地调用 适合喜欢命令行操作和需要API集成的开发者 LM Studio - 图形化AI模型管理工具 提供直观的GUI界面管理模型 支持导入.gguf格式的模型文件 可启动本地API服务 D
摘要：针对Docker部署的Ollama、FastGPT和Dify服务间网络不通问题，提出两种解决方案：1) 临时方案通过docker network connect将各容器接入共享网络ollama_shared；2) 永久方案需修改各服务的docker-compose.yml文件，使Ollama同时接入默认网桥和共享网络，并为FastGPT/Dify添加共享网络配置。关键步骤包括创建共享网络、声
本文由浅入深讲解 Kubernetes 完整网络体系，详解 Docker、Containerd 单主机容器通信原理，对比 CNM 与 CNI 网络标准。横向剖析 Flannel、Calico、Weave、Macvlan 等主流 CNI 插件的特性与适用场景，并结合 Calico 实战部署，演示 NetworkPolicy 精细化 Pod 访问控制，帮助读者快速吃透 K8s 网络原理、插件选型与流量
《从DockerCompose到Kubernetes的物联网系统迁移实战》记录了将物联网管理系统从单机DockerCompose迁移到Kubernetes集群的全过程。文章重点分享了四大核心挑战及解决方案：虚拟机网络隔离导致镜像拉取失败、OpenJDK镜像废弃问题、kubelet启动失败以及Pod调度和存储问题。通过离线镜像分发、版本降级、PV创建等实操手段，最终成功完成迁移。本文特别适合正在学习
在物联网和5G时代，边缘计算作为一种将计算能力下沉至网络边缘的分布式计算范式，其核心价值在于解决云端集中处理带来的延迟、带宽和隐私问题。其技术原理依赖于动态的资源调度与高效的运行时隔离。计算卸载技术通过智能决策，将终端任务迁移至边缘或云端，实现计算资源的优化利用，其关键在于对任务特性、网络状态和节点负载的综合权衡。轻量级虚拟化技术，特别是容器，为边缘提供了标准化、可移植且资源高效的运行时环境，是支
这就是文档里最激动人心的一步，利用前面的所有知识，在树莓派启动一个完全隔离的ROS2容器。(如果有输出Client和Server的版本号，说明已经装好了，直接跳到第2步)镜像里装了 Python 和 ROS，你想把它保存下来，以后直接用。容器就像一个铁盒，默认是看不见树莓派的硬件和文件的。它可以帮你把ROS环境打包，再也不怕把树莓派的系统环境搞崩溃了。目标：没网的时候，怎么把配置好的环境通过 U盘
各位小伙伴，有没有遇到过这种头疼的情况：家里买的智能设备越来越多，小米、vivo、Yeelight、美的……各个品牌都有自己的 App，结果就是手机里装了十几个应用，每个设备一个入口，想开一下灯要切到米家，想关窗帘又得切到美的，连做个自动化联动都困难重重。
Pod 是 K8s 最小不可拆分单元，整盒调度到单台服务器，内部所有容器生死与共，保障云原生 Sidecar（日志 / 监控边车）架构稳定运行。本机多个协作程序靠操作系统进程组捆绑，Docker 单个容器做不到捆绑多个协作程序，K8s 造出 Pod 充当集群环境下的 “超级打包组”。Pod = 把一台机器上绑定干活的一组程序，搬到分布式服务器集群里的 “打包盒子”，就是集群版的操作系统进程组。网站
电商大促场景下的AIOps智能容量预测与自动扩容体系，本质是将运维决策从"经验驱动"升级为"数据驱动"，将扩容执行从"人工值守"升级为"自动闭环"。多模型融合：单一模型无法覆盖所有预测场景，Prophet负责趋势、LSTM负责突变、XGBoost负责峰值，三者融合的综合预测MAPE从8-15%降至5.8%。模型权重的动态调整机制确保了不同时间窗口下的最优预测组合。预购池+自动伸缩：预购池解决资源供
SLA定义的行业差异是最容易被忽视但影响最深的维度。SLA维度金融行业电商行业游戏行业物联网行业核心指标交易成功率页面加载时间玩家在线率设备可用率目标值99.99%P99≤2s≥95%≥99%计算窗口分钟级（5分钟不可中断）小时级（1小时均值可接受）15分钟级分钟级违约代价直接资金损失+监管处罚转化率下降+客户流失玩家流失+口碑下降生产损失+安全事故风险告警触发条件1分钟内交易成功率<99.95%
金融、电商、物联网的数据库架构差异源于业务优先级的不同：金融要"准"，电商要"快"，物联网要"省"。但AI应用的工程化正在抹平这些差异——特征平台、模型服务、湖仓一体正在成为跨行业的标准基础设施。数据库架构师的价值不再是为每个行业"量身定制"全新的方案，而是在标准化的基础设施上，为具体的业务约束做适配和优化。本文属于「行业场景与项目复盘」系列，第4周收官，跨行业对比金融、电商、物联网的数据库与AI
在2026年的今天，人工智能智能体（Agent）已经成为软件开发的主流范式。从简单的RAG（检索增强生成）机器人到复杂的多智能体协作系统，开发者们习惯于在Jupyter Notebook中快速迭代原型——这是数据科学家和AI工程师最舒适的“游乐场”。然而，当一个智能体原型验证成功，需要从实验环境走向生产环境时，无数团队会陷入“最后一公里”的困境：Notebook中的临时变量、隐式状态、非结构化代码
Docker是一种容器化技术，它通过将应用程序及其运行环境打包成标准化的容器（Container），解决了"环境不一致"这一开发运维中的经典问题。与虚拟机不同，Docker容器共享主机操作系统内核，具有启动快、资源占用少、性能接近原生等优势。Docker包含三个核心概念：镜像（Image）作为容器模板，容器（Container）是运行中的镜像实例，数据卷（Volume）用于持久化存储。通过Dock
在云原生时代,Docker容器已经成为应用交付和运行的标准载体。据CNCF(云原生计算基金会)2024年度调查报告显示,超过94%的企业在生产环境中使用容器技术,而Docker及其生态(Kubernetes、containerd等)是其中的核心。然而,容器技术的广泛应用也带来了前所未有的安全挑战。第一,容器共享主机内核。与传统虚拟机不同,所有容器共享宿主机的操作系统内核。这意味着一旦攻击者突破容器
NodePolicy：把物理网卡劈开，造出一堆 VF 硬件设备SriovNetwork：给 VF 装上网络配置（VLAN、IP），做成可以给 Pod 挂载的网线。
安当SMS怎么部署才稳？本文基于部署最佳实践指南，讲解三层架构、单机/集群/定制三种部署、HSM根密钥、K8s MutatingAdmissionWebhook+Sidecar内存注入、环境隔离与权限红线，以及鲲鹏/麒麟信创适配与Syslog审计。
Ascend Device Plugin —Part 6: K8s客户端 + 重复检测模块 超深度源码分析之二
先想想之后到底发生了什么。你进到了一个 shell，里面有自己的一套、自己的进程列表、自己的网卡，看起来像一台独立的机器。容器里的进程就是跑在宿主机上的普通进程，它只是被"加了层滤镜"，看不到自己外面的世界。这层"滤镜"就是 Linux 内核的Namespace（命名空间）机制。它是内核提供的一种资源视图隔离手段：给不同进程组提供不同的"系统资源视图"。
Ascend Device Plugin —Part 6 K8s客户端 + 重复检测模块 超深度源码分析之一
Ascend Device Plugin — Part 5 公共基础层（pkg/common）超深度源码分析之二
K8s 集群资源过多易造成管理混乱，Namespace 可实现资源逻辑隔离。本文梳理 Namespace 增删改查操作，提供原生命令、kubens 工具、自定义脚本三种命名空间切换方案。同时解析 kubeconfig 配置文件结构，讲解单 / 多集群配置，演示 kubectl 原生指令与 kubectx 工具完成多集群上下文切换，搭配完整实操命令，帮助运维高效划分资源、快速切换集群与命名空间，简化
本文介绍了在16GB消费级显卡（RTX4060Ti）上从零构建vLLM运行环境的实践过程。针对官方Docker镜像存在的CUDA版本兼容性、体积臃肿和环境黑盒等问题，作者采用纯净Ubuntu24.04基础镜像，通过uv包管理器和虚拟环境精准控制PyTorch和vLLM版本。重点解决了环境保护机制、Triton编译失败和底层库链接错误等关键问题，并提供了优化后的Dockerfile配置方案。最终通过
Nacos 是应用层的服务注册和配置中心，提供服务发现、健康检查、动态配置等更精细的治理能力。需要注意存储（使用 PVC 或外置 MySQL 保证数据持久化）、服务发现（使用 Headless Service 或无头服务保证节点间通信）、配置管理（通过 ConfigMap 管理 Nacos 自身的配置）以及健康检查（配置合适的就绪和存活探针）。Nacos 支持 AP/CP 切换，集成了服务发现+配
容器
——容器
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
AtomGit AI 社区
天工造物局
亚马逊云科技技术品牌专区
AI硬件创业社区
openEuler 社区
快递鸟社区
鲲鹏昇腾开发者社区
AI编程社区
