搜索归档

AI Agent 与 Kubernetes：在控制循环中各自的位置

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。

AI Voice Cloning Skill：在 Claude Code、Codex 与 OpenClaw 中克隆专属音色的 Agent 技能

beatra-ai/ai-voice-cloning-skill · AI voice cloning agent skill for Claude Code, Codex & OpenClaw: create a reusable personal or brand voice from a clean audio sample, name it, and hear it in a short test reading. AI声音克隆 · 专属音色

该项目是一个供 Claude Code、Codex 和 OpenClaw 加载的 Agent 技能（voice-cloning-studio），可基于一段干净的单人音频样本创建可复用的个人或品牌音色，为其命名，并用该音色生成一段短测试朗读以预览效果。克隆与语音合成通过 Beatra 账号完成，安装免费，但每次渲染消耗账号积分；需要 Python 3.10+ 和支持 SKILL.md 的 Agent。

Production Management AI：基于生产数据的 KPI 分析与多智能体运营决策支持

seojun-engineering/production-management-ai · Production KPI analysis, operational screening, and evidence-grounded multi-agent decision support using real manufacturing data

该项目用 Python 计算 KPI、按规则校验数据，再交给 LLM 解读，从而进行生产数据的质量校验、异常与停机损失检测、运营优先级筛选，并生成管理层报告。当前仓库包含针对真实制造业数据的 V2 分析，涵盖 59 条日生产记录、265 条小时运行记录和 1388 条停机事件，以及基于确定性证据包的多智能体 V3 设计方案。

AI Helpdesk：多智能体客服支持系统，含路由分派、SQL 智能体委派与逐句校验

heyemlee/ai-helpdesk

AI Helpdesk 是一个基于 FastAPI 的多智能体客服服务：路由器对问题意图进行投票，工具并发执行，三个领域专家智能体在需要时并行作答，并通过有界工具循环补查缺失信息；数据类问题经 A2A 或 HTTP 委派给独立的 SQL 智能体，由其规划、编写、执行并修复查询。系统在发送前逐句校验回答，替换无依据的价格或日期承诺，低置信度时转人工开票，并在 React 控制台中实时展示各智能体的决策过程。项目附带检索纠错循环、Redis 工作记忆、双入口部署和 OpenTelemetry 可观测方案，并提供评测记录。

grimoire：为编码智能体提供可移植技能、团队名册、记忆与自动构建循环的 Claude Code 插件

laurentlouk/grimoire · 🔮 A spellbook for coding agents: portable Agent Skills, an agent roster, curated memory and a build loop that learns. Claude Code plugin, stack-agnostic.

grimoire 是一个面向编码智能体的 Claude Code 插件，提供可移植的 Agent Skills、按仓库划分的团队智能体名册（AGENTS.md）、精简的声明式记忆目录（memory/），以及无人值守的构建循环（workflows/）。该循环按 roast → to-plan → to-issues → build ⇄ review → PR → crystallize → ship 的流水线推进，并在每次运行结束时把学到的经验回写为技能、记忆和文档更新。它还包含基于 tree-sitter 的本地代码图（SQLite，支持多种语言），以 MCP 工具形式供智能体查询调用关系与影响范围，并提供本地 HTML 页面展示架构图、代码图和文档库。项目与具体技术栈无关，也不绑定特定任务跟踪系统；附带成本上限、PreToolUse 守卫钩子、任务认领、断点续跑等无人值守安全措施，并可选用 rtk 压缩工具输出以节省 token。