2026年7月9日
部署 OCManager 智能运维平台并集成 AI 服务实现EKS节点的监控和维护
摘要： 当你手上有几十上百台 Linux 服务器需要管理时，"逐台 SSH 登录、手动敲命令排查"很快就会变成灾难。OpenCloudOS 的 OCManager 正是为集中式运维而生的一套开源方案：一个 Web 控制台统管所有机器，每台被管主机上跑一个轻量 Agent 负责采集数据与执行指令，再叠加一个内 阅读全文
posted @ 2026-07-09 11:04 zhaojie10 阅读(2) 评论(0) 推荐(0)
在 AWS 中国区把 MLflow 模型端到端部署在 SageMaker
摘要： 机器学习项目里有一个反复出现的断层：模型在 notebook 里跑得好好的，一旦要"上线"提供推理服务，事情就复杂起来了。实验怎么管理、模型怎么版本化、训练好的工件放哪、推理服务又该怎么部署——每一环都有自己的工具和坑。MLflow + SageMaker 是解决这一断层的一套经典组合：MLflow 阅读全文
posted @ 2026-07-09 10:22 zhaojie10 阅读(2) 评论(0) 推荐(0)
2026年7月4日
自行实现 A2A 网关：从零理解 Agent 发现、路由与访问控制
摘要： 随着企业内部 AI Agent 数量的快速增长，一个新的工程难题浮出水面：这些 Agent 之间该如何通信？当你只有两三个 Agent 时，点对点直连似乎还能接受。但当 Agent 扩展到几十个，每新增一个都要处理独立的连接、独立的凭证、独立的路由逻辑时，复杂度就会爆炸。此外，访问控制分散在各处，安 阅读全文
posted @ 2026-07-04 02:37 zhaojie10 阅读(10) 评论(0) 推荐(0)
2026年6月28日
使用AWS Workload Credentials Provider在EKS中管理应用密钥的实践
摘要： 本文档完整记录了在中国区 EKS 集群上部署 AWS Workload Credentials Provider 的全过程。通过 Sidecar 模式，应用可以无感知地获取 AWS Secrets Manager 中的敏感配置，无需在代码中处理复杂的 AWS 认证逻辑。 在 Kubernetes 中 阅读全文
posted @ 2026-06-28 21:18 zhaojie10 阅读(10) 评论(0) 推荐(0)
在ParallelCluster 集群中通过 PyTorch DDP微调LLM模型的实践
摘要： 当大语言模型的训练从单张消费级显卡迈向企业级集群，我们进入了一个全新的技术维度。这不仅仅是硬件规模的扩张，更是架构思维的根本转变——如何在多台机器之间协调计算资源，如何在网络延迟与计算效率之间寻找平衡，如何在异构环境中保持代码的可移植性。本文记录的是一次完整的技术探索：在AWS中国区（cn-nort 阅读全文
posted @ 2026-06-28 14:39 zhaojie10 阅读(7) 评论(0) 推荐(0)
当 Bedrock 不可用时，在中国区使用Strands Evals Detector进行Agent故障诊断的方案
摘要： Detector 是什么 想象你管理一个 AI Agent 服务。用户说这个 agent 今天表现很差，你看监控面板：成功率从 95% 掉到 78%。但监控只能告诉你分数掉了，不能告诉你为什么掉了。你想深入分析，打开 trace 日志——每天几千条 trace，每条几十个 span，每个 span 阅读全文
posted @ 2026-06-28 11:40 zhaojie10 阅读(8) 评论(0) 推荐(0)
当SSH成为过去，用Agent结合SSM文档重新定义云上容器环境故障诊断
摘要： 本文介绍一种基于LLM和AWS SSM的EKS故障诊断架构，完全摒弃传统的SSH登录模式，让AI成为运维工程师的"智能助手"。 想象一下这样的场景：凌晨两点，监控系统突然报警，XXXXXXX集群的一个节点无法加入。作为运维工程师，你的第一反应是什么？找IP地址，检查SSH密钥，确认安全组22端口是否 阅读全文
posted @ 2026-06-28 02:37 zhaojie10 阅读(6) 评论(0) 推荐(0)
2026年6月1日
DuckLake湖仓数据格式常用操作实践以及和Iceberg的对比
摘要： 最近看到一篇关于ducklake的文章，深入了解下这个新的湖仓数据规范。 来源： https://mp.weixin.qq.com/s/RFbW-ChAbUBSP-9ETqCcDA 云上数据工程的基本范式是计算存储分离，数据以 Parquet 格式躺在 S3 或 GCS 上，便宜、持久、没有厂商锁定 阅读全文
posted @ 2026-06-01 13:36 zhaojie10 阅读(54) 评论(0) 推荐(0)
部署Wan 2.2文生视频并通过拼接生成长视频的实践
摘要： 本地化视频生成有几个绕不过的问题，闭源 API（Seedance、Sora）拿不到权重，开源里 SkyReels-V2 等模型版本兼容差、无官方蒸馏、慢且不稳；单次推理超过训练窗口（约 120 帧）画面就崩。 本文记录在 L40S 48 GB GPU 上做的事：部署 Wan 2.2 14B FP8 阅读全文
posted @ 2026-06-01 00:53 zhaojie10 阅读(325) 评论(0) 推荐(0)
2026年5月31日
通过diffusers和ComfyUI部署测试Z-Image base模型
摘要： Z-Image（造相）是阿里通义实验室 2026 年初开源的 6B 图像生成基座模型，以照片级写实、精准中英双语文字渲染和强可微调性著称。Z-Image 是一个 6B 参数的模型家族，官方目前规划 4 个变体： 变体 Step CFG 任务 画质 多样性 可微调 状态 Z-Image-Omni-Ba 阅读全文
posted @ 2026-05-31 16:56 zhaojie10 阅读(121) 评论(0) 推荐(0)
下一页