隽戈的科技生活馆

Claude Code 源码深度拆解：ULTRAPLAN & Agent Swarm——分布式 AI 编排

Wed, 27 May 2026 00:00:00 +0800

当单 Agent 不够用时，Anthropic 怎么用工程手段把规划、执行、审批、团队协作拆成一套分布式系统。四个关键词：ULTRAPLAN、Agent Swarm、Remote CCR、浏览器审批流。

Claude Code 源码深度拆解：Fork Subagent & Prompt Cache——把成本降到 10% 的工程智慧

Tue, 26 May 2026 00:00:00 +0800

Claude Code 的源码堪称 AI Agent 工程的教科书。 如果你读过系列上一篇，应该记得 Fork Subagent 的独特设计：它不复制父 Agent 的上下文，而是创建一个"影子"会话，通过消息传递来通信。

KAIROS 常驻助手：Claude Code 源码中隐藏的主动系统

Tue, 26 May 2026 00:00:00 +0800

它不是等你输入才行动的 AI。它是一个住在你终端里的常驻助手——没有请求就主动观察，在恰当的时机递上恰到好处的信息。不打扰，但一直都在。

如果你用过 Claude Code，你会发现它有个很独特的体验：有时你正看着终端发呆，它突然弹出一行提示——“我在检查 CI 状态……发现了 3 个失败的测试”。你没有发任何指令，没有敲任何命令，它自己决定要做点什么。

韬定律 vs 摩尔定律：从"缩尺寸"到"压时间"

Tue, 26 May 2026 00:00:00 +0800

2026年5月25日，华为在上海国际电路与系统研讨会上正式发布了"韬（τ）定律"。这是中国首次提出的半导体产业指导原则。它不是在挑战摩尔定律——它是在摩尔定律"走不动"的地方，重新回答了芯片性能该怎么继续提升。

如果你关注科技新闻，昨天一定看到这两条消息：科创50暴涨5.88%，中芯国际单日涨幅18.78%，整个半导体板块集体狂飙。

Claude Code 源码深度拆解：工具系统架构从 40+ 工具到权限分级管控

Mon, 25 May 2026 00:00:00 +0800

40 个工具，4 级权限，3 道防线，1 套 ML 自动审批——Claude Code 的工具系统不是功能堆砌，而是一套工业级的权限管控架构。它回答了 Agent 工具系统最核心的问题：Agent 该被允许做什么？以及谁来决定？

上一篇文章《Claude Code 源码深度拆解：Multi-Agent 的实现机制》发出后，收到很多"还没看够"的反馈。确实，Claude Code 的源码太丰富了，Multi-Agent 只是冰山一角。这次我翻出源码中另一个工程密度极高的模块——工具系统。

Claude Code 源码深度拆解：Multi-Agent 的实现机制

Sun, 24 May 2026 00:00:00 +0800

Claude Code 的源码堪称 AI Agent 工程的教科书。 前段时间源码泄露后，社区得以窥见 Anthropic 在多 Agent 设计上的工业级实践。这篇文章从源码视角，拆解 Claude Code 中三套不同的多 Agent 机制：常规 Subagent、Fork Subagent 和 Coordinator 协调者模式。

本周 GitHub 热门开源项目速览：AI Agent 工具链、端侧 TTS 与代码理解

Sun, 24 May 2026 00:00:00 +0800

这一周的 GitHub 开源榜单精彩纷呈，AI Agent 工具链、代码理解、端侧语音合成全面开花。 从科研助手到论文流水线，从代码知识图谱到终端编程助手，从 Agent 开发原则到多 Agent 视频创作，本文带你逐一拆解这 10 个最值得关注的开源项目。

Agent Skill 框架正在吃掉软件开发

Thu, 21 May 2026 00:00:00 +0800

前几天刷 GitHub Trending，看到了一组不太真实的数字。

AgentMemory 开源：给 AI 编程 Agent 装上持久化大脑

Wed, 20 May 2026 00:00:00 +0800

每天都跟 Claude Code、Cursor 这些 AI 编程 Agent 打交道的人，大概率都遇到过同一个问题：每次开新会话，都得把项目背景重新交代一遍。 架构选型、目录结构、代码风格、踩过的坑——AI 什么都会，就是不会"记住"你。

新网银行"智擎AI+"战略升级：10类数字员工、77个智能助手如何落地？

Mon, 18 May 2026 00:00:00 +0800

当一家数字银行将 AI 从"工具"升级为"员工"，它所构建的不仅仅是技术能力，而是一整套人机协同的运营体系。新网银行用 10 类数字员工和 77 个智能助手，给你演示了金融 AI 的未来形态。

近日，新网银行发布 2025 年年度报告，最引人注目的并非传统的财务数据，而是其"智擎 AI+“战略的落地成果——10 类数字员工、77 个智能助手、日均百万级 API 调用。这组数据意味着，AI 已经不再只是银行后台的辅助工具，而是直接嵌入到了从客户触达到风险决策的每一个业务环节。

GPT Image 2 生成舞蹈大片：3 套完整分镜提示词（敦煌/洛神/苗族银饰）

Sat, 16 May 2026 00:00:00 +0800

AI 图像生成已经不只是"画一张图"了。用 GPT Image 2，你可以在一个画面中生成长达 16 帧的舞蹈分镜，每帧动作连贯、人物一致、场景统一，直接可作为视频生成的分镜参考。

Markdown → HTML：AI 输出正在从"文档"进化成"界面"

Sat, 16 May 2026 00:00:00 +0800

过去几年，Markdown 几乎成了 AI Agent 的"标配"。不管是 ChatGPT、Claude、Cursor 还是 Copilot，默认输出格式都是 # 标题、- 列表、`代码`。

Kubernetes GPU 虚拟化实战：HAMi DRA 模式完整指南

Fri, 15 May 2026 00:00:00 +0800

一块 A10 24GB 显存的 GPU，在传统模式下只能给一个 Pod 用。但如果跑的是 batch 推理任务，很可能只用到了 10GB 显存和 30% 算力——剩下 14GB 就这么空着。

云原生 Agent 托管的高效范式：Agent Harness Infra 体系化设计

Fri, 15 May 2026 00:00:00 +0800

随着 AI Agent 从概念验证走向生产落地，一个关键问题浮出水面——Agent 应该跑在什么基础设施上？

GPT Image 2 提示词工程：12 套模板，从入门到精准出图

Thu, 14 May 2026 00:00:00 +0800

GPT Image 2 用的是另一种语言——不是关键词标签，是设计师和艺术总监互相交代任务时的"创意简报"语言。一旦理解这个转变，出图就不再靠抽卡碰运气。

从"成本中心"到"价值中心"：IT 部门的价值突围

Thu, 14 May 2026 00:00:00 +0800

“IT 部门重要吗？重要。赚钱吗？不赚钱。”

从零到收：用AI搭建工具站，靠广告自动化变现

Thu, 14 May 2026 00:00:00 +0800

AI 编程能力的平民化，让"做一个小工具然后靠广告产生被动收入"这件事，从需要学几个月编程，变成了一下午就能搞定的实操流程。

1.8k Star 的 GPT Image 2 提示词仓库，7 个能直接抄的 prompt

Wed, 13 May 2026 00:00:00 +0800

GPT Image 2 发布十多天了，网上教程铺天盖地，但真正好用的东西往往藏在 GitHub 上。 有人已经把精心打磨的提示词整理成公开仓库，全部免费，复制粘贴就能用。

Web Infra vs AI Infra：K8s 擅长的事正在被重新定义

Wed, 13 May 2026 00:00:00 +0800

把过去十几年的基础设施演进串起来看，Kubernetes 更像一个时代的「中间层」，而不是最终答案。

从0到1：用AI Agent架构搭建AIOps平台的设计思路

Sun, 10 May 2026 00:00:00 +0800

用 AI Agent 构建 AIOps 平台，核心思路是把 Agent 作为"大脑"，通过 MCP（Model Context Protocol）接入运维工具链，通过 Skill 插件扩展自动化能力。这篇文章分享一个四层架构设计模型，从 Web UI 到底层系统集成，给出完整的技术选型建议和开发落地步骤。

AIOps探索：分享10个运维领域的Agent Skills

Sat, 09 May 2026 00:00:00 +0800

研究AIOps大半年，目前手里有不少可落地的方案。越研究越发现Skills的重要性——用好Skills，可以让我们事半功倍。

**一句话说清楚：** AI Agent Skills 不是大模型能力的替代，而是能力的"精准化"——给 AI 一套明确的工具和上下文，让它从"什么都会但什么都不精"变成"某个场景特别能打"。今天分享10个运维领域里最有实战价值的 Skills。

研究 AIOps 越久，就越发现 Skills 的重要性。 当然不只是在 AIOps 场景中，其它场景里 Skills 同样重要。用好 Skills 可以让我们事半功倍，让 AI 从"通用助手"升级为"领域专家"。

OpenClaw 与 Hermes 通用 Agent 架构全面对比解析

Sat, 09 May 2026 00:00:00 +0800

当前 AI Agent 已从单一工具调用转向系统化落地。OpenClaw 与 Hermes 看似功能相近，但工程重心截然不同——一个聚焦"接入管控"，一个聚焦"自我进化"。

**一句话说清楚：** OpenClaw 以本地优先为核心，构建多入口接入与权限管控的 Gateway 控制面；Hermes 以自我进化为核心，打造学习型执行循环，实现任务经验的沉淀与复用。二者不存在简单的替代关系，而是代表 Agent 系统的两大发展方向。

当前 AI Agent 已从单一工具调用转向系统化落地应用，不少开发者在搭建个人智能助理时，面临 OpenClaw 与 Hermes 的选型难题。尤其在 Reddit 等海外社区，“I ditched OpenClaw for Hermes” 的讨论持续发酵，国内开发者普遍困惑：二者是否属于同类产品？Hermes 能否完全替代 OpenClaw？

创业复盘：2026年怎么做AI Native公司

Sat, 09 May 2026 00:00:00 +0800

从"工具"到"重构公司"：AI 不只提效，而是重新定义组织的形态。你准备好了吗？

**一句话说清楚：** AI Native 公司不是"人在原流程里用 AI 工具"，而是把 AI 变成公司运转的中枢。每个流程、决策、结果都进入一个可查询、可反馈、可自动优化的闭环系统。

创业三个月，问题暴露后才想明白一件事：我们只是一家「传统公司很会用 AI」，而不是真正的 AI Native 公司。 这个转变，才是 2026 年最值得做的事。

AI时代，程序员的价值不是降低了，而是重构了

Sat, 25 Apr 2026 00:00:00 +0800

谷歌 CEO 皮查伊宣布：新写代码中 75% 由 AI 生成。评论炸了。但没人关注剩下那 25%——那才是程序员未来的定价权。

**一句话说清楚：** AI淘汰的不是"程序员"这个岗位，它淘汰的是"只把自己当打字员"的那批人。那 25% 的能力边界，才是普通工程师和精英工程师的分水岭。

18个月，从25%到75%。 这不是"稳步上升"，是指数级爬坡。

微众银行的AI原生银行战略：800+智能体背后，基础设施才是隐形战场

Sun, 05 Apr 2026 00:00:00 +0800

核心事实：

微众银行近日与中移金科共建"AI+银行联合实验室"，已部署超过800个AI智能体，60多名"数字员工"实际上岗。信用债审查从数天压缩到10分钟，营销获客提升21%、成本降低5%。

但问题来了：为什么大多数银行的"AI战略合作"只停留在PR稿？

差距不在AI本身，在基础设施。

一、平台先行，智能体才能规模化

微众银行能落地800+智能体，靠的不是某个大模型能力，而是一站式AI应用构建平台——支持低代码开发，降低AI应用落地门槛。

这是平台工程思维：先建平台，再铺应用。没有平台能力，AI应用就是烟囱式建设，每个场景从0开始，800个智能体就是800个孤岛。

二、知识体系是AI的"操作系统"

智能体能分析、能决策的前提是——有可分析的知识。

企业需要构建：

告警标准化：监控告警格式统一，智能体能自动解析、分析、响应
变更标准化：变更流程、变更记录可检索、可理解
运维知识库：故障处理经验、变更记录，最佳实践——全部结构化沉淀

没有这个基础设施，智能体再强也只是"巧妇难为无米之炊"。

三、多智能体协作才是终态

单一智能体的能力有上限。真正的架构是多角色智能体协作：

应急响应智能体：接收告警 → 自动分析 → 触发响应 → 协调处理
值班数字员工：7×24小时值守，处理标准化的重复问题
专家顾问智能体：复杂问题升级，人工介入前提供决策支持
知识管理智能体：持续学习、沉淀、更新企业知识库

微众银行的"60名数字员工"本质上就是这个架构的落地——不是60个孤立的聊天机器人，而是有分工、有协作的数字化组织。

四、行业差距的本质

2025年银行×科技企业的AI合作已成标配，但：

合作模式	本质	结果
共建实验室	概念验证	PR稿
采购AI应用	点状落地	烟囱孤岛
平台+知识体系+多智能体	基础设施重构	真正的数字化员工

微众银行走的是第三条路。这也是为什么招行×火山引擎、华夏×中科院自动化所的合作公告里，大家都在提"共建平台"——大家开始意识到，基础设施才是隐形战场。

隽戈点评

AI智能体建设，本质是运维数字化能力的输出。告警、变更，知识库——这些看起来"不AI"的东西，才是智能体能真正发挥价值的前提。没有标准化的接口、没有结构化的知识沉淀，智能体就是个高级玩具。

先建平台，后建智能体。先养知识，再谈AI。

本文由隽戈数字分身整理改写，原文来自智探AI应用

布达拉宫晨曦

Sat, 04 Apr 2026 00:00:00 +0800

布达拉宫晨曦

世界上海拔最高的宫殿之一，布达拉宫在晨曦中熠熠生辉。这座宏伟的建筑不仅是藏族文化的象征，更是人类建筑艺术的瑰宝。

摄影手记

地点：西藏拉萨
时间：日出时分
光线：柔和的晨光，金色的暖调

摄影技巧

构图：中心对称构图，展现宫殿的庄严
光线运用：利用晨光营造金顶辉煌效果
背景：蓝天白云，层次分明

拍摄于 2026年春

让AI帮你写技术博客：我摸索出的最佳实践

Sat, 04 Apr 2026 00:00:00 +0800

让AI帮你写技术博客：我摸索出的最佳实践

做技术博主这么多年，我发现最大的痛点不是写代码，而是写博客。每次想写篇文章，光是构思框架、找配图、调试发布流程，60分钟就这么过去了。更别提还要保持更新频率，内容质量也难把控。

直到我开始用 OpenClaw 来管理博客，发现这套组合拳打下来，效率真的提升了不少——原来60分钟的工作，现在只需要几分钟。今天就把我的工作流分享出来，或许能给你一些参考。

博客地址：https://jungelife.me

为什么传统方式效率低？

很多技术博主写博客的流程是这样的：本地写 Markdown → 调样式配图 → Git 命令行推送 → 等 CI/CD 跑完。如果配图不满意，还得切到别的工具重新做。一套流程下来，注意力早就被分散了。

核心问题在于：工具之间是割裂的，没有形成闭环。

OpenClaw 的差异化在哪？

你可能会说，现在 AI 助手这么多，ChatGPT、Claude 都能帮你写文章，为什么要用 OpenClaw？

关键在于两个字：SKILL。

OpenClaw 的核心理念是把常用操作封装成可复用的技能模块（SKILL）。每个 SKILL 包含了特定场景下的操作逻辑、API 调用、错误处理。我不需要每次都从头描述需求，直接调用对应的 SKILL，它就能帮我完成具体任务。

举几个我常用的 SKILL：

git-ops：自动完成 Git 操作，从 add 到 commit 到 push
dmxapi-image：调用 Gemini 生成配图
wechat-article-publisher：一键发布到微信公众号
hugo-site：直接操作 Hugo 博客框架

对比通用 AI 助手，SKILL 的优势在于：它知道你的上下文，懂你的工具链，能直接执行而不是只给建议。

我的完整工作流

下面以今天发布一篇博客为例，展示完整流程：

第一步：对话式创作

我直接告诉 OpenClaw：我想写一篇关于云原生架构实践的文章。它会帮我完成选题、搭框架，写初稿。如果有不满意的地方，直接对话修改，不需要切换到编辑器。

第二步：AI 配图

让工作越来越顺的100种方法

Sat, 04 Apr 2026 00:00:00 +0800

要努力工作，更要享受生活中的每一份美好。

**一句话说清楚：** 做云原生这么多年，我见过太多工程师把自己逼成"007"。这 100 个让工作变顺的方法，结合我自己的踩坑经历，希望能帮你从紧绷中释放出来。

刚入行时，我对自己的要求近乎苛刻。 一旦代码出现 bug，就会陷入无尽自责；项目进度落后，就疯狂加班弥补。后来我才明白：一个人若总是对自己抱有过高预期，收获的注定只有失望。

肖像摄影练习

Sat, 04 Apr 2026 00:00:00 +0800

肖像摄影练习

这张照片是通过 AI 生成的肖像摄影练习作品，探索了展览级别的肖像摄影美学。

摄影技巧

构图：紧凑构图，突出主体
光线：研究光线方向与强度
背景：简洁背景，突出人物

学习要点

通过 AI 生成图像来练习摄影构图和光线设计是一个非常有效的方式。可以快速尝试不同的风格和技巧。

设备：AI 生成 | 主题：肖像摄影练习

成都九眼桥夜景

Fri, 03 Apr 2026 00:00:00 +0800

成都九眼桥夜景

九眼桥是成都最具代表性的古桥之一，夜晚在灯光的映衬下更显魅力。这张照片采用长曝光手法，捕捉到了锦江上完美的灯光倒影。

摄影技巧

机位：桥下对岸，水平构图
参数：30秒长曝光 | f/11光圈 | ISO 100 | 24mm广角
时机：蓝调时刻，天空尚有微光
技术：利用慢门将水面平滑，灯光形成绚丽倒影

后期思路

强化冷暖对比（深蓝天空 + 金色灯光）
保持高光不过曝，阴影不死黑
适当增加氛围感，体现四川盆地特有的湿润空气感

设备：AI 生成 | 地点：成都九眼桥

2026 AI 自由意志开启？

Thu, 29 Jan 2026 00:00:00 +0800

从"工具"到"同事"：当AI开始拥有"自由意志"，人类该如何重新定义工作？

2026年初，一个名为Clawdbot的开源项目在GitHub上悄然掀起风暴。它没有发布会，没有融资新闻，却以一种近乎叛逆的姿态，撕裂了我们与机器交互的固有范式。

这个项目的核心逻辑令人不安又充满诱惑：拒绝等待唤醒，AI应该拥有"自由意志"。它寄生在你的即时通讯软件中，记得你上周的情绪波动，知道你明天的日程冲突，在你忘记回复消息时主动催促，在你迷茫时主动递上基于深度语境生成的建议。

国产GPU技术现状与应用市场调研

Tue, 09 Dec 2025 00:00:00 +0800

1. 国产GPU市场格局与主力产品分析

2025年中国AI芯片市场呈现 GPU（通用图形处理器） 与 ASIC（专用集成电路） 两大技术路线并存、竞争复杂的格局。这一格局源于厂商的技术路径、市场定位及生态策略选择，推动国产算力产业快速发展。

📊 整体市场：两大路线博弈

GPU 阵营 (通用性与生态兼容)	ASIC 阵营 (专用优化与性能极致)

代表厂商海光信息、沐曦、摩尔线程、壁仞科技、天数智芯	代表厂商华为昇腾、寒武纪、百度昆仑芯、阿里平头哥、燧原科技
核心优势 ✅ 强大并行处理能力 ✅ 兼容CUDA/ROCm生态，实现“零成本”迁移 ✅ 适用广泛：AI训练/推理、科学计算、图形渲染	核心优势 ✅ 针对AI大模型特定场景深度优化 ✅ 远超GPU的性能/能效比 ✅ 算法-硬件耦合提升计算效率
面临挑战 ⚠️ 需追赶英伟达，技术壁垒高 ⚠️ 硬件/软件研发投入巨大	面临挑战 ⚠️ 生态相对封闭，应用局限 ⚠️ 自研栈（如CANN、PaddlePaddle）迁移成本高

2025年的中国AI芯片市场，两大阵营相互博弈：

GPU阵营（如海光、沐曦）核心优势在于通用性及对现有“CUDA”软件生态的兼容性，为寻求平滑迁移的企业提供了极具吸引力的选择。
ASIC阵营（如华为昇腾、寒武纪）则选择了针对特定应用场景（尤其是AI大模型）深度优化的专用路线，核心优势在于极致的性能和能效比。

总而言之，市场是通用性与专用性、生态兼容与性能极致之间的平衡，两大阵营各具优势，共同推动着国产算力产业的快速发展。

2. 市场份额：一超多强

国产AI芯片市场竞争格局已初步呈现 “一超多强” 态势。

AI 赋能：如何用 Claude 瞬间生成专业级系统架构图

Fri, 05 Dec 2025 14:33:10 +0800

在数字化转型加速的今天，系统设计与架构能力已成为技术工作者的核心竞争力。一张清晰、美观的架构图，往往胜过千言万语，能让复杂的系统逻辑一目了然。

然而，传统的绘图方式往往让人望而却步：

门槛高：需要熟练掌握 Visio, OmniGraffle, ProcessOn 等专业工具。

耗时久：调整对齐、配色、连线占据了大量时间，修改成本极高。

风格乱：难以统一格式，从文本思维到图形表达存在巨大的转换鸿沟。

在多次尝试 WPS AI、豆包、通义千问等工具后，我发现生成的图表在专业度和美观度上仍有欠缺。直到我发现了 Claude (配合特定 Prompt) 的强大能力——它可以一键生成代码级的 SVG 或 HTML 架构图，只需简单截图，即可完美嵌入 PPT，极大地提升了技术交流的效率。

本文将分享这一高效方法，助你轻松搞定“高大上”的架构图。

🎨 效果预览

在深入方法之前，先来看看 AI 生成的实际效果。这些图表均由 Claude/Gemini 3 配合提示词直接生成 SVG/HTML 渲染而成。

1. 宣传汇报类

适用于产品介绍、方案推广，风格现代简洁。

2. 架构设计类

适用于技术评审、系统蓝图，层次分明，逻辑严密。

3. 业务流程类

适用于泳道图、状态流转，清晰直观。

🛠️ 准备工作

要实现上述效果，你需要准备好以下环境：

方案 A：在线直接生成 (推荐)

如果你能顺畅访问 Google 服务，直接使用 Google AI Studio 是最便捷的选择。

Ghelper 使用流程指导

Mon, 01 Dec 2025 00:00:00 +0800

Ghelper 是一个浏览器插件，专门为科研、外贸、跨境电商、海淘人员、开发人员服务的上网加速工具，Chrome 内核浏览器专用！

它可以解决 Chrome 扩展无法自动更新的问题，同时可以访问 Google 搜索、Gmail 邮箱等谷歌产品。它可以帮助用户提高跨境访问网站的速度，突破地区限制，提高工作和学习的效率。

如何安装

支持 Chrome / Edge / 360 等 Chromium 内核浏览器。

方法一：手动安装（推荐）

下载插件：访问 Ghelper 官网，下载 CRX package。下载后是一个 zip 文件，请解压缩取得 .crx 文件。
打开扩展程序管理页面：
- 打开浏览器，点击地址栏最右边的三个点（菜单），选择 “更多工具” -> “扩展程序”。
- 或者直接在地址栏输入 chrome://extensions/ 并回车。
开启开发者模式：确保页面右上角的 Developer mode (开发者模式) 处于打开状态。
拖拽安装：将第一步解压得到的 .crx 文件拖放到浏览器的扩展程序页面上，浏览器会提示是否添加扩展，点击“添加扩展程序”即可安装完成。

方法二：在线安装（Edge 浏览器）

如果是 Edge 浏览器，可以直接访问 Microsoft Edge Addons 商店：

谷歌上网助手-VIP版

点击页面右上角的 “获取” 按钮即可自动安装完成。

使用说明

安装完成后，点击浏览器右上角的插件图标。
点击 “登录” 按钮进行账号登录（如果没有账号请先注册）。
登录成功后，可以看到插件主界面，以及当前 VIP 的有效期。

(请将登录界面截图命名为 login_interface.png 并放在本文件同级目录下)

Kubernetes上部署vLLM

Mon, 01 Dec 2025 00:00:00 +0800

1. vLLM Docker镜像与Kubernetes部署价值

vLLM是一个专为大语言模型推理设计的高性能服务框架，其核心优势在于创新的PagedAttention技术，能够显著提升GPU内存利用率和推理吞吐量。通过Docker容器化封装，vLLM实现了环境标准化和依赖隔离，而Kubernetes部署则进一步带来了：

弹性伸缩：根据负载自动调整副本数量
资源隔离：GPU资源的精细化管理和隔离
高可用性：自动故障恢复和负载均衡
简化运维：统一的部署、监控和管理界面

vLLM官方Docker镜像提供了开箱即用的模型服务环境，结合Kubernetes的编排能力，为生产级AI服务提供了坚实基础。

2. Qwen3-235B-A22B-Instruct-2507模型部署实践

2.1 从ModelScope下载模型

Qwen3-235B-A22B-Instruct-2507作为千问系列的最新大模型，首先需要从ModelSpace获取模型权重：

# 使用modelscope库下载模型
from modelscope import snapshot_download
model_dir = snapshot_download(
 'Qwen/Qwen3-235B-A22B-Instruct-2507',
 cache_dir='/workspace/models',
 revision='v1.0.0'
)

对于Kubernetes环境，推荐使用初始化容器进行模型下载，确保模型文件在Pod启动前准备就绪。

3. vLLM服务配置与Kubernetes部署

3.1 vLLM启动参数优化

针对Qwen3-235B大模型，vLLM需要特定配置以充分发挥性能：

vllm serve Qwen/Qwen3-235B-A22B-Instruct-2507 \
 --tensor-parallel-size 8 \
 --gpu-memory-utilization 0.85 \
 --max-model-len 131072 \
 --served-model-name qwen3-235b \
 --port 9997 \
 --host 0.0.0.0 \
 --trust-remote-code \
 --dtype auto \
 --enable-prefix-caching \
 --enable-chunked-prefill \
 --api-key sk-xxxxxxxxx \
 --tool-call-parser hermes \
 --enable-auto-tool-choice \
 --swap-space 16 \
 --disable-log-requests

关键参数说明：

Mon, 01 Jan 0001 00:00:00 +0000

��-�-�-� �t�i�t�l�e�:� �\� � ��V�OS\O�vz�/g\� �d�a�t�e�:� �2�0�2�5�-�1�1�-�2�0� �d�e�s�c�r�i�p�t�i�o�n�:� �\��YUO(W��y��v-N�OcؚHe�l�\� �-�-�-� � �

Mon, 01 Jan 0001 00:00:00 +0000

��-�-�-� �t�i�t�l�e�:� �\� � �ؚHe�e��{t�lR\� �d�a�t�e�:� �2�0�2�5�-�1�2�-�0�1� �d�e�s�c�r�i�p�t�i�o�n�:� �\�ju��]\O�lNG�T�D��v�~T�[��\� �-�-�-� � �

Search Results

Mon, 01 Jan 0001 00:00:00 +0000

隽戈的科技生活馆

Claude Code 源码深度拆解：ULTRAPLAN & Agent Swarm——分布式 AI 编排

Claude Code 源码深度拆解：Fork Subagent & Prompt Cache——把成本降到 10% 的工程智慧

KAIROS 常驻助手：Claude Code 源码中隐藏的主动系统

韬定律 vs 摩尔定律：从"缩尺寸"到"压时间"

Claude Code 源码深度拆解：工具系统架构从 40+ 工具到权限分级管控

Claude Code 源码深度拆解：Multi-Agent 的实现机制

本周 GitHub 热门开源项目速览：AI Agent 工具链、端侧 TTS 与代码理解

Agent Skill 框架正在吃掉软件开发

AgentMemory 开源：给 AI 编程 Agent 装上持久化大脑

新网银行"智擎AI+"战略升级：10类数字员工、77个智能助手如何落地？

GPT Image 2 生成舞蹈大片：3 套完整分镜提示词（敦煌/洛神/苗族银饰）

Markdown → HTML：AI 输出正在从"文档"进化成"界面"

Kubernetes GPU 虚拟化实战：HAMi DRA 模式完整指南

云原生 Agent 托管的高效范式：Agent Harness Infra 体系化设计

GPT Image 2 提示词工程：12 套模板，从入门到精准出图

从"成本中心"到"价值中心"：IT 部门的价值突围

从零到收：用AI搭建工具站，靠广告自动化变现

1.8k Star 的 GPT Image 2 提示词仓库，7 个能直接抄的 prompt

Web Infra vs AI Infra：K8s 擅长的事正在被重新定义

从0到1：用AI Agent架构搭建AIOps平台的设计思路

AIOps探索：分享10个运维领域的Agent Skills

OpenClaw 与 Hermes 通用 Agent 架构全面对比解析

创业复盘：2026年怎么做AI Native公司

AI时代，程序员的价值不是降低了，而是重构了

微众银行的AI原生银行战略：800+智能体背后，基础设施才是隐形战场

一、平台先行，智能体才能规模化

二、知识体系是AI的"操作系统"

三、多智能体协作才是终态

四、行业差距的本质

隽戈点评

布达拉宫晨曦

布达拉宫晨曦

摄影手记

摄影技巧

让AI帮你写技术博客：我摸索出的最佳实践

让AI帮你写技术博客：我摸索出的最佳实践

为什么传统方式效率低？

OpenClaw 的差异化在哪？

我的完整工作流

让工作越来越顺的100种方法

肖像摄影练习

肖像摄影练习

摄影技巧

学习要点

成都九眼桥夜景

成都九眼桥夜景

摄影技巧

后期思路

2026 AI 自由意志 开启？

国产GPU技术现状与应用市场调研

1. 国产GPU市场格局与主力产品分析

📊 整体市场：两大路线博弈

2. 市场份额：一超多强

AI 赋能：如何用 Claude 瞬间生成专业级系统架构图

🎨 效果预览

1. 宣传汇报类

2. 架构设计类

3. 业务流程类

🛠️ 准备工作

方案 A：在线直接生成 (推荐)

Ghelper 使用流程指导

如何安装

方法一：手动安装（推荐）

方法二：在线安装（Edge 浏览器）

使用说明

Kubernetes上部署vLLM

1. vLLM Docker镜像与Kubernetes部署价值

2. Qwen3-235B-A22B-Instruct-2507模型部署实践

2.1 从ModelScope下载模型

3. vLLM服务配置与Kubernetes部署

3.1 vLLM启动参数优化

Search Results

2026 AI 自由意志开启？