搜索归档

Kubernetes 准备好迎接 AI 智能体了吗？

传统上，Kubernetes 假设软件只会做开发者写好的事，但 AI 智能体能自己思考、选方案、调用工具、持续朝目标推进，这让它在生产环境中的运行方式与传统应用很不一样。问题是：AI 行为是概率性的，无法精确预测它会用到哪些资源，安全沙箱和监控就成了大难题；同时智能体可能只存活几秒，启动却要等好几秒，传统调度方式不够快。社区正在推动把沙箱作为约束智能体的架构元素，但开源 Kubernetes 功能尚未齐全，企业目前可借助已带沙箱能力的商业发行版；还有人提出“智能体底座”方案，让智能体在热池中休眠，实现毫秒级唤醒，而非秒级冷启动。对读者来说，这意味着想在 Kubernetes 上跑 AI 智能体还需额外注意安全隔离、监控和启动延迟，不能直接照搬普通应用的部署方式。

PingCAP 遭入侵，客户记录与源代码泄露

数据库公司 PingCAP 确认其内部系统被未经授权访问，源代码和客户相关数据被盗。一个名为 FulcrumSec 的勒索团伙声称窃取了 10.6 TB 数据，包括 TiDB Cloud 的控制面记录、客户 SQL 语句、API 密钥、连接日志、账单信息、内部文档以及 413 个私有源代码仓库。这次事件意味着使用 TiDB Cloud 的客户可能面临密钥和业务数据外泄的风险。目前材料未说明泄露范围核实情况、修复措施和受影响客户数量。

PHP 修复两个已遭攻击的严重远程代码执行漏洞

PHP 发布了 8.5.12、8.4.27、8.3.36 和 8.2.35 四个版本，修复两个严重的远程代码执行漏洞（远程代码执行指攻击者无需登录就能在服务器上运行自己的代码）。亚马逊在这批补丁发布前四天就记录到了一次利用尝试，说明漏洞在修复前已被攻击。运维人员当天忙着确认自己是否运行 PHP、从哪里获取升级包，以及如何验证补丁已经生效。对读者的用处是：如果你或你的团队在用 PHP，应尽快升级到对应版本，并检查是否已被利用。文章未说明漏洞具体细节、受影响范围细节，也未说明各版本的发布时间差异。

构建“公司级智能体框架”的五个组成部分

LangChain 公司为市场、销售和工程团队搭建了内部智能体，并说这些智能体已经明显改变了团队的工作方式。他们遇到的核心问题是：智能体该在哪儿跟人交互、代表谁的身份去操作、记住哪些信息、在哪里安全执行代码，以及如何定时自动运行。他们的做法是让智能体住在员工日常用的 Slack 里，区分“代表提问者本人”和“用固定身份”两种权限，把记忆分成全员共享和按用户两层，代码放到隔离沙箱里执行，并让很多任务由定时或事件触发而非人工唤起。这些智能体都基于 Managed Deep Agents 构建，官方称现在就可以按快速上手文档试用；但文章也承认记忆这块探索最少、还有很多工作要做。

oxinfer：纯 Rust 实现的本地 LLM、扩散模型与嵌入推理引擎

KarpelesLab/oxinfer · Pure-Rust LLM, diffusion and embedding inference: Gemma 4/3, Qwen 3.x, MLX 4-bit, Stable Diffusion with LoRA, sentence-transformers embedders. CPU-first with Metal, CUDA and WebGPU (wasm) backends.

oxinfer 是一个用纯 Rust 编写的本地推理项目，不依赖 BLAS 或 ML 框架，直接读取 safetensors（含 HuggingFace 与 MLX 4-bit 权重）并自行实现矩阵乘、注意力、归一化、RoPE 与采样等算子，并带有手写 SIMD 内核与线程池。它面向文本生成、多模态输入（图像/视频/音频）、嵌入、Stable Diffusion 图像生成、Whisper 语音转文字和 Orpheus 文字转语音等场景，自动在运行时检测 Metal、CUDA 与浏览器 WebGPU 加速，CPU 路径作为始终可用的回退。支持 Gemma 4/3、Qwen 3.x、JEV 决策模型、sentence-transformers 等模型，输出与 transformers 参考实现进行比对，并支持工具调用与权重流式加载。

relayline：让 Claude Code、Codex 等编码代理互为负责人与子代理并共享上下文

SUPERD6/relayline · Coding agents (Claude Code, Codex, Gemini CLI) as each other's lead and sub-agent: shared memory, the cheapest model likely to finish each piece, checked and reviewed, with the receipt. Command: ccx.

relayline（命令 ccx）把 Claude Code、Codex、DeepSeek 等编码代理编排成团队：按难度把任务分给最便宜且可能完成的代理，复查验收检查，支持共享的项目/个人记忆与工作上下文，并记录每次运行结果以校准路由。项目仅依赖 Python 标准库，作者公布了一些小规模受控任务的测量结果及其局限。

pilot：将带标签的工单自动转化为待审 PR 的开发自动化工具

peterhoang1103991-cmd/pilot-ai-ticket-shipper · pilot: AI That Ships Your Tickets for Automated Development

pilot 是一个 Python 命令行工具，用于把 GitHub、Linear、Jira、Asana 等工单系统中带有指定标签的工单自动处理成待人工审查的 Pull Request。其流程为领取工单、创建独立分支、规划方案、编写代码、运行测试和 lint 校验并提交关联工单的 PR；默认按顺序执行任务，支持质量门禁失败后重试、按复杂度路由模型、预算限制、实时仪表盘和运行回放，并内置 Claude Code/OpenCode 等执行后端及多种工单平台适配器。项目采用限制竞争的 Business Source License 1.1，四年后转为 Apache 2.0。

Portfolio AI Assistant：基于简历知识库的招聘问答助手

VidhiDixit2000/portfolio-ai-assistant · Recruiter-facing chat assistant grounded in my resume — answers questions about my experience with classification routing and streaming responses, built so it can't invent experience I don't have. FastAPI on Render, React on Vercel.

面向招聘方的对话式助手，从作者简历知识库中作答，支持按职位描述（JD）评分、上传或设置 JD、以 NDJSON 流式返回答案，并借助每次会话的状态与求职知识库缓存来避免编造简历中没有的经历；后端采用 FastAPI（主用 OpenAI，自动回退到 Groq），前端采用 React 并部署在 Vercel，后端部署在 Render。

Open Intelligent UI：基于 OpenUI 的生成式交互界面实现

thesysdev/open-intelligent-ui · An open-source take on ChatGPT's Intelligent UI: answers stream as interactive UI (maps, photos, charts, drawings and working tools). Built with OpenUI.

该项目用开源组件复刻 ChatGPT 的“Intelligent UI”体验：模型以流式方式输出 OpenUI Lang 1.0 描述，前端再把它渲染为可交互答案，包括地图与街道路线、图片、图表、表单控件、SVG 绘图，以及能在页面内计算并响应用户操作的小工具。项目提供组件库、59 个 @functions、动作指令和提示词选项；支持 OpenUI Cloud 网关、任意 OpenAI 兼容 API 或本地 Ollama 模型，并附带示例画廊和基准测试脚本。

PortfolioPilot AI：用 AI 生成并定制开发者作品集

abhishek25001011-boop/PortfolioPilot-AI · AI-powered portfolio builder that turns a single prompt into a personalized, recruiter-ready portfolio using open-source Gemma AI and Ollama..

PortfolioPilot AI 是一个面向开发者的 AI 作品集构建器，可将个人资料、技能与项目整理为可定制的作品集页面。它提供五种设计风格、编辑时实时预览、基于 Ollama 的内容生成与分区重写、作品集质量分析、PDF 简历导入、招聘者视角展示、本地草稿管理和 ZIP 导出。前端使用 React+TypeScript+Vite，后端为 Python FastAPI，AI 功能依赖可访问的 Ollama 服务器与配置的模型。

No Shortcuts：面向数据工程、机器学习、深度学习与 AI 工程的长周期系统化课程

BlueRingsLabs/no-shortcuts · Free Course : Data, Machine Learning, Deep Learning and AI Engineering, the long way round: the math, the code, the systems and the security. 173 lessons, 166 runnable labs, no shortcuts. Free under CC BY-NC 4.0.

这是一门覆盖数据、机器学习、深度学习与 AI 工程的免费课程，按基础数学、数据工程、经典机器学习、深度学习、语言模型、AI 工程、强化学习、MLOps 与安全等十个部分组织，共 173 节课和 166 个可运行实验。课程强调从零推导与动手实现，涵盖数据平台、PyTorch 训练、从零构建 GPT、微调与量化、RAG 与 Agent、评测与 LLM 安全，以及生产部署中的追踪、CI/CD、监控与威胁建模，目标是让学习者具备数据工程师、数据科学家、机器学习工程师、深度学习工程师或 AI 工程师岗位所需的实际工作能力。

ajevt-browser：面向 Pi、OpenCode V2、Amp 与 MCP 的受限浏览器自动化工具

XYenon/ajevt-browser · A bounded Jev System-1 browser tool for Pi, OpenCode V2, Amp, and MCP, powered by agent-browser

ajevt-browser 是一个 TypeScript 编写的浏览器工具，基于 Vercel agent-browser，为 Pi、OpenCode V2、Amp 和 MCP 提供统一的 ajevt_browser 调用。单次调用会在有限候选中执行 observe/decide/validate/act 循环，由 Jev System-1 在受限操作空间内选择操作与目标，并经过概率、置信度与风险校验；支持文本与元素值校验器、域名白名单、敏感值脱敏、风险操作确认及结构化 handoff。

TemporalMind：TensorFlow NLP 全流程学习与实验仓库

lordaashishh/tf-nlp-modern-stack · Complete TensorFlow NLP Guide 2026: BERT, GPT and LLM Downstream Tasks Explained

TemporalMind（仓库名 tf-nlp-modern-stack）是一个面向研究与教学的 NLP 仓库，以连续流水线的方式组织从原始文本清洗、分词与词表构建、主题建模，到 Transformer 下游任务（分类、序列标注、摘要、问答、句子对任务）以及现代 LLM 工作流（提示工程、检索增强生成、适配器与轻量微调）的可复现 notebook 与模块化工具。文档以韩英双语提供，并包含跨语言迁移实验与可复现的评测方法说明。项目自述为教育研究用途，不保证生产可用性。

retrieva-backend：为 DORA 第三方风险管理提供基于证据的 RAG 评估后端

andrelair-platform/retrieva-backend · Retrieva backend — Node/ESM Express + Drizzle/Postgres + LangChain RAG API for DORA TPRM (runs on the ktayl-solution minicloud platform)

Retrieva 的后端服务，基于 Node.js 20 / Express 5 提供 API，用 LangChain 经 LiteLLM 网关实现证据支撑的 RAG 与 DORA 第三方风险（TPRM）评估引擎。数据层使用 PostgreSQL + Drizzle 存储、Qdrant 向量检索，Redis/BullMQ 处理队列与缓存，并接入 Langfuse 追踪；服务以容器镜像方式通过 GitOps（ArgoCD + Kargo）部署在 k3s minicloud 平台。仓库包含本地开发命令、API 端点说明、环境变量清单和 Drizzle 迁移流程。

MOTIONX Studio：动效优先的创意工作室官网与外联邮件自动起草引擎

ult666666/motionx-studio · Next.js and TypeScript studio website with a separate Python outreach-validation workflow: motion-first UI, testable rules, and human approval.

该仓库包含两个系统：一是用 Next.js App Router、TypeScript、Tailwind CSS v4 和纯 CSS 动画构建的创意工作室营销网站，带 Playwright 端到端测试，可部署到 Vercel，联系流程不依赖后端；二是用 Python 编写的外联引擎，先调研潜在客户并起草冷邮件，再经过确定性校验栈，只有通过才允许发送，其中包含收件人身份确认、邮件回读校验、状态流转保护和发送上限。

vernLLM：面向 LLM 调用的容错、可观测与管控框架

LakBud/vernLLM · The LLM call framework. Resilience, observability, and control for AIs.

vernLLM 是一个 TypeScript 的 LLM 调用框架，为每次模型调用提供统一接口与运行时治理能力。它通过适配器接入 OpenAI 兼容服务、Anthropic、Gemini、AWS Bedrock 以及任何可经 HTTP 访问的提供方，并在本进程内内置重试预算、熔断、多提供方回退、限流、缓存与中间件。仓库还包含 Redis 集成（熔断、限流、缓存）、OpenTelemetry 追踪与指标、Bedrock 适配器，以及日志、用量成本、路由、策略、输入输出检查等开发中的扩展包。

retrieval-lab：基于 BEIR 的两阶段 RAG 检索器构建与逐步量化评测实验台

JiamanBettyWu/retrieval-lab · Two-stage RAG retriever measured against a computed oracle ceiling on BEIR

retrieval-lab 是一个检索质量实验项目：以 BEIR（NFCorpus、SciFact、FiQA）为基准，用 NDCG@10、MRR@10、Recall@100 等指标，对两阶段 RAG 检索器（双编码器召回 + 交叉编码器重排）的每一处改动进行测量，包括用 LoRA 微调编码器后发现效果变差的结果也如实保留。项目还计算 oracle 重排上限，区分“相对基线提升”与“占可用提升空间的百分比”，并讨论 qrel 密度、基线 NDCG 等混杂因素的归因分析；后续阶段计划把已验证的检索器接到生成器后面，用与人工标注校准的 LLM-as-judge 评测有据回答。

AI-in-TA Telegram Bot：每日推送 AI 招聘资讯简报的 Telegram 机器人

Da6ka/ai-in-ta-telegram-bot · Daily AI-in-recruitment news briefing, generated by Claude Code and delivered to Telegram (Cloudflare Worker + GitHub Actions).

该项目是一个基于 Claude Code 与 Cloudflare Worker、GitHub Actions 运行的 Telegram 机器人，面向招聘领域，每个工作日自动检索并生成 AI-in-recruitment 新闻、工具与研究简报，推送给订阅者。支持按需生成新简报、基于历史简报归档回答问题，并提供订阅管理、广播和隐私数据等命令。机器人采用白名单准入、单运营者模式，订阅人数上限为 50 人。

CogStack：为 AI 编程助手提供持久上下文记忆与混合检索的引擎

oigrex666/mcp-context-chronicler · Subconscious Memory 2026: AI Coding Context Engine with Hybrid Semantic Search & MCP

CogStack（仓库名 mcp-context-chronicler）是一个面向 AI 辅助开发的持久上下文引擎。它把编码会话中的决策、经验与工具用法分层记录为记忆，通过 FAISS 语义向量与 BM25 文本检索的加权混合搜索进行召回，并以 SQLite 本地持久化，同时提供 MCP 服务器接口供 AI 编程助手接入。README 还描述了 OpenAI、Claude 的嵌入与摘要集成、Web 可视化面板、多语言支持及文件导入导出的团队共享方式。

PaperWiki：自动构建带持久知识图谱与深度引用综述的研究维基

iammonth1997/paperwiki-research-compiler · AI Research Wiki 2026: Auto-Building Knowledge Base with Deep Citation Syntheses

PaperWiki 是一个面向研究场景的自主维基构建工具，能够将 PDF、网页、学术论文和原始文本摄入为互联知识，并借助本地 DeBERTa-v3 零样本分类器将查询路由到对应知识域。其核心能力包括：随时间持续复合的持久知识图谱、跨会话记忆、自动化的深度研究综述引擎（收集 15–30 条引用来源并生成 3000–5000 词带引用的综述文档）、多语言输出、响应式 Web UI，以及通过 OpenAI 或 Claude API 进行合成生成的可选集成。项目宣称可本地优先运行，分类与实体抽取在本地完成，但网页搜索与 LLM 合成可能访问外部 API。