標籤: Platform Engineering
此標籤的文章
- 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 企業私有化部署成本全解析:2.8T MoE 的 GPU 算力、機房電費與 TCO 實務評估
完整拆解 Moonshot Kimi-K3 2.8T MoE 模型私有化部署所需的 GPU 顯存拓撲、伺服器預算、機房三相電力與液冷需求,並提供企業導入 5 階段估算框架。
- 80 張 RTX 5090 真的跑起 Kimi-K3:消費級顯卡推論 2.8T MoE 的硬體帳本與工程代價
完整拆解 AI 開發者以 80 張 RTX 5090 消費級顯卡成功部署 Moonshot Kimi-K3 2.8T MoE 模型的硬體拓撲、為什麼不能只用 44 張顯卡、千萬級建置成本與三相電費試算。
- OpenAI GPT-5.6 技術解析:Frontier Intelligence 與「每 Token 智慧」的架構轉折
深入解析 OpenAI 官方發布的 GPT-5.6 論文與規格,完整拆解 Sol/Terra/Luna 三階定價、Coding Agent 基準測試、Triton 自研 Kernel 與 Agentic Harness 動態路由最佳化。
- 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:Amazon GameLift 託管價值與成本優化,以及 Palworld 如何以狀態外部化、生命週期適配器、Exactly One 世界實例與既有監控資產,完成從 Kubernetes 到 GameLift 的持久世界遷移,並拆解 Terraform Drift、假健康 Fleet、Ping Beacon 三大故障案例。
- 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 企業解決方案架構師 Elmer 的演講:AI 應用成本指數成長下,如何以 FinOps(OmiFin)與 AI Agent 治理(MAIAH Platform)兼顧創新與可控營運;涵蓋治理/合規概念、PPT(People/Process/Cloud & Platform)雲端治理模型、FOCUS 帳單標準與 BYOA/Guardrails/Token 控管。
- 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。
- 轉化率提升 24%!DoorDash 揭秘 Ask Assistant 智能購物助理底層架構
深度剖析外送龍頭 DoorDash 如何結合大型語言模型、專屬 AI Agent、Model Context Protocol (MCP) 以及三層記憶體系統,打造出日均執行 2,000 次自動化評估的企業級 AI 購物助理系統。
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