标签
本文介绍了CRAWO，一个用于跨异构边缘基础设施的AI流水线自适应工作负载编排框架。它采用控制循环模型和基于Kubernetes的实现，以改善工作负载分布并减少对集中式云处理的依赖，并在车辆监控场景中进行了演示。
一份关于使用Backstage、ArgoCD和Crossplane构建内部开发者平台的综合指南，让团队能够自助获取基础设施和部署服务，无需手动填写工单流程。
Devin Outposts 让你能在任何机器上运行 Devin，包括 Mac mini、GPU 盒子、虚拟机、私有网络或 Kubernetes 集群，将 AI 编码代理带到本地或私有基础设施。
一个教育性的推文串，使用像亚马逊仓库和巡航控制这样易于理解的类比来解释Kubernetes的核心概念，分解了组件和期望状态机制。
一条推文列出了在推理工程中应构建的关键项目，以理解生产级LLM系统，包括推理服务器、分页KV缓存、推测解码、量化库和防护措施。
本教程说明如何使用标准的Linux工具（如网络命名空间、veth对、桥接器和NAT）从零开始为容器构建桥接网络，以揭示Docker和Kubernetes网络的奥秘。
讨论了大规模部署 AI 代理的运营挑战，并将其与 Kubernetes 解决容器编排问题的方式相类比。认为代理生态系统需要类似的基础设施突破。
探索了NVIDIA Dynamo，这是一个用于在多个GPU集群节点上部署LLM的工具，具有模型缓存、自动扩展、多节点部署以及Kubernetes集成等功能。
一位独立开发者分享了构建和维护 Luxury Yacht（一款用于Kubernetes集群管理的桌面应用）的利与弊，强调了独自开发带来的自由与责任。
一位开发者通过将核心组件重写为TypeScript，并在AI辅助下进行代码转换，将Kubernetes移植到浏览器中完全运行。该工具无需安装，专为学习、教学和面试准备而设计。
Tigera 发布 Lynx，这是一款 Kubernetes 原生的统一控制平面，用于大规模管理 AI 代理，提供跨多集群环境的身份、策略执行和实时可见性。
本文探讨了平台工程团队如何通过管理成本和风险来适应AI工作负载，而无需彻底改造现有基础设施，强调了从传统DevOps向新范式的转变。
PyTorchCon China 将与 KubeCon、CloudNativeCon 和 OpenInfra Summit 于 2026 年 9 月 7 日至 9 日在上海同期举办，包含技术讨论和社区协作。7 月 28 日前注册可享受优惠。
OpenAI 的语音 AI 架构使用 WebRTC，并采用分离的中继-收发器设计，为 9 亿周活跃用户处理低延迟音频。
Zalando 的工程团队描述了如何实现客户端负载均衡，以取代其高流量 Product Read API 的共享边缘负载均衡器。通过 Skipper 消除扇出瓶颈，从而降低延迟并提高可观测性。
详细记录追踪并修复 Kubernetes 1.36 中 kubelet 组件的一个内存泄漏问题，该问题由 startPodSync 中的上下文泄漏引起。作者使用 Go pprof 分析工具识别了该问题并实施了修复。
Ray 2.56 已发布，改进了 Ray Data、面向 LLM 的 Ray Serve、GPU 域感知放置组以及 Kubernetes 集成。
来自 ngrok 的 Sam Rose 演示了如何通过 WebAssembly 将 Kubernetes 移植到浏览器中完全运行，让开发者能够模拟本地集群，而无需远程服务器或复杂设置。
一位开发者批评Kubernetes的部署方式过于复杂，主张用tmux session和while true循环简单管理服务进程，认为这种方式性能足够且易于维护。
Netflix 描述了将其批处理计算工作负载从自定义解决方案（CMB）迁移到 Kueue（一个 Kubernetes 原生的作业排队系统），以简化管理并利用 Kubernetes 生态系统。