Observability - 分类 - Shengxu · Cloud Architecture & DevOps

从 Azure SRE Agent 到 HolmesGPT：多云 Kubernetes 环境下的 AI 运维实践

Fri, 17 Apr 2026 19:40:00 +0800

多云 Kubernetes 时代，SRE 的痛点已经不只是“告警太多”，而是调查链路太长、上下文太分散、跨云排障成本太高。真正消耗人的，不是看一眼图表，而是在多个云平台、日志系统、部署记录和工单系统之间反复切换。

Cilium 2026（续）：统一数据平面正在怎样改变 Kubernetes 的平台结构

Sat, 21 Mar 2026 14:31:56 +0800

在上一篇关于 Cilium 的文章中，我们探讨了 2026 年迁移潮背后的真实原因：它不再仅仅是“一个更快的 CNI”，而是将 Kubernetes 网络、安全、可观测与多集群能力，重新组织成了一套更统一的基础设施底座，并理清了它与 Istio 的分工协作边界。

Cilium在 2026 年到底能为我们带来什么

Sun, 08 Mar 2026 10:30:00 +0800

——它到底带来了什么有意义的改变，以及该如何与 Istio 分工协作

到了 2026 年，很多团队讨论 Cilium，已经不是在问“它值不值得试试”，而是在问：“我们什么时候该迁过去？” 真正推动迁移的原因，通常不是单一的性能数字，而是 Cilium 把 Kubernetes 网络、安全、可观测性和多集群能力，重新组织成了一套更统一的基础设施底座。

周末造轮子：写了一个 LLM API Key 本地负载均衡器

Sat, 14 Feb 2026 10:18:00 +0800

最近因为一直在高强度使用各种 LLM 服务（OpenAI, Gemini, DeepSeek 等），遇到了一个很现实的痛点：贫穷。

为了省钱，我申请了多个免费的 API Key（比如 Google Gemini 的 Free Tier，或者 DeepSeek 的赠送额度），但这些免费 Key 往往有严格的速率限制（RPM/TPM）。写代码写得正嗨，突然弹出一个 429 Too Many Requests，思路瞬间被打断，非常搞心态。

实战 · 打造会记忆的AI 写作搭档（四）：可观察性（Metrics + Logs + Trace + Cost）

Thu, 05 Feb 2026 16:00:00 +0800

在上一篇中，我们讨论了 RAG 系统的安全性与 Prompt 注入防护。今天我们来聊聊另一个工程化深水区：可观察性（Observability）。

当系统从“能跑”走向“长期可用”，你一定会遇到三类问题：

实战 · 打造会记忆的AI 写作搭档（三）：安全架构（RAG 防护、事实守卫与 BYOK）

Wed, 04 Feb 2026 10:00:00 +0800

在前面2.5篇里，我已经把 FantasyNovelAgent 的主干讲清楚了：

这一篇我们深入探讨 AI 系统最容易被忽视、但至关重要的环节：安全性（Security）。

从流量守门到质量内窥：2026 年企业级 LLM 可观察性体系构建指北

Mon, 19 Jan 2026 15:00:00 +0800

随着大语言模型（LLM）从“尝鲜玩具”全面转变为企业的“生产力底座”，一个被所有技术管理者反复拷问的问题浮出水面：当 API 调用黑盒化之后，我们该如何像管理数据库或微服务那样，去管理这些庞大而昂贵的 AI 模型？

从改良到重塑：解构 Prometheus 监控架构的三种哲学与选型真相

Sun, 04 Jan 2026 17:00:00 +0800

回望过去几年在可观察性领域的摸爬滚打，尤其是围绕 Metrics 体系的建设，感觉就像是一场漫长的架构修行。从最开始守着单机 Prometheus 还要担心磁盘爆满，到后来引入 Thanos 试图做“无限存储”，再到如今用 Mimir 重构整个监控中枢，这些经历散落在记忆里，甚至有些细节已经开始模糊。