Kubernetes
PulseAugur coverage of Kubernetes — every cluster mentioning Kubernetes across labs, papers, and developer communities, ranked by signal.
- developed by Cloud Native Computing Foundation 100%
- developed by GOOGL 100%
- developed by .google 100%
- acquired by Druva 90%
- used by Amazon EKS 90%
- used by Kubeflow 90%
- used by MLOps 70%
- instance of MLOps 70%
- used by graphics processing unit 70%
- used by Docker 70%
- used by Prometheus 70%
- used by Grafana 70%
- 2026-05-26 product_launch Kubernetes introduces Dynamic Resource Allocation for enhanced GPU management. 来源
26 天有情绪数据
-
Canonical Managed Kubeflow 在 Azure 上线
Canonical Ltd. 在 Microsoft Azure 上线了其托管 Kubeflow 服务，提供了一个简化的机器学习运营平台。这项托管服务旨在通过处理基础设施和运营复杂性来简化 Kubeflow（一个用于机器学习工作流的开源平台）的部署和管理。该产品被定位为自管 Kubeflow 部署的替代方案，并与 Red Hat 的 OpenShift 等其他基于 Kubernetes 的托管机器学习平台竞争。
-
DevOps Open Agent 通过 Qdrant 驱动的 RAG 获得记忆功能
DevOps Open Agent 已更新，增加了记忆功能，使其能够存储和检索过去的调查上下文。此功能利用了 Qdrant 的检索增强生成 (RAG) 技术，来嵌入和保存与 Kubernetes 和 AWS 相关的已完成调查。当用户发起新调查时，该代理可以访问类似的过往案例，提供关于反复出现的根本原因和成功修复的上下文信息，从而为 DevOps 团队建立机构记忆。该系统支持自托管，允许用户自带 Qdrant 实例，并可以与 OpenA…
-
Ember.js 为更广泛的 MCP 服务器堆栈中的嵌入式应用提供支持
作者详细介绍了他们使用 Ember.js 为其嵌入式应用程序构建 MCP 服务器的经验。虽然 Ember.js 为 MCP 应用提供支持，但整体服务器基础设施依赖于更广泛的堆栈，包括 Kubernetes、Starlette 和 Django REST Framework。作者强调了 Ember.js 的 "gjs" 文件格式对 AI 的兼容性、快速的 Vite 构建系统以及用于共享组件和配置的便捷的 monorepo 结构。然而，他…
-
安全审计发现8,764台AI代理服务器存在严重漏洞
对8,764台模型上下文协议（MCP）服务器的安全审计揭示了严重的漏洞，其中包括三起服务器因不当处理用户提示而泄露API密钥的事件。使用名为Sentinel的工具进行的审计还发现了路径遍历、SSRF、SQL注入和命令注入等问题。一个名为mcp-observatory的独立项目被开发出来，用于自动化MCP服务器的安全扫描和检测模式漂移，这凸显了在快速扩张的AI代理生态系统中加强安全实践的必要性。
-
Azure APIM MCP 预览版缺乏 IaC 支持，要求采用以治理为先的方法
Azure APIM MCP 目前处于预览阶段，为 ARM 模板、Bicep 和 Terraform 等标准基础设施即代码 (IaC) 工具带来了挑战。缺乏直接支持，需要自定义自动化或手动点击门户来管理 API 对 AI 代理的暴露。核心问题在于治理，因为 API 描述成为 AI 的工具定义，需要仔细审查描述、安全性和访问控制，以防止滥用并确保数据隐私。提出了一种以治理为先的方法，将 OpenAPI 规范视为具有 MCP 暴露显式标志…
-
Gemma 4-12B 和 Mistral 3 14B 模型通过 OpenClaw 增强 Kubernetes 集群健康
本文详细介绍了 Gemma 4-12B 和 Mistral 3 14B 模型如何通过 OpenClaw 集成来维护 Kubernetes 集群的健康。该方法利用本地模型和策略门控来更快地诊断和解决集群事件。
-
OpenClaw 工具旨在缩短 Kubernetes 中断时间
OpenClaw 是一款旨在通过帮助团队快速确定问题根本原因来缩短 Kubernetes 中断时间的工具。它通过关联信号、维护操作记忆以及指导用户采取安全的补救措施来实现这一点。该系统旨在通过连接警报、拓扑和 GitOps 状态来提高集群正常运行时间，从而减少重复劳动并防止重复事件。
-
GLM 5.2 Fast 将复杂功能开发速度提升至四天
Fireworks AI 的一位软件工程师详细介绍了他们如何利用 GLM 5.2 Fast 模型显著加速了一个复杂的 GPU 调度器功能开发。该工程师将该模型用作设计伙伴、测试用例生成和代码实现，仅用四天时间就完成了工作，成本为 218 美元。这个过程通常需要一个月的工程工作量，凸显了快速的开源模型通过减少上下文切换和加速迭代开发周期来提高高级工程师生产力的潜力。
-
AI应用开发严重依赖基础设施，而非仅仅是代码
构建一个应用程序，即使是专注于AI编码的应用，也涉及大量通常被忽视的基础设施工作。作者开发Journly应用的经历突显了与AWS、Google Cloud和Azure等云平台相关的工具和服务的广泛需求。关键组件包括使用Docker和Kubernetes进行容器化，以及使用Ci Cd、Terraform和Ansible进行自动化。监控和日志记录也至关重要，利用了Datadog、Splunk Inc.和SENTRY等平台。
-
KServe 简化了在 Kubernetes 上部署 ML 模型
本文介绍了如何使用 KServe 在 Kubernetes 上部署机器学习模型。KServe 通过抽象手动管理多个 Kubernetes 资源（如 Deployments 和 Ingresses）的需求，简化了该过程。相反，用户定义一个 InferenceService，KServe 会自动处理模型加载、网络和自动伸缩，使生产级模型服务更易于管理。
-
GPUScope 解决 Kubernetes 之外的 GPU 计算浪费问题
在 Kubernetes 之外管理 AI 基础设施在追踪 GPU 计算浪费方面带来了严峻的挑战。目前的方法通常涉及使用 NVIDIA 的 DCGM exporter 和 Prometheus 等工具进行复杂的、手动设置，这些工具缺乏财务背景。这导致难以识别空闲但已分配的资源，给团队带来巨大的经济损失。为了解决这个问题，一个名为 GPUScope 的开源工具已被开发出来，可在无需 Kubernetes 环境的情况下提供具有成本意识的 G…
-
构建生产级医疗AI的指南，侧重于失败处理
本文提供了构建生产级AI系统的全面指南，特别是在医疗保健领域。它强调“为失败而设计”的方法，超越了单纯的演示，实现了健壮的实施。该指南涵盖了从初始问题构建、确保数据管道中的HIPAA合规性，到为安全可靠的AI部署建立必要护栏的关键方面。
-
新工具 kube-memory 为 Kubernetes 调试集成情景记忆
一款名为 kube-memory 的新工具已被开发出来，通过将情景记忆集成到 DevOps MCP 服务器中，来协助调试 Kubernetes 部署。开发者分享了他们在此过程中的学习经验，旨在解决每次部署开始时出现的常见“失忆”问题。
-
Tigera 发布 Lynx，Kubernetes AI 代理的统一控制平面
Tigera 推出了 Lynx，一个专为在 Kubernetes 环境中运行的 AI 代理设计的新控制平面。该平台旨在为管理这些代理提供统一的解决方案，简化它们的部署和操作。Lynx 被呈现为一个即用型系统，满足了云原生基础设施中对精简 AI 代理管理日益增长的需求。
-
LLM 可观测性：将指标导出到 Prometheus 和 Datadog
本文提供了一份指南，介绍如何通过将 LLM 指标导出到 Prometheus 和 Datadog 等可观测性平台来监控 AI 应用。文章强调了跟踪特定 LLM 指标的重要性，例如 token 使用量、延迟、错误率和响应质量，这些指标超出了传统应用监控的范畴。该指南建议使用 AI 网关（如 Maxim AI 的 Bifrost）来集中收集指标，并标准化遥测数据，以便更容易地导出到 Prometheus 或 Datadog，并利用 Kub…
-
AI优先数据中心的观测能力正在演进
文章讨论了AI优先数据中心观测能力不断演进的需求，从传统的轮询方法转向更具概率性的方法。文章强调了监控AI工作负载的重要性，这与传统的IT系统不同。作者认为需要一种新的架构范式来有效管理和观测这些复杂的AI环境。
-
DevOps Open Agent 增加 Google Gemini 支持以进行 AI 故障排除
DevOps Open Agent 是一个用于 AI 辅助 DevOps 故障排除的开源平台，现已添加对 Google Gemini 的支持。用户现在可以将包括 gemini-2.0-flash 在内的 Gemini 模型集成到各种代理中，用于 Kubernetes 调试、AWS 基础设施诊断和代码审查等任务。此集成保持了平台的灵活性，允许用户在 Gemini、OpenAI、Anthropic、OpenRouter 和 Ollama …
-
MLOps 最佳实践，实现可靠的 API 部署
本文讨论了一种创建健壮的机器学习 (ML) API 的模式，该模式可以在启动阶段处理而不会失败。它强调了有效加载 ML 模型并确保它们在提供服务前已准备就绪的策略。该方法集成了 Kubernetes 和 Docker 等工具，以及来自 GitHub Actions、GitLab CI 和 Jenkins 的 CI/CD 流水线，以构建可靠的 ML 系统。
-
LINE MAN Wongnai 将 AI 服务器成本削减 9 倍，应用速度提升 4 倍
LINE MAN Wongnai 已将其 AI 服务器成本显著降低了 9 倍，并将应用程序速度提高了 4 倍。这是通过其 MLOps 方法的战略性转变、优化资源利用率和采用更高效的硬件来实现的。该公司利用 Kubernetes 和 Docker 等技术，以及 AWS 等云服务来有效管理其基础设施。
-
AI 推翻几何猜想；Kubernetes 已移植到浏览器；OpenClaw 已登陆移动端 · 跟踪 3 个来源
一个 OpenAI 模型推翻了一个长期存在的离散几何猜想，展示了 AI 在高级数学研究中日益增长的能力。另外，一位开发者已成功将 Kubernetes 移植到 Web 浏览器中运行，可能简化云原生应用程序的管理。此外，OpenClaw 已发布适用于 Android 和 iOS 的移动应用程序，将其覆盖范围扩展到更广泛的用户群。