MLOps Community 全量 30 篇，已本地化改写为国内企业语境
架构 8 篇 · 工具评测 5 篇 · 工程实践 12 篇 · 协议与规范 1 篇 · 成本测算 2 篇 · 安全 1 篇 · 社区 1 篇
这篇不讲厂商宣传，只讲从真实项目里长出来的 AI 技术栈。目标是形成一份同行验证过的、任何人都能拿来建 AI 系统的共享蓝图——由实践经验决定，而不是营销话术。
Rosie 是 iFood 的 AI 客服 agent，服务数百万用户。文章讲他们如何把「延迟」作为核心约束来做架构设计。
系列收官篇，研究了 20+ 记忆与认知相关工具，给出一份给架构师看的 AI 记忆全景图。
把人类记忆拆成功能分层，再一一映射到 AI 记忆架构上，给出一套可落地的分层设计。
副标题：It's a feature of the architecture。文章论证幻觉不是训练数据没洗干净的问题，而是架构本身的产物。
深入剖析 MCP 等 agent 协议在实践中的现实局限，提出用操作系统（尤其是 Linux 哲学）的思路来理解 Agent。
文章认为上下文图谱（context graph）可以作为「人类判断」与「机器执行」之间的记录系统，缺了这一层 Agent 就落不了地。
讲怎么把散落的多模态资产（演讲视频、字幕、图片等）统一进一个记忆层，让 agent 能跨模态检索。
企业搭 AI Agent 平台时，网关该怎么选。LiteLLM 知名度高、生态成熟；agentgateway 走开源路线、可定制性强。文章从企业落地视角对比两者。
对比当前主流的模型服务运行时（serving runtime），讲清楚各自的适用场景，帮你搭出优化过的 ML API。
Chaigent 把 Chainlit 和 Vertex AI 组合起来，给出一个代码优先、服务端可控的低成本方案。
mAIdAI 是一个用 Google Chat + Vertex AI 搭的轻量个人 AI 助理，讲清了从 0 到 1 的搭建路径。
一份给初学者的动手路线图，一步步带你把 Kubernetes 跑起来。
要让 AI 编码 agent 真正读懂你的 MLOps 仓库，核心是消除歧义。文章讲如何把仓库整理成 agent 能直接上手的结构。
深入剖析 AI 工程里的「凭直觉设计税」——凭经验拍脑袋定 Agent 架构的代价，以及用演化式方法替代的做法。
很多编码 agent 失败是因为内部规划循环全靠即兴发挥。文章提出用 Plan-Do-Check-Act 显式循环，让 agent 能把开了头的事做完。
让编码 agent 一上来就联网搜文档，既浪费 token 又慢。文章提出在本地维护一份共享参考文档，让 agent 先本地回答。
记录一个工程与创业视角的个人转变——从自己敲键盘，变成指挥一组 agent 协作完成任务。
在多个 AI 编码平台（如 Claude Code、Cursor 等）之间管理子 agent 人格定义很麻烦，Supagents 给出统一管理的做法。
讲清楚 Claude Code Hooks 怎么用来自动控制和编排你的 AI 编码工作流。
逐步拆解 RePPIT 这个五步框架，讲它怎么把生产级代码的交付速度提上去。
5xP 是一套实操策略，用五份针对性的 Markdown 文件给编码 agent 定边界、给上下文，让它不乱跑。
手把手讲怎么搭一个能在海量事件数据里真正「找得到东西」的 AI agent，第二部分。
核心观点：把 AI 当成一名初级工程师来用，AI 编码平台才真的好用。图解形式讲具体做法。
探讨怎么用「Agent Skills」——一种简单的 Markdown 格式——把需求规格和编码 agent 之间的鸿沟补上。
解析即将到来的 MCP 2026-07-28 规范更新：核心转向无状态，补齐企业级授权能力，同时放出 SDK 测试版。做 MCP 集成的团队需要提前看。
一篇有实测数据支撑的复盘（RETEX），讲在给开发者足够自主权和把成本压住之间，怎么找到平衡点。
算 Agent 的 ROI 时大家只算模型账单，这是算窄了。真正的成本大头是人的复核时间。
一旦 agent 会用工具，普通的业务内容（邮件、文档、网页）就成了攻击面——这就是间接提示注入。文章讲风险与防护。
MLOps Community 正式加入 Linux Foundation，成为官方用户组，社区进入 2.0 阶段。