Agent Development Kit Web（ADK Web）是 Google 为 Agent Development Kit 提供的内置开发者界面，旨在简化智能体（智能体）开发、调试与交互流程。ADK Web 与 ADK 的后端组件配合使用，提供可视化的任务流展示、交互式调试面板和示例工程，帮助开发者从本地调试快速验证智能体行为。Google 提供的内置开发者界面，用于结合 Agent D

深入分析 AI 原生时代下云原生企业的转型路径，探讨生成式 AI 对行业的影响与未来趋势。在过去一年里，我发现云原生产业迎来了一个显著趋势：大量原先专注于云原生的企业开始拥抱生成式 AI，甚至把自己的产品线重新定位为"AI 原生"或"智能代理平台"。这种转型不仅体现在功能层面的升级，还涉及业务模型、用户定位和市场战略的调整。

AI 时代的开源已从“能看源码”转变为“能加载模型、能微调智能”。美国厂商以闭源维护商业护城河，中国厂商则用开源抢占生态高地。开源的真正价值在于赋能开发者，让每个人都能拥有属于自己的“通用大脑”，构建智能基础设施。

AI 时代的“开源”定义从根本上发生了迁移：• 软件时代强调源码开放、可重现，目标是促进创新与自由。• AI 时代强调权重开放、可验证，目标是促进生态共创。传统开源强调“可重现”，AI 时代开源强调“可验证”。开放权重虽非严格意义的开源，但它让 AI 技术具备了透明性、可验证性和可演化性，是对“开放精神”的一次现代延伸。🔗 更多精彩内容• 🌐 个人网站：jimmysong.io💫。

COSCon’25 云原生开源论坛征集议题：面向 AI 时代的云原生与大模型基础设施、GPU 调度、MLOps、可观测性等实战分享。欢迎关注「几米宋」微信公众号，这里专注分享 AI 前沿、云原生技术、开源生态、行业洞察与个人思考。将汇聚来自云原生、AI Infra、DevOps、MLOps 等领域的顶级专家与社区领袖，• 深耕云原生、AI Infra、MLOps、边缘计算、分布式系统；我们期待看到

AI 推理的未来，关键不在于“更快的 GPU”，而在于“更智能的基础设施”，这正是云原生的意义所在。未来，Kubernetes 将贯穿整个链路，从应用编排到模型服务，逐步演进为“AI 原生平台工程”的基础设施。当我们重新审视 AI 基础设施时，Kubernetes 不仅是“容器编排系统”，更正在成为 AI 推理的运行时底座。下图展示了典型的云原生 AI 推理系统架构，涵盖了请求入口、推理服务、资源

随着 AI 的快速发展，我有幸完成了哈佛大学教材《Machine Learning Systems》（中文译名：《机器学习系统教程：AI 工程原理与实践》）的翻译工作。正如 Vijay 教授在作者序中所言，AI 必将深刻重塑我们的世界，但我们必须培养负责任的 AI 工程师，让 AI 的红利惠及所有人。翻译成中文，是为了让更多人掌握端到端思维，共建 AI 未来。介绍《机器学习系统教程：AI 工程原理

通过以上类比，我们看到，《红楼梦》创作中曹雪芹与脂砚斋“一芹一脂”的交流互动，与现代人机协作有惊人的相似之处。这段跨越两个世纪的创作佳话，可以给现代 AI 研发一些启示：伟大的作品或优秀的模型往往来自持续的迭代优化和反馈融入。就像曹雪芹并非孤军奋战，而是虚心接受脂砚斋等“用户”的意见一样，大语言模型的开发也离不开人类的指导与调教。从提示词设计、反馈标注到模型微调，每一步都对应着人机密切配合、取长补

CNCF 推出 AI Conformance 的核心目的，是通过统一标准，让 AI 平台在不同云、不同集群中都能保持一致行为，成为生态的共同语言，类似于 “Certified Kubernetes” 的作用。本文解读 CNCF 的 Kubernetes AI Conformance 项目，深入分析一个 AI 平台要达到 Kubernetes 原生标准需满足的架构、调度、存储、网络与互操作性要求。同

我正在研究的 AI-Native（AI 原生）基础架构——推理路由、模型网关、AI Gateway、Agent Orchestrator——也会走类似路径：从早期的灵活 hack，到成熟的标准化、治理化 API。作为长期推动 Kubernetes 与云原生实践的人，我既经历过 Ingress NGINX 的辉煌时代，也见证了它的技术债一步步堆积。云原生基础设施的演进，最终都要面对技术债与治理的现实