研究与技术01
这篇文章讲的是 Kubernetes 控制平面在集群规模变大后，一些平时看起来正常的设计反而会把小问题放大成故障。作者举了三个真实例子：一个扩展 API 升级依赖后发布了不合法的 OpenAPI 模式，结果连只用普通 Kubernetes 资源、根本没用这个扩展的 Helm 部署也失败，因为 OpenAPI v2 把所有 API 的定义合并成一份文档，一个扩展出错就拖累所有人；大批 DaemonSet 代理同时重启，启动时的正常请求叠加成风暴，API 服务器扛不住；还有组件把依赖服务的短暂不可用误判成自己进程坏了，反复重启。文章建议用 OpenAPI v3 缩小影响范围、控制重启节奏、别让健康检查过度依赖下游。这是经验分享文章，没有发布新工具，文中提到的 OpenAPI v2/v3、informer、聚合 API 服务器、PR #131755 都是已有机制或改动。
文中可用工具
- OpenAPI v2把所有 API 的接口定义合并成一份文档供客户端读取校验
- OpenAPI v3按 API 组和版本分开提供接口定义，缩小单个扩展出错的影响范围
- informer让控制器在本地缓存集群状态，减少反复查询 API 服务器
- 聚合 API 服务器（aggregated API server）在不改核心 API 服务器的前提下给 Kubernetes 增加新 API
- Helm部署图表前会读取 OpenAPI 文档做校验，因此可能被无关扩展的错误波及
- DaemonSet在集群每个节点上运行代理，大规模重启时会集中产生请求
- Kubernetes PR #131755让 OpenAPI 模型名称由作者显式声明，而不是从 Go 包路径推导
研究与技术02
这篇文章讲的是 Kubernetes 控制平面的容量问题，但重点不是“集群有多大”。作者举了三个完全不同的集群：一是上万节点的训练集群，大量节点不停上报心跳，把 apiserver 和 etcd 的内存吃光；二是节点数不多但对象频繁创建、销毁的 Agent 平台，写入压力巨大；三是装了两百个 operator、对象多得每个 apiserver 都要在内存里存一份的平台集群。文章的核心观点是：这三种压力方向不同，按节点数调优往往治错病，加 apiserver 还可能因为每个都复制全量 watch 缓存而让情况更糟。作者提出从四个“接缝”入手（存储分工、节点存活上报、分片维度、缓存驻留），并说明部分能力已有现成配置，像 KEP-4743、KEP-5866 这样的改进仍在推进中，具体何时可用原文没有说明。对运维 Kubernetes 的读者来说，这是一份先分清自己属于哪种规模压力、再决定调优方向的思路清单。
文中可用工具
- Kubernetes容器编排系统，本文讨论的控制平面容量问题都发生在它上面
- etcdKubernetes 的键值存储后端，本文建议把非持久流量分流出去并用内存 lease 刷新减轻写压力
- kOps原文提到它文档里记录了增加 apiserver 的做法
- KEP-4743定义存储接口边界的提案，用来把不同资源类型路由到不同后端
- KEP-5866为 API 流量引入哈希范围过滤的提案，是分片的基础
- etcd-servers-overrides已有配置项，可把资源类型指向不同的 etcd 后端，但目前只支持内置资源
评测与安全03
Heimel-open/Heimel · HEIMEL Intent. Realized. HEIMEL is open infrastructure for the transition from intent to consequence.
HEIMEL 是一套面向后果承载执行的授权治理基础设施，位于现有身份、策略与执行系统之间，在意图落地为真实效果的那一刻判断其是否具备当前授权。它不替换 IAM 或策略引擎，而是把决策、精确效果、许可与回执绑定，并通过 Gateway 强制唯一受治理的效果路径，由 Veritas 保留可归因的证据。仓库包含本地参考运行时，支持本地授权、执行、回放与证据查验，并提供标准授权演示、可执行授权演示和回放演示。
AI 编程04
HarzerHeribert/glasshouse · Multi-agent coding orchestrator with a first-party code-mode harness. Run Claude Code, Codex and other agents with routing, project memory, live tool results and fewer inference boundaries.
Glasshouse 是一个用 Rust 编写的多智能体编程编排系统，由可独立使用的编程 harness `pane` 和控制平面 `glasshouse` 组成。`pane` 提供代码模式执行环境，工具结果以运行时命名对象而非对话文本的形式保留，模型通过编写 TypeScript 程序调用工具，从而显著降低上下文占用；`glasshouse` 则作为控制平面，启动并驱动 Claude Code、Codex 等已安装 harness，依据延迟、可靠性、缓存热度、剩余容量与消耗速率等实测证据路由请求，维护项目级持久记忆，并在多个会话并行时就文件编辑冲突进行协调。项目提供推理网关组件，支持订阅与密钥的跨账号调度、配额与容量估算以及工具输出压缩。项目状态为活跃开发中，能力图文档为其权威规格。
Agent 与工作流05
这是 OpenAI 的 Vinoth Govindarajan 做的一场技术分享，主题是生产环境里的 AI Agent 为什么会出错。他指出问题不只是在模型“胡说”，更多出在系统怎么管状态、怎么分配权限上。他拿 OpenClaw 等真实案例说明，可靠的做法包括：明确谁拥有状态、并发改动要排队、限制 Agent 能执行的范围，并在用户实际看到的边界处校验动作。文章只给出演示标题和摘要，具体工具与发布时间原文未说明。
文中可用工具
- OpenClaw文中作为生产 AI Agent 的真实案例提及，原文未说明具体用途
Agent 与自动化06
redevops-io/agentic-os · The control plane for the redevops.io Agentic Business OS — Mission Runtime kernel (Python + Go), Projects cockpit, cost-aware LLM router, permissions plane, and reference apps. Self-hosted, open-core (AGPL-3.0).
redevops.io Agentic Business OS 的控制平面，用一套编排层把计费、客服、账务、合规、分析、营销等多个业务模块作为统一 agent 集群运行。提供 Mission Runtime 内核（Python + Go）、模块注册表与编排器、按任务能力分层并带预算的成本感知 LLM 路由、跨模块工作流、审批与审计日志、行级/列级细粒度权限平面，以及 Projects 控制台、Sidekick 问答助手、集成平面与受治理的 Agent Gateway（MCP 为首个协议适配）。自托管、source-available（AGPL-3.0 + Commons Clause）。
Agent 与自动化07
Jason-Vaughan/TangleClaw · An open-source, local-first AI-native SDLC orchestration platform
TangleClaw 是一个开源、本地优先的 AI 原生 SDLC 编排平台，用于协调多个 AI 编码 Agent 协同完成软件开发生命周期。它提供持久会话、结构化会话收尾与续接、Agent 间消息交换（Medusa Switchboard）、Fleet 治理、多引擎管理，并支持在 tmux 中运行可断线恢复的会话。平台集成 Claude Code、Codex、Antigravity、Aider 等本地引擎以及远程 OpenClaw，并通过内置 PortHub、项目分组、共享文档、仪表盘与移动 PWA 提供统一控制面。整体实现零 npm 依赖，基于 Node.js 22+ 标准库。