標籤: Platform Engineering
此標籤的文章
- Docker Sandbox Kit:把 Agent 權限請求和軟體一起版本化
拆解 Docker Sandbox Kit v3 如何把 Agent 的網路、憑證與 mixin 宣告放進 OCI artifact,並說明 descriptor 仍是 request、enforcement 仍取決於 runtime。
- Google AlloyDB 如何隔離 Agent 突發查詢:微型 VM、MCP 與專用儲存分段
拆解 AlloyDB for agents 的唯讀 agent nodes、專用 Colossus segments 與彈性計算池,並檢視隔離、資料新鮮度、冷啟動、成本和交易邊界。
- Benchling 如何用 AgentCore、STS 與 DNS Firewall 隔離多租戶程式執行
拆解 Benchling 在獨立 AWS 帳戶執行 AI 產生程式碼的分層設計:每工作臨時憑證、S3 endpoint policy、DNS allow-list 與持續外洩測試。
- GitHub Agentic Workflows:把可執行的 Agent CI 寫成 Runtime 契約
從 gh-aw v0.89.17 與其官方變更紀錄拆解:日誌稽核、MCP Gateway/防火牆、grading、模型成本訊號與 incident loop 如何把 Agentic CI 從 demo 推向可營運的契約。
- Pydantic AI v2.45:把耐久 Agent 的可靠性寫進 Session 與 Trace 契約
拆解 Pydantic AI v2.45.0 如何對齊 durable run 的 DynamicToolset、MCP session、tool history 與 usage spans,並說明 TypeSafeModel 與 Bedrock effort 修正的採用邊界。
- Gemini Antigravity Agent 09-2026:一次 Agent Runtime 的 Protocol Migration
拆解 Antigravity Agent 09-2026 的 remote/local 相容性邊界、內建工具契約變更、adapter 設計與 contract tests,並整理 05-2026 在 2026-10-05 退場前的遷移風險。
- Amazon SageMaker HyperPod Inference Gateway:GPU-aware routing 的價值與邊界
拆解 Amazon SageMaker HyperPod Inference Gateway 如何用 KV cache、queue depth、LoRA 與 prefix cache 訊號做 Kubernetes-native 路由,並核對 EKS add-on、CRD、失敗行為與 AWS benchmark 的證據邊界。
- Claude 如何把生物分子模型跑得更快:從 FlashPairformer 到可回退的 Inference Kits
拆解 Anthropic 讓 Claude 優化 30 多個生物分子與基因組模型的工程方法,從 FlashPairformer、Big mode、stock/exact/fast 契約,到 GPU 成本與可驗證性邊界。
- TypeSafe AI 與 Jev:把 AI 變成可校準的決策元件
拆解 TypeSafe AI 的 System One 模型與 Jev,理解 typed decisions、機率信心、workflow evals,以及它和一般 LLM structured output 的差異。
- Jev 實戰架構:把 Confidence-Gated Routing 放進 Agent Runtime
不再重述 Jev 的基本介紹,改從 confidence-gated routing、speculative fan-out、composite scoring 與社群實驗,拆解如何把 AI 判斷放在 Agent、工具與人工審查之間。
- Redpanda Agentic Data Plane v0.2.61:把憑證、Context 與寫入權限推到 Agent 邊界
整理 Redpanda Agentic Data Plane v0.2.61/v0.2.60 的 credential passthrough、context estimate、activity filtering 與 Pylon capability gates,並回看 v0.2.58 的 audit semantics。
- Forge v0.18.1:開源多使用者 MCP Auth 與 Agent Governance
拆解 Forge v0.18.1 如何把多使用者 MCP 的身分、OAuth 同意、租戶、政策、出口與逐次稽核串成可檢查的 Agent runtime contract,並標出尚未被獨立驗證的邊界。
- AG2 v1.0.3:MCP 2.0 Migration 與確定性 Agent Governance
拆解 AG2 v1.0.3 的 MCP 2.0 breaking migration、TealTiger deterministic governance 與可驗證的 Agent runtime rollout 邊界。
- WeKnora 架構解析:從文件入庫到可治理的 Agent 知識平台
拆解 Tencent WeKnora 的三進程核心、文件解析與檢索資料流,並說明 Agent、MCP、sandbox、memory 與企業治理如何接在同一個控制面。
- LLM 推論成本怎麼算?從 DeepSeek-R1 實測到 GPU 租價
以 DeepSeek-R1 的 MLPerf 公開紀錄對照 8 張 B200/B300 的吞吐與延遲,再用有來源的 GPU 租價試算成本,分清實測、算術推導與 API 售價。
- AIPOCH Open Science:把科研 Agent 做成可治理工作台
拆 AIPOCH Open Science v0.19.0:Skills、Notebook 依賴、OAuth 與 artifact provenance。版本號放進正文,搜尋入口是產品名與科研 Agent。
- GitHub Copilot MCP 企業治理:從 Allowlist 語義到 Agent 採用遙測
GitHub 把 MCP server allowlist、denylist 與第三方 agent activity 放進企業管理面;本文拆解政策語義、遙測邊界與可落地的 rollout 方法。
- Claude Managed Agents 走向受治理的 Runtime:預算、委派、地域與 Inference Hooks
Anthropic 的 Managed Agents 把 session budget、advisor、inference geography、repository skills 與 inference hooks 變成 runtime 控制面;本文拆解它們能治理什麼,以及仍然未知的邊界。
- Cloudflare 發布 Open Agentic Internet 藍圖:可讀、可搜尋、可呼叫、可付費的 Agent Web 架構
深度剖析 Cloudflare 提出的 Agentic Internet 基礎架構。從 Web Bot Auth 身份驗證、Markdown for Agents、WebMCP 前端工具暴露到 x402 微支付協定,全方位解析網頁如何從人類 UI 轉型為 AI Agent 友善的開放網路。
- Kimi-K3 企業私有化要花多少:GPU、電費與 TCO
拆解 Kimi-K3 2.8T MoE 企業機房私有化部署的 GPU 顯存拓撲、伺服器預算、三相電力、液冷需求,以及五階段 TCO 估算框架。聚焦資料中心級採購與機房配套,不是 80 張 RTX 5090 消費級叢集方案。
- 80 張 RTX 5090 跑 Kimi-K3:消費級顯卡的硬體帳本
拆解以 80 張 RTX 5090 消費級顯卡組叢集推論 Kimi-K3 2.8T MoE 的硬體拓撲、為什麼不能只用 44 張顯卡,以及建置成本與電費試算。聚焦消費級 GPU 拼裝實測,企業機房 TCO 請見姊妹文。
- GPT-5.6 架構解析:Frontier Intelligence 與每 Token 智慧
讀 GPT-5.6 技術文件的架構層:Frontier Intelligence、每 token 智慧、kernel 與 harness 路由。這篇講架構,不是 Sol 價目表。
- Gemini Enterprise Agent Platform:Google Cloud 的 Build、Scale、Govern、Optimize 架構
整理 Gemini Enterprise Agent Platform 的開發、執行、治理與評估能力,並從企業部署角度檢視其架構承諾、整合邊界與採用條件。
- 從 K8s 遷移到 Amazon GameLift:Palworld 幻獸帕魯多人伺服器架構實戰
整理 AWS × Pocketpair 議程中的 Palworld 持久世界遷移,並以 AWS 文件核對 GameLift 壓測、Spot 與 UDP ping beacon 等服務能力。
- AI Agent 時代的企業治理新課題:FinOps × Agent 治理的雙平台路徑(OmiFin 與 MAIAH)
整理 eCloudvalley 演講中的 FinOps 與 Agent 治理路徑,並以 FOCUS、FinOps Framework、AWS 與 MAIAH 公開資料校正產品主張。
- 軟硬體協同優化實戰:AWS 自研晶片 × Tomofun Furbo 如何砍掉 82% AI 推理成本
整理 AWS Howard 與 Tomofun(Furbo)Ricky 的演講,並補充 AWS 官方技術文:從 Trainium/Inferentia/Graviton/Nitro 垂直整合,到 Furbo 將 BLIP 移植至 Inferentia 2、兩層 Auto Scaling 與 AMI 冷啟動優化,成功節省 81.6%–83% AI 運算成本。
- DoorDash Ask Assistant 架構:轉化率 24% 怎麼來的
拆 DoorDash Ask Assistant 的架構與評測口徑。24% 是他們公開的轉化數字,要連同實驗範圍一起讀,不是標題保證。
歡迎演講、企業內部技術分享與架構交流;可以先查看我適合分享的主題與公開工程成果。
演講與聯絡