容易被忽略的 containerd 运行时日志
在 containerd 生产环境中，log.json 文件的无限制增长已成为一个严重的运维问题。该文件记录 runc 运行时的操作信息，但由于缺乏自动轮转机制，可能导致磁盘空间耗尽，进而影响整个容器平台的稳定性。
阅读全文 ：容易被忽略的 containerd 运行时日志
公众号
原力注入
原力注入受原力觉醒和依赖注入（Dependency injection）启发，希望通过本平台及我们的努力将云原生技术的原力注入给广大技术从业者。
这个来源的文章
订单履约 Agent 系统设计文档（一）
基于制造业订单履约业务需求，设计一个智能化的订单履约 Agent 系统，实现从订单接收到库存分配的全流程自动化处理。
阅读全文 ：订单履约 Agent 系统设计文档（一）订单履约 Agent 需求分析
博主最近在研究如何在企业落地 Agent，正好浏览到了一个例子: Palantir AIP Agent落地场景解析-订单履约，因此结合文章内容把订单履约 Agent 的需求做了整理，形成了一个需求分析文档。
阅读全文 ：订单履约 Agent 需求分析《Building Research Agents for Tech Insights》深度解读
【重发】本文深度解读《Building Research Agents for Tech Insights》，介绍研究智能体的构建方法：依托独特数据、受控工作流和提示链，形成三层架构，并扩展讨论企业数据策略与评估体系。
阅读全文 ：《Building Research Agents for Tech Insights》深度解读《Building Research Agents for Tech Insights》深度解读
本文解读《Building Research Agents for Tech Insights》，介绍研究智能体的构建方法：依托独特数据、受控工作流和提示链，形成三层架构，并扩展讨论企业数据策略与评估体系。
阅读全文 ：《Building Research Agents for Tech Insights》深度解读AI 记忆系统 Mem0 快速入门
Mem0 是一个为大型语言模型（LLM）应用设计的自改进记忆层，它通过提供持久化、个性化的记忆能力来增强 AI 助手和智能体的表现。该项目同时提供托管平台服务和开源解决方案，让开发者能够为 AI 应用添加上下文记忆功能。
阅读全文 ：AI 记忆系统 Mem0 快速入门12-Factor Agents - 构建可靠 LLM 应用的原则
12-Factor Agents 借鉴了著名的 12 Factor Apps 方法论，为构建可靠的 LLM 应用提供了一套经过验证的原则。这套方法论的核心理念是：将智能体视为由确定性代码和 LLM 步骤组成的软件系统，而非黑盒框架!
阅读全文 ：12-Factor Agents - 构建可靠 LLM 应用的原则Databricks Assistant Data Science Agent 使用场景解读
Databricks Assistant Data Science Agent 完全集成在 Databricks Notebooks 和 SQL Editor 中，将智能化、适应性和执行能力融合在单一体验中。
阅读全文 ：Databricks Assistant Data Science Agent 使用场景解读GPGPU vs NPU：大模型推理与训练的算力选择指南
本文档旨在为 AI 从业者和技术决策者提供全面的 GPGPU vs NPU 对比分析。
阅读全文 ：GPGPU vs NPU：大模型推理与训练的算力选择指南Container Device Interface (CDI) 技术介绍
本文系统梳理容器环境中 GPU 等异构设备访问的挑战与传统方案局限，深入解析 CDI 的设计原理、配置方式、安全机制与扩展性，并结合相关示例展示其实践应用，同时提供快速上手指南与 Kubernetes 集成示例，帮助大家理解并应用 CDI
阅读全文 ：Container Device Interface (CDI) 技术介绍Kubernetes Dynamic Resource Allocation 权威指南
DRA 是 K8s 1.26 版本引入的一项重要特性，旨在解决传统 Device Plugin 在硬件资源管理方面的局限性。随着 AI/ML 工作负载的快速发展和硬件加速器的广泛应用，传统的静态资源分配方式已无法满足现代云原生应用的复杂需求
阅读全文 ：Kubernetes Dynamic Resource Allocation 权威指南使用 LangChain 实现智能对话机器人的记忆功能
本文将深入探讨如何使用 LangChain 框架实现智能对话机器人的记忆功能，从 AI Agent 记忆系统的理论基础到 LangChain 的具体实现，再到实际应用案例，为开发者提供完整的技术指南和可运行的代码示例。
阅读全文 ：使用 LangChain 实现智能对话机器人的记忆功能论文解读 - 大模型 Agent 记忆系统：理论基础与交互机制
本文总结了论文关于大模型 Agent 记忆系统的定义、概念和交互机制，旨在帮助读者理解记忆系统的产生、存储和使用原理。
阅读全文 ：论文解读 - 大模型 Agent 记忆系统：理论基础与交互机制AI 智能体记忆系统 - MemoryOS 入门指南
MemoryOS 是一个智能记忆管理系统，采用模块化架构设计，通过可插拔的存储后端和分层记忆管理机制，为 AI 助手提供持久化的记忆能力。本文档深入分析 MemoryOS 主入口类的架构设计与配置机制。
阅读全文 ：AI 智能体记忆系统 - MemoryOS 入门指南AI 原力注入：AI Infra 知识体系 v2.0
本知识体系，涵盖从硬件基础到高级应用的完整技术栈。内容包括 GPU 架构与编程、CUDA 开发、大语言模型、AI 系统设计、性能优化、企业级部署等核心领域，旨在为 AI 工程师、研究人员和技术爱好者提供系统性的学习路径和实践指导。
阅读全文 ：AI 原力注入：AI Infra 知识体系 v2.0Coze 部署和配置手册
Coze Studio 是一个基于 Docker 容器化部署的 AI 应用开发平台，采用微服务架构设计。本手册详细介绍了 Coze Studio 的部署架构、组件配置和部署步骤。
阅读全文 ：Coze 部署和配置手册KubeSphere 4.x 架构设计与扩展机制深度分析（三）
KubeSphere 4.x 的架构设计代表了云原生平台发展的新方向。通过微内核 + 扩展组件的创新架构、完善的可插拔扩展机制、全面的安全防护体系和丰富的生态建设，鲁班架构为企业级云原生应用提供了一个功能强大、灵活可扩展、安全可靠的平台基础
阅读全文 ：KubeSphere 4.x 架构设计与扩展机制深度分析（三）容器实战 - 多架构镜像制作及推送指南
在现代容器化环境中，多架构镜像已成为支持异构计算环境的关键技术。其核心机制基于 OCI 镜像规范中的 Image Index 概念，通过 Manifest List 实现对不同架构镜像的统一管理。
阅读全文 ：容器实战 - 多架构镜像制作及推送指南KubeSphere 架构设计与扩展机制深度分析（二）
从 KubeSphere 4.0 开始，采用了全新的微内核 + 扩展组件架构（代号鲁班），其中内核部分仅包含系统运行的必备基础功能，将独立的功能模块拆分为扩展组件（Extensions）的形式进行管理，实现了真正的模块化和可插拔架构。
阅读全文 ：KubeSphere 架构设计与扩展机制深度分析（二）