Agent的能力边界，很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill，但这条路很快会遇到瓶颈。围绕这些问题，华为云Agent技术体系采用了三段式Skill自进化机制，目标是让有价值的Skill从真实办公行为中被自动发现和沉淀，在隔离环境中持续进化，最终打磨成可靠且精准的Skill。

在智能体技术从概念探索迈向规模化落地的关键节点，行业智能体规模化应用正面临安全合规严、开发门槛高与运维成本高等挑战。6月6日，在2026华为云INSPIRE创想者大会期间，华为云智果AgentArts企业级智能体平台举办了“打造Harness最佳实践，加速行业智能体规模化落地”主题论坛，汇聚行业客户、生态伙伴、开源社区分享最新Agent实践与趋势洞察，共探破局之道。

随着大模型技术的飞速发展，AI Agent 正从概念走向生产。与传统的批处理任务或推理服务不同，Agent 工作负载呈现出独特的运行特征——间歇性活跃、极低延迟敏感、多轮会话状态持久化。然而，现有的 Kubernetes 调度体系主要面向批处理和长运行服务设计，难以有效应对这类"潮汐式"交互负载：空闲时资源白白占用，唤醒时又无法做到亚秒级响应，状态管理更是一大痛点。

一次典型的 Code Interpreter 调用，往往从一个很小的动作开始：用户点击“运行代码”。但在一个原生 Kubernetes 环境中，这个动作背后通常意味着一整套秒级链路：调度 Pod、分配网络、拉取镜像、启动容器。对于需要多步推理、频繁调用工具、强依赖交互体验的 AI Agent 应用来说，这样的启动路径并不自然。AgentCube 提供了一组可直接落地的核心机制。

近日，在2026华为云INSPIRE创想者大会上，华为云携手AiDD联合举办了“AI Coding 时代：开发者与Agent的协同进化”论坛，企业级AI研发能力的落地路径成为热议的焦点。专家们一致表示AI Coding正跨越“能否生成代码”的初级阶段，全面迈向深度参与和协同完成软件交付”的产业深水区。

本文基于KCD Beijing + vLLM 2026 议题《云原生架构下分布式大模型推理的编排与调度实践：从PD分离到拓扑感知的全链路优化》分享，深度解析 Kthena与 Volcano协同架构如何解决多角色拓扑依赖、状态感知缺失等难题，构建生产级的大模型推理服务。

本文介绍基于 KubeEdge-Ianvs 分布式协同AI基准测试框架的大语言模型联邦微调系统。该系统针对企业应用大模型面临的算力门槛高、数据孤岛严重等挑战，通过联邦学习实现"数据不动模型动"的隐私保护训练模式。

随着大模型向长上下文和复杂推理任务演进，Prefill-Decode分离架构已成为提升集群整体吞吐量的标准实践。作为一款云原生环境下的分布式推理负载编排引擎，Kthena 在 v0.4.0 版本中已全面支持基于 vLLM 和 Mooncake 的 PD 分离部署，并深度针对华为昇腾（Ascend）NPU 集群进行了硬件级优化。

随着大模型向长上下文和复杂推理任务演进，Prefill-Decode分离架构已成为提升集群整体吞吐量的标准实践。作为一款云原生环境下的分布式推理负载编排引擎，Kthena 在 v0.4.0 版本中已全面支持基于 vLLM 和 Mooncake 的 PD 分离部署，并深度针对华为昇腾（Ascend）NPU 集群进行了硬件级优化。

近日，在2026华为云INSPIRE创想者大会上，华为云携手AiDD联合举办了“AI Coding 时代：开发者与Agent的协同进化”论坛，企业级AI研发能力的落地路径成为热议的焦点。专家们一致表示AI Coding正跨越“能否生成代码”的初级阶段，全面迈向深度参与和协同完成软件交付”的产业深水区。