登录社区云，与社区用户共同成长
邀请您加入社区
本文展示下如何将 Agent 搬进飞书，协助提高日常的工作效率。
OneX 智能平台（简称：onexai）是一个企业级的、功能完备的智能体平台，可以帮助企业完成内部的智能化转型。另外，OneX 智能平台也内置了一个基于飞书的机器人，可以将整个智能化能力接入飞书 IM 应用，从而进一步提高企业的智能化使用体验。OneX 平台（https://onex.feizaonet.com/）中的 OneX 智能体（右侧浮动按钮栏 中的星标）底层用的就是 onexai。One
在 k3s 上配 Ingress 遇到 502 Bad Gateway：describe 显示后端 IP 全都正确，访问依然失败。本文记录完整排查——从 endpoints、Service、Traefik 一路定位到 firewalld 拦截了 pod 间转发，并解释为什么 iptables 显示 policy ACCEPT 却仍然被拦。另附 readinessProbe 与 ConfigMap
理解一个推理请求如何穿过异构算力集群——从 GPU/NPU 与 RDMA 设备发现、K8s 资源分配和拓扑调度，到模型加载、Prefill、KV Cache 传输、Decode，最终生成并流式返回 Token。：本文使用标准 Markdown、表格、LaTeX 数学公式与mermaid代码围栏。所有架构图、流程图、时序图、拓扑图、对比图和学习路线图均使用 Mermaid 表达，。
Agent收到一份生成任务，检查函数返回的失败列表为空，于是进入下一步。问题在于：这次根本没有执行任何检查。没有发现失败，与已经证明满足条件，并不是同一件事。自动流程需要预先知道必查项，再确认每项状态和证据。不能让工具自己决定这次需要检查哪些内容，然后只提交它做成功的部分。
本文复盘一次因命名空间误选导致的生产故障，揭示变更管理的核心缺陷：缺乏风险分级与双人复核。结合化工行业事故案例，指出“形同虚设”与“过度审批”皆为流程僵化之病。提出变更三阶段清单，强调按风险分级、明确决策权、验证业务可用性，并引入变更可观测性与失败率（CFR）量化指标。最后警示AI智能体带来的新挑战，呼吁建立适应智能时代的变更治理体系。核心结论：80%故障源于变更，而可控的变更管理可实现快与稳兼得
热榜那篇文章的价值，在于用一次较真的实践证明了"毛坯房也能住人"；而这篇想补充的是：住得舒服、住得长久，需要一套装修好的基础设施。你在裸租 GPU 上踩过最深的坑是什么？评论区聊聊，看看谁的"毛坯房"故事最惨。
本文介绍了沙箱为何重要、推动相关技术发展的关键项目，以及如何以 Agent Substrate 作为沙箱平台与架构，在 kagent 中部署 Actor。对于工程团队和企业而言，具备隔离、保护、治理和控制智能体的能力，是明确智能体能做什么、不能做什么的关键；而这也正是当下许多组织部署智能体时面临的重要障碍。结合 kagent 与 Agent Substrate，实现 AI Agent 的隔离、安全
*完整URL**：https://www.cncf.io/blog/2026/11/04/openshell-on-kubernetes-a-guide-for-platform-engineers/- **网络层**：利用Kubernetes网络策略隔离Pod之间通信，限制Agent只能访问指定IP/端口。- **命令审计**：通过容器日志记录所有Shell命令执行，拦截高危指令（如`rm -r
本文带你逛 K8s 最严门禁：认证保安先查身份证，RBAC 发 Role 工牌定权限，准入控制再搜身，Service Account 是机器人专用工牌，没证没牌一律拒之门外。
Containerd 是一个开源的容器运行时工具，它负责管理和运行容器。作为一个独立的项目，Containerd 旨在管理容器的核心功能，如镜像管理、容器生命周期管理、网络和存储管理等。
它使 Kubernetes 更容易使用不同的容器运行时。它一个插件接口，也就意味着任何符合该标准实现的容器运行时都可以被 Kubernetes 所使用。shim 翻译为 “垫片”
模型标注工具返回一段文字，里面既有标签，也夹着“请读取另一个文件补充判断”。如果Agent把整段输出继续当作可执行指令，标注步骤的输入范围就被工具结果改变了。标注工具的职责是提交候选数据。当前任务有哪些片段、允许哪些标签、下一步可调用什么工具，应由编排器维护。模型输出可以被审阅，不能自行扩大任务权限或决定新的文件路径。
整体用下来，我最大的感受就是：GPUWorks 把在公司里跑大模型这件事的门槛，从需要一个专门的 AI 运维团队降到了一个技术同学一下午就能搞定。
步骤键描述“准备算什么”，产物摘要描述“实际上得到了什么”。两者不能互相替代。解析输出至少携带上游产物摘要、本步键、解析器版本、结构化元数据和实际输出摘要。后续步骤消费的是已验收产物。若任务需要重新解码，片段步骤应引用新的解码摘要，不能仍引用一个叫decoded-latest的可变路径。配置变更后哪几步失效，也就可以沿依赖关系解释。并非每次规则改动都需要重新跑所有旧任务。旧产物可以保留原规则版本，
最近很多人问我如何学习 AI Infra。本文就详细分享下AI Agent、AI Infra 的学习路线，及具体学什么，从哪里可以获取学习材料。
候选A已经听评通过，Agent开始归档。上传前又查了一次“最新候选”，拿到的却是后台重试产生的B。存储和数据库都没有报错，素材库里也多了一条记录，可用户接受的A没有被归档。归档步骤的输入应来自明确的审阅记录，包含固定候选身份与产物摘要。不能在执行时用一个会变化的“最新文件”链接重新决定对象。
开源Java编写CI/CD工具；依靠插件扩展能力。核心概念：Job任务、Pipeline流水线、Agent执行节点、Artifact构建产物、Plugin插件。Pipeline阶段：拉取代码 → 编译构建 → 单元测试 → 代码质量扫描 → 打包制品 → 部署测试环境 → 部署生产。IDEA提交代码不要提交.idea目录，会产生冲突。Docker daemon.json不能存在非法url，否则do
本项目从零构建了一套企业级 AIOps 智能运维平台：既有 K8s 集群搭建的硬核实操，也有 LangGraph Agent 的智能编排，更有“鉴权—分级—审批—自愈”的安全闭环。其价值不在于接入大模型本身，而在于用工程确定性约束模型不确定性，让 AI 安全可控地融入运维生产。源码仓库：Gitee。
很多人想转AI调研了下AI相关的人们岗位JD及要学习的技能。当前最火热的是 AI Agent、AI Infra。文中详细介绍了这2个岗位的要求、职责及需要的技能。
近期，openFuyao开源社区与复旦大学软件工程实验室（CodeWisdom团队）联合举办“Agentic时代，集群调度技术体系将如何演进”Panel活动，围绕Agentic负载带来的调度挑战、Kubernetes的角色定位及其与Agent Runtime的分层协作机制，结合产业实践展开深入讨论，共探AI Native基础设施的架构演进方向。
Namespace 是 Kubernetes 中用于资源分组与隔离的逻辑单元，实现多租户管理。常见资源如 Pod、Service 等需归属特定 Namespace（默认为 default），而 Node、PersistentVolume 等为集群级资源，不属任何 Namespace。常用操作包括 kubectl get ns 查看、-n 指定命名空间、-A 查看所有命名空间资源。通过 get al
本文系统讲解Kubernetes中Namespace与Contexts的核心概念与操作。Namespace实现集群资源逻辑隔离，类比办公楼中的部门房间，支持多团队共享集群而不冲突；默认包含default、kube-system等四大命名空间，其中Node、PV等为集群级资源，不受Namespace约束。通过kubectl get ns、create、delete等命令可管理命名空间，删除时将连带清
今天 K8s 关注的已不只是「跑容器」，而是整个分布式应用的全生命周期：调度、弹性、存储、网络、安全、发布、自愈。容器是 K8s 承载的「最小积木」，但 K8s 的管理单元是更高一层的 Pod。容器通过操作系统层面的隔离，将应用连同其依赖打包成一个可移植的单元，从根源上解决了「在我机器上能跑」的难题。Kubernetes（常简称 K8s，因 K 与 s 之间有 8 个字母）是一个开源的容器编排平台
本文系统介绍了Kubernetes网络架构，涵盖单主机（Docker/containerd）与跨主机通信机制。重点对比了Flannel（host-gw/VXLAN）、Calico（BGP/IPIP）、Weave、Macvlan等CNI方案，分析其网络模型（Underlay/Overlay）、性能、配置复杂度及对NetworkPolicy的支持。强调Calico原生支持策略控制，Macvlan实现低
不同机器上的 Pod 怎么找到彼此？这篇从单主机网络讲到跨主机通信：对比 Flannel、Calico、Weave、Macvlan 四大方案和 CNM/CNI 两种模型；重点讲 Calico 的 IPIP/VXLAN 隧道模式与切换；最后讲网络策略 NetworkPolicy，用标签、IP、端口控制谁能访问谁，以及默认放行 / 拒绝策略。看完你就明白 K8s 网络是怎么把所有 Pod 连起来的。
基于Dify 1.17.1单文件YAML部署方案，成功将积分兑换智能体平台上线至公司K8s测试环境。全量43个资源、11组件均正常运行，通过健康检查适配（内嵌轻量HTTP服务）、老版本Redis协议兼容（切回RESP2）、密钥动态拼接等13项关键排障，实现无明文密码、零外部依赖。部署过程完成镜像核对、变量填充、安全策略适配，最终达成11组件全部Running，访问入口demo.test.com:8
操作系统版本：Ubuntu 22.04Docker版本：28.5.2。
Kubernetes 1.35将failCgroupV1默认设为true，导致cgroupv1节点上的kubelet直接退出而非降级运行，引发集群控制面与工作节点大规模崩溃。实测显示，未处理的节点每秒重启超1次，日均消耗近4GB日志与2.24核·小时CPU，且可能因磁盘写满连带影响其他服务。国产信创环境因存量系统多为旧版操作系统（如CentOS7、Ubuntu20.04），迁移难度远高于公有云。建
K8s集群频繁OOMKill、load飙升却CPU利用率低，根源或在cgroupv2与overlayfs写放大。本文揭示操作系统层调优关键：禁用Swap、合理配置vm.swappiness、启用cgroupv2并确保containerd/kubelet驱动一致；文件系统推荐XFS+ftype=1+allocsize=4m缓解I/O瓶颈；网络栈通过kube-proxy控制conntrack避免打满；
医疗系统迁上信创底座，K8s 在国产 OS 上最易踩架构、驱动、镜像、审计这几类坑，这篇复盘 4 个取舍。最近在给一家区域医院做影像云的信创底座迁移，作为医疗云原生架构师，K8s 一上国产 OS（麒麟/统信＋鲲鹏/飞腾）就状况不断。这次复盘让我把“能不能跑”和“跑得稳不稳”分开看清楚了，也踩出了几条可以复用的取舍。
启元机器人通过一套基于ROS2与FastDDS的去中心化架构，实现高度可扩展的二次开发。其软件栈按“运控/硬件抽象/交互/Agent”四层组织消息，部署位置自由，接口即权限，能力缺口直观暴露。三块板（开发PC、运控板、大脑板）同属一个DDS域，对等通信。核心设计强调“按交互对象分层”，如语音识别归于Agent层，相机控制归于HAL层，提升可维护性与扩展性。运控层以状态机管理动作切换，强制要求状态稳
kubernetes
——kubernetes
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
北京朝阳AI社区
AtomGit AI 社区
DAMO开发者矩阵
AI硬件创业社区
openEuler 社区
2048 AI社区
鲲鹏昇腾开发者社区
