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(3) 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(2) 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(2) 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(4) 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(39) 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(275) 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(99) 评论(0) 推荐(0)
部署Flux.1 Dev FP8模型并使用ComfyUI Skill生图的实践
摘要： ComfyUI 是当前生态最活跃的开源 stable-diffusion 推理框架，本文在L4 24 GB GPU + 32 GB RAM上部署Flux.1 Dev FP8 并运行工作流，探索从字符串到 PNG 的全过程，包括HTTP 服务、节点拓扑、文本编码、latent space、扩散去噪、C 阅读全文
posted @ 2026-05-31 02:17 zhaojie10 阅读(129) 评论(0) 推荐(0)
2026年5月30日
通过Toxiproxy从原理到实践理解混沌工程
摘要： 凌晨三点，告警群被打爆。订单系统响应时间从 30ms 飙升到 30 秒，数据库连接池告警，下游支付服务超时雪崩。事后复盘发现根因平淡得令人无奈：云厂商某可用区网络抖动 200ms。这个数字在开发环境从未出现过，开发者的笔记本到本地数据库通常 < 1ms，CI 流水线的容器之间通常 < 5ms。我们写 阅读全文
posted @ 2026-05-30 17:11 zhaojie10 阅读(9) 评论(0) 推荐(0)
2026年5月29日
在AWS裸金属实例上安装Cubesandbox并集成PydanticAI进行数据分析的实践
摘要： Cubesandbox 是腾讯开源的代码沙箱运行时，对外暴露 E2B 兼容的 REST API。其核心定位： API 协议层：与 E2B 完全兼容，应用层代码（包括 e2b-code-interpreter Python SDK）无需改动，只换 E2B_API_URL 执行隔离层：每个 sandbo 阅读全文
posted @ 2026-05-29 14:37 zhaojie10 阅读(27) 评论(0) 推荐(0)
下一页