Building resilient systems with Sam Newman
Sam Newman 探討微服務架構的誤區與新書《建構高韌性分散式系統》中的三大原則，強調資訊傳遞時延、資源有限與服務獨立部署的重要性。
Kubernetes
34 筆內容提到
最近 7 天 5 筆↑1（比前一期多 1 筆）（再前 7 天 4 筆）
這一頁列的是「提到 Kubernetes」的內容（名稱由語言模型從內容裡整理），不一定整筆都在講它。只想追它的新內容：訂閱 RSS；想找標題裡就有它的：搜尋「Kubernetes」。
最新
依發布時間，最新的 30 筆
Production Monitoring with Codex: Grafana, Kubernetes, & Security
演示如何利用 Codex 輔助在 Grafana 與 Kubernetes 環境進行生產監控與故障排查，涵蓋記憶體溢位重啟與安全發現的調查流程。觀眾可學習工程師如何結合遙測資料與程式碼支援來驗證變更結果。
6,343次觀看※ 摘要僅根據標題與說明
Can a Cloud-Native Harness Make Agents Reliable Beyond the Desktop?
探討如何將程式設計代理（coding agents）從桌面端移至雲端，以解決管理與安全性問題。作者介紹了由 Kubernetes 創始人 Craig McLuckie 和 Joe Beda 開發的 Stacklok 及其產品 Mecatl…
GPU Died. Training Didn't: Self-Healing Training at Scale — Crusoe
Crusoe 團隊介紹如何將 Slurm 執行於 Kubernetes 之上，以自動化處理大規模 GPU 訓練中的硬體故障。透過 AutoClusters 系統，可在分鐘內自動更換故障節點並從檢查點恢復訓練，無需人工介入。
6,127次觀看※ 摘要僅根據標題與說明
Lessons from Generating 12 Trillion Synthetic Tokens — Bogdan Gaza, DatologyAI
Bogdan Gaza 分享 DatologyAI 如何透過「種子重寫」技術，將合成資料規模從 300 億擴展至約 1200 億 token。
4,648次觀看※ 摘要僅根據標題與說明
AI 代理來襲！台灣 74% 企業推 AI 僅 35% 導入 Kubernetes，Nutanix 揭 IT 雙重負擔
台灣企業推動 AI 意願高，但 Kubernetes 導入率僅 35%，導致 IT 團隊面臨虛擬機器與容器架構並存的雙重維運壓力。
SUNK Anywhere: Unified AI training across Kubernetes (GKE, EKS, multi-cloud)
SUNK Anywhere 讓使用者能在 GKE、EKS 等多個 Kubernetes 環境中統一執行 AI 訓練，解決工具碎片化問題。影片展示如何透過標準化操作模型，在單一叢集執行訓練與推論，並提供簡化的使用者授權與可觀測性。
561次觀看※ 摘要僅根據標題與說明
How to Secure & Run AI Agents with NVIDIA OpenShell
演示如何在 NVIDIA OpenShell 安全執行現有 AI 代理，無需修改代理本身。觀眾將學習設定檔案系統、網路與程序策略，並透過自動批准機制管理權限，防止代理洩漏敏感資料。
5.5 萬次觀看An AI Research Agent That Runs Your Experiments — Tim Sweeney, Weights & Biases
Tim Sweeney 示範 Weights & Biases 新推出的 ARIA 研究代理，可自動執行實驗、分析資料並生成報告。觀眾能了解如何利用 ARIA 加速機器學習工作流，以及建立可觀察性與評估套件來生產化 AI 系統。
7,673次觀看Walking Tokyo Talking Agent Protocols
訪談 Angie Jones 探討 AI 代理協議，重點介紹 WebMCP 如何讓代理直接在登入狀態下操作網頁，解決現有電腦操作代理耗時且需截圖的問題。
Scaling Agent Workloads at Vercel
Vercel 工程師與產品負責人分享 Eve 框架，解決 AI 代理在企業級環境中擴展、隔離與恢復的挑戰。透過宣告式配置檔案將代理定義轉為基礎設施程式碼，讓平台自動提供所需資源，無需手動編寫複雜基礎設施。
Docker, Adobe & tldraw: Where Should Your Agent Run?
四位開發者探討程式設計代理應在哪種環境執行：Docker 使用微虛擬機器提供安全隔離，Helix ML 主張每個代理專屬獨立電腦以利協作，Adobe 讓代理在瀏覽器標籤內執行，tldraw 則將代理置於無限畫布上作為可互動角色。
590次觀看Essential Skills for Becoming an AI Engineer: RAG, AI Agents, & More
介紹 AI 工程師的職涯路徑與所需技能，區分機器學習研究員與 AI 工程師的差異。內容涵蓋從 Python、Git、Linux 等基礎，到 RAG、向量搜尋與 AI Agent，最後是 Kubernetes 部署與可觀測性，並提供實作專案…
The Five-Layer Cake Approach to Scaling AI Without Wasting Money
Ambud Sharma 分享「五層蛋糕」架構，從硬體採購到治理分層最佳化 AI 效率。透過不同商業場景（如 Cursor 或 YouTube）示範如何根據用例選擇模型與架構，並強調實驗與基準測試的重要性。
Can agents keep a secret? We asked 1Password’s CTO Nancy Wang
訪談 OnePassword CTO Nancy Wang，探討如何讓自主編碼代理在安全與效率間取得平衡。她提出「即時存取」策略，將秘密管理嵌入運算流程而非靜態儲存，並分享將客服人員轉為程式碼開發者的實戰案例。
Rebuilding the Cloud for AI Agent Code
訪談 Render 創辦人 Anurag Goel，探討 AI 生成程式碼與 AI Agent 直接操作基礎設施後，雲端架構如何演變。
AI-Powered Threats to the Software Supply Chain
Chainguard 創辦人 Matt Moore 訪談，探討軟體供應鏈攻擊現狀、CI/CD 管道風險與自動化修復策略。內容涵蓋從容器到語言庫的防護演進，以及 Anthropic Mythos 模型如何加速漏洞發現與修復的緊迫性。
Building Durable AI Agents
探討如何將 AI 代理從實驗性演示轉化為可靠的大規模生產系統。Hamza Tahir 分享 MLOps 原則如何應用於代理開發，涵蓋工作流、代理框架及基礎設施。
Why AI Infrastructure must evolve for Agent Experience — Akshat Bubna, Modal CTO
Modal CTO Akshat Bubna 探討 AI Agent 如何改變雲端基礎設施需求，強調傳統 Kubernetes 架構對開發者不友好，而 Agent 需要更緊密整合、快速迭代與隔離環境。
The Next Programming Language Is English
探討自然語言如何成為新的程式開發抽象層，並討論如何透過可持續執行（durable execution）等機制來補償 AI 的不確定性。內容涵蓋從組碼語言到雲端架構的抽象演進，以及 AI 代理在長期任務與人類介入流程中的應用。
How Spotify runs agents across 20M+ lines of code, with Niklas Gustavsson
Spotify 工程總監 Niklas Gustavsson 分享如何利用 Claude 與自研工具 Honk，在 2000 萬行程式碼的單體倉庫中自動生成原型。
16.4 萬次觀看Zero Trust for AI Agents
深入解析 Anthropic 提出的「AI 代理零信任」安全架構，探討自主 AI 代理帶來的新型威脅與風險。內容涵蓋身份權限濫用、供應鏈依賴風險及動態攻擊防禦，並提供具體的實施階段與控制措施，幫助組織在部署 AI 代理時建立安全邊界。
Kubernetes and retiring at the top with Kelsey Hightower
Kelsey Hightower 分享從麥當勞員工到 Google 首席工程師的非凡生涯，探討容器化、Kubernetes 的興起與演進。
Rebooting Enterprise AI with MCP and Kubernetes
探討 MCP 協議如何讓 AI 代理像員工一樣安全地存取企業系統，解決身份驗證與權限控制問題。透過 Stacklok 與 ToolHive 的實作案例，說明如何建立代理並行運作的架構，大幅提升開發效率與生產力。
Railway: The Agent-Native Cloud — Jake Cooper
Railway 創辦人 Jake Cooper 分享公司從手動拉客到快速成長的歷程，強調透過裸金屬資料中心與自研基礎設施降低部署門檻。內容探討如何讓 AI 代理安全地進行生產環境迭代，並提出未來將完全自有的資料中心取代公有雲的願景。
The Agent Harness: Building Secure Sandboxes for Autonomous AI Workloads
訪談探討 AI 代理（Agent）需要獨立安全沙盒執行的必要性，解釋為何現有無狀態雲端架構無法滿足需求，並分析微虛擬機器與自訂排程器的技術細節。聽眾可了解如何建立安全代理環境，以及未來可能面臨的 CPU 短缺挑戰。
Automation at the speed of Swamp (Friends)
Adam Jacob 與 Adam Stacoviak 訪談 Swamp 創辦人，探討 AI 代理如何重塑軟體開發。透過現場示範，展示 Swamp 如何自動管理 Proxmox 虛擬機器、撰寫工作流並最佳化使用者體驗，強調架構與領域驅動設…
NVIDIA's AI Engineers: Agent Inference at Planetary Scale and "Speed of Light" — Nader Khalil (Brev), Kyle Kranen (Dynamo)
訪談 NVIDIA 工程師 Nader Khalil 與 Kyle Kranen，探討 Brev 如何降低開發者使用高階 GPU 的門檻，以及 Dynamo 框架如何透過預填充與解碼分離技術，實現大規模推理加速與成本最佳化。
Kubernetes, Compliance, and Control: The Operational Backbone of AI Sovereignty
探討企業與國家如何透過自管基礎設施與合規策略實現 AI 主權，涵蓋 Kubernetes、PyTorch 等工具在 LLM 服務中的應用。內容涵蓋從 GPU 存取難題到代理身份認證等實務挑戰，幫助讀者理解 AI 主權的技術與營運路徑。
Mistral AI vs. Silicon Valley: The Rise of Sovereign AI
Timothée Lacroix 分享 Mistral AI 如何從開源實驗室轉型為具備完整堆疊的「主權 AI」供應商，透過自營資料中心與 Mistral Compute 架構，讓企業掌握模型與工作流的控制權。
最受歡迎
依人氣
Essential Skills for Becoming an AI Engineer: RAG, AI Agents, & More
介紹 AI 工程師的職涯路徑與所需技能，區分機器學習研究員與 AI 工程師的差異。內容涵蓋從 Python、Git、Linux 等基礎，到 RAG、向量搜尋與 AI Agent，最後是 Kubernetes 部署與可觀測性，並提供實作專案…
Production Monitoring with Codex: Grafana, Kubernetes, & Security
演示如何利用 Codex 輔助在 Grafana 與 Kubernetes 環境進行生產監控與故障排查，涵蓋記憶體溢位重啟與安全發現的調查流程。觀眾可學習工程師如何結合遙測資料與程式碼支援來驗證變更結果。
6,343次觀看※ 摘要僅根據標題與說明
GPU Died. Training Didn't: Self-Healing Training at Scale — Crusoe
Crusoe 團隊介紹如何將 Slurm 執行於 Kubernetes 之上，以自動化處理大規模 GPU 訓練中的硬體故障。透過 AutoClusters 系統，可在分鐘內自動更換故障節點並從檢查點恢復訓練，無需人工介入。
6,127次觀看※ 摘要僅根據標題與說明
Lessons from Generating 12 Trillion Synthetic Tokens — Bogdan Gaza, DatologyAI
Bogdan Gaza 分享 DatologyAI 如何透過「種子重寫」技術，將合成資料規模從 300 億擴展至約 1200 億 token。
4,648次觀看※ 摘要僅根據標題與說明
How to Secure & Run AI Agents with NVIDIA OpenShell
演示如何在 NVIDIA OpenShell 安全執行現有 AI 代理，無需修改代理本身。觀眾將學習設定檔案系統、網路與程序策略，並透過自動批准機制管理權限，防止代理洩漏敏感資料。
5.5 萬次觀看How Spotify runs agents across 20M+ lines of code, with Niklas Gustavsson
Spotify 工程總監 Niklas Gustavsson 分享如何利用 Claude 與自研工具 Honk，在 2000 萬行程式碼的單體倉庫中自動生成原型。
16.4 萬次觀看Software Survival 3.0
Steve Yegge 預測在 AI 能無限編寫程式的未來，軟體將因「節省認知成本」而經歷自然選擇。他提出生存比率模型，指出能壓縮知識、利用高效基底、具備廣用性或含有人類元素的工具更可能存活。
An AI Research Agent That Runs Your Experiments — Tim Sweeney, Weights & Biases
Tim Sweeney 示範 Weights & Biases 新推出的 ARIA 研究代理，可自動執行實驗、分析資料並生成報告。觀眾能了解如何利用 ARIA 加速機器學習工作流，以及建立可觀察性與評估套件來生產化 AI 系統。
7,673次觀看Rebooting Enterprise AI with MCP and Kubernetes
探討 MCP 協議如何讓 AI 代理像員工一樣安全地存取企業系統，解決身份驗證與權限控制問題。透過 Stacklok 與 ToolHive 的實作案例，說明如何建立代理並行運作的架構，大幅提升開發效率與生產力。
NVIDIA's AI Engineers: Agent Inference at Planetary Scale and "Speed of Light" — Nader Khalil (Brev), Kyle Kranen (Dynamo)
訪談 NVIDIA 工程師 Nader Khalil 與 Kyle Kranen，探討 Brev 如何降低開發者使用高階 GPU 的門檻，以及 Dynamo 框架如何透過預填充與解碼分離技術，實現大規模推理加速與成本最佳化。