来自明天的明信片：用开源驱动智能体时代

这篇文章讲的是企业用开源模型和 Kubernetes 来搭建智能体（能自己写代码、跑测试的 AI）的学习闭环。原来的问题是：跑模型推理、微调模型、运行智能体这三种任务对平台的要求完全不同，团队常常各建一套基础设施，结果这边 GPU 闲着、那边任务排队，而且智能体要执行自己刚写的代码，安全和密度很难兼顾。文章提出的解法是把这些当成普通云原生问题，用统一控制面分三层管理：模型层用 KServe、llm-d、KAITO 等把部署和微调变成声明式配置，Kueue、KubeRay 负责排队和分布式训练；执行层用 Kata Containers、gVisor、agent-sandbox 等做隔离，Agent Substrate 把大量空闲智能体挂起以节省成本；算力层负责把分散的 GPU 拉进集群。另外斯坦福 AI Index 2026 数据显示，截至 2026 年 3 月，最强闭源模型对最强开源模型的领先只有 3.3%。对读者来说，这意味着在很多场景下开源模型已够用，可以自己微调并持续改进。文中这些项目大多已开源，具体可用状态未逐一说明。