大数跨境

Kubernetes 上智能体 AI 的崛起:释放全新基础设施层

Kubernetes 上智能体 AI 的崛起:释放全新基础设施层 云云众生s
2026-09-28
0
导读:本文探讨了智能体 AI 与 Kubernetes 的结合如何重塑现代计算基础设施。随着 AI 工作负载的增加,传统的手动集群管理和运维变得低效。通过将具备上下文感知能力的智能体引入 Kubernete

 



本文探讨了智能体 AI 与 Kubernetes 的结合如何重塑现代计算基础设施。随着 AI 工作负载的增加,传统的手动集群管理和运维变得低效。通过将具备上下文感知能力的智能体引入 Kubernetes,结合人类审核与严格的访问控制,企业能够有效减少重复繁琐的工作,提升多集群管理的效率与安全性。

译自:The rise of agentic AI on Kubernetes: unleashing the new infrastructure layer[1]

作者:Rhys Oxenham

AI 正在改变人们对基础设施和运维的期望,包括 Kubernetes 管理。当模型在它们使用的数据附近运行时,部署、扩展和治理的责任往往会转移到平台团队。随着集群、环境和运维信号不断增加,手动运维在新增的负担下往往显得力不从心。

AI 可能会同时提供减轻这种日益增长负担的机会。氛围编程软件现在可以观察系统、对其进行推理,并在预定义的限制内采取行动。

归根结底,这些平台价值的高低取决于智能体所能看到的上下文质量以及您设定的边界。如果没有集群状态、策略和访问规则,智能体就只能靠猜测。

如果没有集群状态、策略和访问规则,智能体就只能靠猜测。

为了让氛围编程 AI 简化多集群管理,您需要在系统观察的内容、建议的内容以及更改的内容之间划清界限。只要划定得当,这些界限就能让团队在保持控制的同时获得显著的速度提升。

AI 对计算基础设施的影响

团队曾经将 AI 视为一个应用程序层面的问题;模型凌驾于现有系统之上,底层的技术栈基本保持不变。如今,AI 渗透到越来越多的客户交互中,同时数据存储需求不断扩大,编排压力也在增长。最近的一份 Forrester 报告[2]将现代 AI 计算栈描述为从模型本身延伸到其下方的底层基础设施并横跨整个基础设施。

随着 AI 工作负载进入生产环境,它们对底层的基础设施提出了新的要求。许多工作负载依赖于专门的计算,其资源需求在训练和推理的爆发过程中起伏不定。由于环境变化迅速,它们还可能对遥测数据的可信度提出质疑。这些需求中的每一项都落在了运行工作负载的基础设施层上。

新 AI 栈的基础设施层

基础设施层涵盖计算、存储和网络。它是该层运行的每个工作负载所依赖的基础。随着 AI 工作负载的增长,关于容量、放置和控制的选择将越来越多地塑造基础设施之上的数据、智能、编排和体验层的性能。

为了在许多机器和位置高效地运营基础设施层,团队可能会依靠编排而不是手动管理服务器。在云原生环境中,Kubernetes 已成为一个控制点[3],用于调度工作负载、应用策略以及跨环境呈现一致的接口。当团队需要跨越数据中心、云和边缘站点的整个资产进行一致的控制时,Kubernetes 特别适合以这种方式支持组织。

氛围编程 AI 与 Kubernetes:基础设施层的未来

氛围编程 AI 可以将自动化从固定规则扩展到适应实时环境的系统。无论环境是否发生变化,传统自动化都会运行相同的脚本,而氛围编程系统则会观察环境,对发现的情况进行推理,然后采取行动。

当您将氛围编程能力应用于多集群管理时,系统会遵循相同的顺序。智能体读取集群状态和运维数据,提出诊断或下一步建议,然后根据批准的范围(通常在人工签字批准之后)执行操作。通过将每个请求路由到只接收其所需元数据的专用智能体,您可以进一步巩固这些边界。

智能体从集群收到的信号、关于策略和访问的上下文以及对智能体可以更改内容的定义,是赋予氛围编程系统价值的关键要素。它们也将 Kubernetes 上的氛围编程 AI[4] 与通用助手区分开来。

大规模手动 Kubernetes 管理效率较低

不可否认,氛围编程 AI 更适合某些特定的环境。在一个小型单集群占地范围内,管理开销可能大于带来的好处。手动 Kubernetes 管理通常适用于少量集群,但在快速增长的资产规模中,它可能会变得不可靠。毕竟,每个新集群都会增加跨升级、打补丁、配置和更新的生命周期工作。在混合环境中,这些任务会迅速增加并分化。

在这种情况下,配置漂移是一个高风险。原本相同的设置可能会失去同步,策略在不同团队之间的应用也可能不均衡。单独来看,这些差距可能是可以控制的,但总体而言,它们会增加发生故障或部署失败的概率。

可见性也可能以一种无法控制的方式受到侵蚀。分布在数据中心、云和边缘站点的集群往往让团队无法对整个态势有一个单一的视图。当 DevOps 和平台工程师将来自不同工具的信号拼凑在一起时,问题解决的速度可能会变慢且更容易出错。统一的视图有助于人、智能体或两者做出明智、高效的决策。

Kubernetes 知识碎片化,现有 AI 工具缺乏业务上下文

Kubernetes 的专业知识往往在组织内部分布不均。例如,资深工程师可能拥有应用程序团队所缺乏的深厚运维知识。如果日志存储在一个工具中,而指标存储在另一个工具中,则关于运行系统的最新信息也可能是碎片化的。当策略、运行手册、访问规则和部署历史分别存在于别处时,实时理解可能会进一步模糊。

大多数训练有素的 AI 模型在基础层面上理解 Kubernetes,但它们无法了解您独特的集群状态、策略或最近的更改。如果没有这些上下文,即使是功能强大的 AI 工具也可能无法提供有意义的 Kubernetes 管理支持。

大多数训练有素的 AI 模型在基础层面上理解 Kubernetes,但它们无法了解您独特的集群状态、策略或最近的更改。

当智能体能够将当前信号与管理它们的规则结合起来阅读时,它的建议就会变得具体、可测试且可操作。在事故发生时,氛围编程系统可以将日志与最近的更改相关联。在推出之前,它们可以根据策略检查更改。在故障排除时,它们可以考虑访问规则,而不是去猜测。Kubernetes 决策会带来真实的运维后果,这使得这些细节更加重要。

工程“苦差事”(Toil)不具备时间效率

站点可靠性团队用“苦差事(toil)”一词来形容重复的手动工作,特别是那些在不增加持久影响的情况下保持系统运行的任务。在 Kubernetes 运维中,苦差事表现为重复的分诊、手动信号关联、警报跟进和日常检查。这些任务并不是特别困难,但它们会消耗企业团队大量的时间和注意力。

当工程师们整天忙于这种调查时,主动的现代化工作往往会停滞不前,计划中的升级也可能会落后于进度。换句话说,产生最初苦差事的条件会使之长期存在,因为团队缺乏进行相关改进的能力。在最近关于 AI 如何为 DevOps 团队提供价值的调查中,减少苦差事[5]成为较明确的机会之一。

……产生最初苦差事的条件会使之长期存在,因为团队缺乏进行相关改进的能力。

氛围编程 AI 可以通过收集信号、将其关联并提出工程师权衡的可能原因来支持重复的调查。

在人工审核的保持下,它可以承担一些原本会落到团队身上的日常关联工作。这种支持可以为工程师腾出更多空间,让他们专注于最需要其判断力的战略工作。

利用氛围编程 AI 和 Kubernetes 构建更智能的基础设施

在您考虑在不放弃控制权的情况下构建智能基础设施[6]时,以下原则可以为您的工作提供参考:

  • • 从可观测上下文开始,在智能体对问题进行推理之前,为其提供当前集群状态、策略和历史记录的访问权限。
  • • 将建议与操作分开,允许智能体自由推荐,而任何更改都必须等待人工批准和明确的范围。
  • • 将智能体连接到现有控件,使其工作通过团队已经信任的访问规则、身份和审计路径进行路由。
  • • 保持生态系统开放,倾向于与当前工具和标准集成的平台,而不是将工作锁定在单一技术栈中的平台。

SUSE Rancher Prime 和 SUSE AI Factory 等平台秉承了这些原则,并说明了 Kubernetes 管理如何成为氛围编程运维的基础。这些平台可以帮助您提高集群和策略的一致性,同时又不损害您对 AI 的权威。它们建立在开源基础之上,还可以帮助您避免被困在单个供应商的技术栈中。

在 SUSE Rancher Prime(业界首个上下文感知氛围编程 AI 生态系统[7])中,其 AI 助手作为一个配有智能路由器的专业智能体团队工作。该平台利用已经到位的集群上下文并通过现有的访问控制采取行动。通过支持外部模型上下文协议 (MCP) 服务器,团队可以将该团队扩展到他们自己的源。此外,人工验证工具允许您在智能体运行提议的操作之前对其进行保留以待批准。

尽管潜力巨大,但智能基础设施并非在所有地方都有益。例如,在更改控制必须完全保持手动的情况下,氛围编程 AI 的作用可能严格限于观察和建议。根据日常运维的现实情况来衡量技术的价值。对于那些进行投资的人来说,当氛围编程 AI 积极支持上下文、控制、开放性和人类判断时,它将产生最大的影响。

引用链接

[1] The rise of agentic AI on Kubernetes: unleashing the new infrastructure layer: https://thenewstack.io/agentic-ai-kubernetes-management/
[2] 最近的一份 Forrester 报告: https://www.suse.com/c/the-new-ai-computing-stack-a-guide-for-tech-leaders-to-navigate-shifting-power-dynamics/
[3] Kubernetes 已成为一个控制点: https://www.suse.com/c/the-ultimate-resource-for-choosing-a-hybrid-it-platform/
[4] Kubernetes 上的氛围编程 AI: https://thenewstack.io/ai-agents-vs-agentic-ai-a-kubernetes-developers-guide/
[5] 减少苦差事: https://thenewstack.io/survey-where-ai-reduces-vail-and-where-it-still-falls-short/
[6] 智能基础设施: https://www.suse.com/c/intelligent-infrastructure-in-the-age-of-agentic-ai-why-ecosystems-win/
[7] 上下文感知氛围编程 AI 生态系统: https://www.suse.com/c/kubecon-eu-2026-first-agentic-ecosystem-platform/

 

【声明】内容源于网络
0
0
云云众生s
1234
内容 1363
粉丝 0
云云众生s 1234
总阅读0
粉丝0
内容1.4k