书接上回：微分段安全技术解析：云原生环境下的零信任实践 P1微分段的类型微分段为动态环境提供保护。例如，云原生架构如容器[1]和 Kubernetes 可以在几秒钟内启动并关闭。分配给云工作负载的 IP 地址是短暂的，使得基于 IP 的规则管理成为不可能。在微分段中，安全策略以身份或属性（env=prod, app=hrm 等）而不是网络构造（例如，10.100.0.10 tcp/80）的形式表达

云原生社区是国内最大的独立第三方云原生终端用户和泛开发者社区，由宋净超（https://jimmysong.io）联合其他开源意见领袖共同发起成立于 2020 年 5 月。社区现有成员上万人，自成立以来已在北京、上海、广州、深圳、杭州、成都、大连、郑州等地举办了多次技术沙龙，上千名云原生爱后者参与了线下活动。同时社区还也定期邀请云原生技术专家在网站进行技术直播互动，累计数万人次观看了直播。加入云原

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

探索构建生成式人工智能平台的关键组件与实现策略，从基础架构到高级功能，提供全面的指导和深入分析。阅读原文请转到：https://jimmysong.io/trans/building-a-generative-ai-platform/在研究了各公司部署生成式人工智能应用程序的方式后，我注意到他们的平台之间有许多相似之处。本文概述了生成式人工智能平台的常见组件、其功能及其实现方式。我尽量保持架构的通

探索如何使用开源项目 AnythingLLM 构建私有化智能知识库。通过 RAG 技术，将文档转化为可检索向量，结合大语言模型实现高效问答，适用于企业与个人开发者。阅读原文请转到：https://jimmysong.io/blog/building-private-ai-knowledge-base-anythingllm/随着大语言模型（LLM）的快速发展，将企业内部知识库与 AI 工具结合成为

资源分类体系已对齐最新 AI 行业主流分法，涵盖“智能体与编排”“模型与基础”“训练与微调”“推理与服务”“数据与检索”“开发工具与 SDK”“评估与监控”“应用与产品”“界面与集成”“学习资源”等 10+ 维度。国庆期间我对 AI 资源库的多项优化，包括资源规模突破、过滤与展示体验提升，以及全新引入的项目健康评分系统，旨在帮助读者更高效地筛选和判断优质 AI 项目。转载请注明出处并保留作者信息。

Agentset 是一个面向检索增强生成（RAG）的开源平台，目标在于帮助开发者与研究者快速构建具有引用能力和长期记忆管理的智能体。平台支持 22+ 种文件格式的解析与分区，提供内置的引证（citations）与文档检索流程，便于将外部知识高效接入智能体的上下文中，从而提升回答的准确性与可溯源性。一个面向检索增强生成（RAG）的开源平台，提供多文件格式支持、内置引用与分区能力以简化知识库构建。•

mini-kode 是一款教育导向的命令行工具（命令行界面（CLI, Command Line Interface）），以大语言模型（LLM, Large Language Model）为核心，作为编程练习与教学的智能助教。教师可通过示例脚本在课堂上展示模型生成的解题思路，学生可在本地用命令行反复试验输入提示以观察不同实现方式，有助于提高动手能力与问题拆解技巧。mini-kode 是一款面向学习与

OpenMCP Client 是面向 MCP（模型上下文协议，Model Context Protocol）开发者的开源工具套件，提供 VS Code 插件、独立调试面板与配套 SDK，用于本地调试、交互测试与项目级管理。它将提示管理、工具联调、交互测试与项目配置整合为可视化工作流，帮助开发者在本地重现并迭代智能体的行为与工具调用，缩短从调试到部署的周期。一款为 MCP 开发与调试设计的开源工具集

深入解析 MCP 与 API 网关的核心区别，了解为何专用的 MCP 网关对于现代应用的安全与性能至关重要。MCP 与 API 网关在架构和协议层面存在本质差异，企业应采用专为 MCP 设计的网关方案以保障安全性与可扩展性，而非简单复用传统 API 网关。我服务的许多组织正在快速采用 模型上下文协议（MCP），以便通过 AI 智能体将服务和数据连接到 AI 模型。但他们也遇到了熟悉的挑战：既要保护