这篇文章讲的是 AI Agent 和 Kubernetes 运维工具各自该干什么。Kubernetes 一直靠“控制器”这类自动程序盯着集群状态、按规则把实际状态拉回目标状态，而现在的大模型 Agent 擅长的是调查问题、收集信息、给出建议，但让它直接改集群并不可靠。文章以开源项目 kagent 为例，提出一种分工方式：Agent 只负责观察、诊断和提出具体改动方案，真正执行仍交给 Kubernetes 控制器和策略系统，改动前还要人工或策略审批，改完再验证效果。文中用 Karpenter 扩容和 Argo CD 升级 Helm chart 两个例子说明好处：团队能更快找到问题原因、拿到风险说明清楚的窄范围补丁，同时集群的稳定性仍由原有确定性逻辑保证。kagent 是 CNCF Sandbox 项目，文中未说明其生产可用程度；KubeCon 相关会议信息与工具能力无关。
文中可用工具
- kagentCNCF Sandbox 开源项目，把 AI Agent 作为 Kubernetes 资源运行，并连接集群、Helm、日志和指标等工具做调查
- Kubernetes容器编排平台，靠控制器按声明状态自动调和资源
- KarpenterKubernetes 节点自动扩缩容工具，负责供给容量和整理节点
- Argo CDGitOps 持续交付工具，按 Git 中的配置渲染并同步应用
- HelmKubernetes 应用包管理工具，用 chart 管理配置和版本
- Prometheus监控和指标系统，供 Agent 查询运行数据
- Agent SandboxKubernetes SIG Apps 的子项目，用于安全运行 Agent 工作负载
展开详情收起详情：AI Agent 与 Kubernetes：在控制循环中各自的位置⌄
The New Stack
原文发布：2026-10-17 22:00收录：2026-10-18
红帽工程总监 Christian Schaller 想把一箱旧家庭底片数字化，但买的 Plustek OpticFilm 8200i 扫描仪在 Linux 上不工作。原因是厂商换了芯片，现有 Linux 驱动认不出来。他最初让 Claude Code 直接写驱动，折腾很久没进展，搁置几个月。后来他换个办法：让 Claude 运行厂商的 Windows 软件、抓取 USB 通信数据，再和 Linux 驱动发送的数据对比，用能用的 Windows 驱动当参照来定位问题。几小时内他拿到第一张能认出的扫描图，几天后驱动还支持了红外扫描。他把这套方法开源成 hw-harness（MIT 许可），并顺手用同样思路修好了 ThinkPad 笔记本摄像头发暗、偏色的问题。对读者来说，这说明 AI 编程代理可以靠“对比可用实现”来啃下没有文档的硬件驱动难题，但最终仍需人工在真机上测试。目前他的扫描仪驱动只是概念验证，上游 SANE 已有另一位开发者的支持；摄像头补丁也尚未合并，仍在评审中。
文中可用工具
- Claude CodeAI 编程代理，用来运行 Windows 驱动、抓取 USB 数据并对比修改 Linux 驱动代码
- hw-harness开源工具集（MIT 许可），用于记录设备行为、对比可用与损坏的实现，让编程代理处理 Linux 尚不支持的硬件
- SANELinux 扫描仪驱动框架，作者为其编写后端
- Negative Vibes用 Rust 编写的 GNOME 底片处理应用，保留 16 位原始扫描数据并支持去尘、调色和导出
- ArgyllCMS在 Negative Vibes 中用于色彩校准
- libcameraLinux 摄像头图像处理框架，作者的补丁修改了其中的镜头阴影校正和黑电平计算
- Plustek OpticFilm 8200i作者的底片扫描仪，使用 Genesys GL128 芯片，Linux 原本不支持
- Lenovo ThinkPad X1 Carbon Gen 14 Aura Edition作者的笔记本，其索尼 IMX471 摄像头在 Linux 下成像过暗偏色，被本次补丁修复
- Intel IPU7笔记本摄像头的成像系统，原文未说明更多用途
展开详情收起详情：他的扫描仪在 Linux 上不能用，于是让 Claude 研究 Windows 驱动⌄
The New Stack
原文发布：2026-10-17 22:30收录：2026-10-18
AI 编程工具和自然语言界面正在改变做软件的门槛：以前从想法到能用的软件，得先精通一门编程语言、懂系统架构，还要有生产环境经验，这道坎主要卡在“懂业务”和“会写代码”之间的翻译环节。现在产品经理不写代码也能做出原型，数据工程师几小时就能搭出过去要团队一周才能理清的流水线，行业专家的知识可以直接变成工具。但文章强调，门槛降低不等于质量自动提高，业务人员用 AI 生成的代码仍需人维护、排错；而且能构建的人变多后会产生“谁来负责”的问题。对工程师来说，角色不是缩小而是变形，更多精力投到架构、评审和平台设计上，成为更多构建者的基础设施提供方。文章为观点讨论，未提及具体产品发布或可用状态。
展开详情收起详情：AI 降低了构建软件的门槛，这对工程师意味着什么⌄
The New Stack
原文发布：2026-10-17 23:00收录：2026-10-18
JioHotstar（当时叫JioCinema）的工程师 Ashutosh Agrawal 和团队，为2023年印度板球超级联赛（IPL）决赛做了大量准备。直播体育的难点是：所有观众必须同步看到画面，不能让一部分人比邻居早几秒知道比分结果。他们的做法是按预期流量的大约两倍来准备容量（当年按5000万到7500万并发准备），把视频传输链路当作绝不能出错的“黄金路径”，并对登录认证等关键系统提前扩容。团队还用一份200项检查清单逐项排查故障点，比如超时配置、短信服务商全部宕机时怎么让用户仍能进入，并做单系统、多系统组合和模拟真实用户的测试。这场决赛最终创下约3200万并发观看的纪录。对读者来说，这是一套应对高不确定性大流量的可复用清单，也能用于黑五这类场景；但文中没有说明这些经验目前是否已作为公开工具或服务对外提供。
展开详情收起详情：向3200万人直播体育赛事，我们学到了这些工程经验⌄
The New Stack
原文发布：2026-10-18 00:00收录：2026-10-18
亚马逊收购了开发分析型数据库 DuckDB 的公司 DuckLabs。DuckDB 这类数据库擅长快速分析大量数据，和传统的逐条读写数据库不太一样。两位联合创始人 Hannes Mühleisen 和 Mark Raasveldt 会加入 AWS 并继续带领团队，目标是让 DuckDB 发展得更好、覆盖面更广，同时保持开源。收购之后，Amazon Aurora PostgreSQL 获得了第一个由 DuckDB 驱动的功能。不过原文没有说明这个功能具体是什么、何时可用，也没有披露收购金额。
文中可用工具
- DuckDB一个开源的分析型数据库，擅长快速分析大量数据
- Amazon Aurora PostgreSQL亚马逊云的关系型数据库服务，此次集成 DuckDB 能力
展开详情收起详情：亚马逊收购 DuckLabs，并将 DuckDB 集成进 Amazon Aurora PostgreSQL⌄
InfoQ Architecture & Design
原文发布：2026-10-17 14:00收录：2026-10-18
Benefit Street Partners 的 Anant Kumar 用 Codex 做代码审查，并加快对后续问题的响应。文中提到的“工具”用于比较贷款估值、分析信贷协议，但这些工具叫什么名字、具体怎么用，原文都没有说明。这次的变化在于把 Codex 接入这类工具开发中的代码审查和问题跟进流程，因此团队能更快回应问题。原文没有说明 Codex 现在是否已正式可用、是否处于演示阶段，也没有后续计划。
展开详情收起详情：Benefit Street Partners 借助 Codex 更快解答问题⌄
OpenAI News
原文发布：2026-10-16 08:00收录：2026-10-18