AI 武林：OpenTelemetry

谁说云原生过时了？Kubernetes 等主流项目正在为 Agent 重做“地基”

Tony Bai — Thu, 08 Oct 2026 00:00:00 +0800

指出雲原生技術如 Kubernetes 並未過時，反而正為 AI Agent 重構基礎設施。透過工作負載感知排程、GPU 動態資源分配及專用沙箱等進化，解決了 Agent 在狀態管理與算力浪費上的挑戰，並推動流量層與安全可觀測性的全面升級。

原站：https://tonybai.com/2026/10/08/who-says-cloud-native-is-outdated-agent-foundation

Using Parseable with Datasette for OpenTelemetry traces

Simon Willison's Weblog — Wed, 07 Oct 2026 00:00:00 +0800

介紹如何使用 Parseable 與 Datasette 搭配 OpenTelemetry 追蹤資料。作者透過 Codex 輔助設定流程，並展示如何在 Parseable 的網頁介面中直接檢視 Datasette 的追蹤記錄。

原站：https://simonwillison.net/2026/Oct/6/datasette-parseable-opentelemetry

From Vibes to Production: Evaluating and Shipping AI Agents That Work 101 — Laurie Voss, Arize AI

AI Engineer — Tue, 06 Oct 2026 00:00:00 +0800

Laurie Voss 示範如何透過追蹤（traces）與多層評估機制，解決 AI 代理在金融分析任務中因缺乏即時資料而失敗的問題。影片結合確定性檢查、忠誠度評分與自定義行動力評分，建立從失敗案例到生產環境的完整評估工作流。

原站：https://www.youtube.com/watch?v=qZj7sqmidqA

Advanced Workshop: Mastering AI Observability — Doug Guthrie, Braintrust

AI Engineer — Tue, 06 Oct 2026 00:00:00 +0800

Doug Guthrie 透過實作支援代理人的追蹤，示範如何將生產環境的資料轉化為開發迴圈中的具體改進。課程涵蓋建立追蹤、設定自動化評分與主題分類，並利用程式碼評分與 LLM 判官結合，最終透過 Pull Request 回饋開發流程。

原站：https://www.youtube.com/watch?v=hfEczxdNyvU

Why Your AI Agent Fails in Production (And How to Catch It)

Google Cloud Tech — Wed, 30 Sep 2026 00:00:00 +0800

展示如何建立端到端的 AI 代理評估管道，將本地演示中的問題轉化為生產環境的實際測試。觀眾能學習使用 Antigravity、OpenTelemetry 等工具標準化追蹤並設定自動化評分標準。

原站：https://www.youtube.com/watch?v=wPdoZRbvaF4

Stop YOLO-ing AI Observability: Building Production-Ready Agents | Arize x AWS

Arize AI — Thu, 24 Sep 2026 00:00:00 +0800

AWS 資深經理 Nate Later 分享團隊如何從大型前沿模型原型轉向生產級 AI 系統，強調 OpenTelemetry 對非確定性軟體的重要性，並說明為何過度依賴 YOLO 式追蹤會造成技術債。

原站：https://www.youtube.com/watch?v=J83LVtXgx3o

How to Build Reliable Long-Running AI Agents | Temporal + Arize

Arize AI — Tue, 22 Sep 2026 00:00:00 +0800

由 Arize 與 Temporal 共同舉辦，示範如何建立能跨失敗重啟的長跑 AI 代理，並透過 Arize AX 追蹤模型與工具呼叫。

原站：https://www.youtube.com/watch?v=TAXglqzS7F0

What Is MLflow? Tracing AI Agents & LLM Workflows

IBM Technology — Thu, 17 Sep 2026 00:00:00 +0800

Legare Kerrison 說明傳統監控無法捕捉多代理 AI 系統的靜音失敗與非確定性問題，並介紹 MLflow 如何透過追蹤、LLM 評審與提示註冊來提升可觀測性與可靠性，提供從開發到生產部署的實作建議。

原站：https://www.youtube.com/watch?v=iZX6d0OdZys

Making Your Data Ready for Agentic AI

Martin Fowler — Thu, 27 Aug 2026 00:00:00 +0800

指出自主代理 AI 缺乏人類分析師的直覺與判斷，因此資料必須具備可信、有上下文、可追蹤、受管治與可操作五項屬性。作者提出透過資料合約、語義層與可觀測性架構，將這些隱性知識轉化為機器可理解的明確規則，讓資料真正準備好供 AI 使用。

原站：https://martinfowler.com/articles/making-data-ready-for-agentic-ai.html

Arize AX Demo 2026: Build Self-Improving Agents with Signal

Arize AI — Tue, 25 Aug 2026 00:00:00 +0800

示範如何使用 Arize AX 自動追蹤、評估並修復 AI 代理，透過編碼代理自動配置追蹤並利用 Signal 發現未知失敗模式。觀眾能學習如何建立自我改進的代理系統，無需手寫追蹤程式碼。

原站：https://www.youtube.com/watch?v=3fhQUi6yC4Y

Browser automation with Pydantic AI + Playwright

pamela fox's blog — Fri, 21 Aug 2026 00:00:00 +0800

介紹如何使用 Pydantic AI 搭配 Playwright 建立能自主瀏覽網頁的代理，並示範如何整合 Microsoft Foundry 模型與 Entra 無鑰匙認證。

原站：https://blog.pamelafox.org/2026/08/browser-automation-with-pydantic-ai.html

How Evaluation-Driven Development (EDD) Works

Decoding AI Magazine（Paul Iusztin） — Tue, 23 Jun 2026 00:00:00 +0800

介紹 Evaluation-Driven Development (EDD) 方法，透過模擬輸入並執行真實代理來生成測試資料，用於在合併前驗證功能並檢測退步。

原站：https://www.decodingai.com/p/how-evaluation-driven-development-works

MCP Servers Are Becoming the UI for AI Agents

Agentic Conversations（原 MLOps.community） — Wed, 17 Jun 2026 00:00:00 +0800

訪談 Opal 創辦人 Naseem Al-Naji，探討 MCP Server 如何成為 AI Agent 的介面，並介紹 MCPcat 如何透過分析工具呼叫與使用者目標，解決開發者與使用者脫節的問題。

原站：https://podcasters.spotify.com/pod/show/mlops/episodes/MCP-Servers-Are-Becoming-the-UI-for-AI-Agents-e3ks6n3

从 GPU 到 Token：AI 基础设施的八层可观测性体系

Jimmy Song（宋净超）博客 — Tue, 09 Jun 2026 00:00:00 +0800

提出從 GPU 硬體到業務成本的八層 AI 基礎設施可觀測性架構，指出僅看 GPU 利用率已不足以評估現代 AI 系統狀態。

原站：https://jimmysong.io/zh/blog/gpu-to-token-observability

The 2026-07-28 MCP Specification Release Candidate

Model Context Protocol Blog — Thu, 21 May 2026 00:00:00 +0800

Model Context Protocol 發布 2026 年 7 月 28 日規範候選版，核心變革為無狀態協議架構，移除連線握手與會話標頭，使伺服器可透過普通 HTTP 負載平衡部署。

原站：https://blog.modelcontextprotocol.io/posts/2026-07-28-release-candidate

How to Find the Agent Failures Your Evals Miss with Scott Clark - #767

The TWIML AI Podcast — Fri, 08 May 2026 00:00:00 +0800

Scott Clark 分享如何透過後生產力分析發現標準評估遺漏的代理失敗，例如工具呼叫幻覺。透過將追蹤資料轉為向量指紋進行聚類與主題發現，建立反饋迴圈自動最佳化系統。

原站：https://twimlai.com/podcast/twimlai/how-find-agent-failures-your-evals-miss

[ 概念介紹 ] ADLC 開發方式 — 透過 Agentic Development Lifecycle 開發模式，打造 Agent 服務系統

Simon Liu — Tue, 28 Apr 2026 00:00:00 +0800

介紹 ADLC（代理開發生命週期）如何解決傳統軟體開發模式無法應對 AI Agent 隨機性的問題。文章詳述了從行為契約定義、語義工具化、模型裁判評測到基礎設施自動化等核心實踐，幫助開發者將不確定性納入工程規範。

原站：https://medium.com/@simon3458/agent-adlc-intro-f5a279ca1ed7

From Blind Spots to Observability: Operationalizing LLM Apps with OpenLit

AI Engineering Podcast — Mon, 16 Feb 2026 00:00:00 +0800

探討將大型語言模型應用推向生產環境時常見的盲點，包括模型行為不透明、Token 成本失控及提示詞管理困難。講者 Aman Agarwal 介紹了基於 OpenTelemetry 的 OpenLit 工具，提供視覺化追蹤、提示詞版本控制與成…

原站：https://www.aiengineeringpodcast.com/openlit-open-source-llmops-episode-77

From IBM Acquisition to AI-Native Observability | Dash0 CEO

The AI Native Dev — Tue, 10 Feb 2026 00:00:00 +0800

訪談 Dash0 CEO Mirko Novakovic，探討其公司如何基於 OpenTelemetry 標準構建 AI 原生可觀測性平台。

原站：https://www.buzzsprout.com/2375985/episodes/18650168-from-ibm-acquisition-to-ai-native-observability-dash0-ceo

Watch the recordings from my Python + MCP series

pamela fox's blog — Fri, 19 Dec 2025 00:00:00 +0800

Pamela Fox 分享 Python 與 MCP 的三場直播串內容，涵蓋使用 FastMCP 建立伺服器、在 Azure 部署及加入認證機制。讀者可學習如何開發、部署並安全地整合 AI 代理與聊天機器人。

原站：https://blog.pamelafox.org/2025/12/watch-recordings-from-my-python-mcp.html

Building the Internet of Agents: Identity, Observability, and Open Protocols

AI Engineering Podcast — Mon, 10 Nov 2025 00:00:00 +0800

探討多智慧體系統的擴展挑戰，包括身份驗證、可觀測性及開放協議。講者介紹了 Cisco Outshift 的 Agency 框架與 SLIM 通訊層，並分享 CAPE 平台工程師等實際應用案例，展示如何透過協作提升生產力。

原站：https://www.aiengineeringpodcast.com/outshift-multi-agent-systems-exploration-episode-68