AI Agent 正在重塑云原生基础设施，Kubernetes 生态迎来 Agent 运行时、自定义指标和 Kubeflow 插件等关键更新，而开源模型以 10 倍成本优势紧追闭源前沿。
1. Kubernetes won the container decade. Google’s Agent Substrate wants the next one.#
Google 提出 Agent Substrate 作为下一代运行时，旨在接管 AI Agent 的信任与执行层。它试图在 Kubernetes 成功的基础上，为 Agent 提供原生调度、安全隔离和可观测性，这可能是云原生下一个十年的核心战场。 原文链接
2. Building a Custom Metrics Exporter for Kubernetes#
Kubernetes 官方博客详细介绍了如何编写自定义 Metrics Exporter，以支持 HPA 和自定义监控。文章从 exporter 架构、指标注册到部署最佳实践，是每个需要精细化自动伸缩的团队必读。 原文链接
3. Operating AI/ML Workloads on Kubernetes: A Headlamp Plugin for Kubeflow#
Kubeflow 用户现在可以直接在 Headlamp（原 Kubernetes Dashboard 的继承者）中管理 ML 工作流。这个插件让训练作业、模型部署和资源监控不再需要在多个 UI 间切换，大幅降低了 AI/ML 运维的门槛。 原文链接
4. Kubernetes Dashboard to Headlamp: A Step-by-Step Guide#
官方给出了从 K8s Dashboard 迁移到 Headlamp 的详细步骤，包括插件安装、主题配置和 RBAC 适配。Headlamp 的现代化 UI 和扩展性正在成为集群管理的新标准。 原文链接
5. Prefect just bought Dagster, another big Airflow rival — and it’s not a data pipeline story#
Prefect 收购 Dagster 并非简单的数据管道整合，而是为了构建统一的 Agent 编排层。这标志着工作流引擎开始从“调度任务”转向“协调 AI Agent”，运维人员需要重新思考 pipeline 的架构。 原文链接
6. Open-source AI is just “4 months behind” closed frontier models — and 10x cheaper#
开源模型在推理成本上仅为闭源模型的十分之一，且性能差距已缩小到 4 个月。对于预算有限的团队，这意味着一半以上的 AI 工作负载可以切换到开源方案，而无需牺牲太多效果。 原文链接
7. AWS will now watch Microsoft’s cloud for you#
AWS Security Hub 新增了对 Azure 资源的监控能力，实现跨云安全态势统一管理。多云运维不再需要登录多个控制台，但这也意味着安全策略的复杂度呈指数级上升。 原文链接
8. What makes CIOs trust an AI agent? Thira bets it’s not the model.#
Thira 认为 CIO 信任 Agent 的关键不是模型能力，而是可审计的决策日志、成本透明度和失败回滚机制。这提醒我们：Agent 运维的核心不是 AI，而是可观测性和治理。 原文链接
当 Agent 开始接管运行时，运维的核心技能将从“管理容器”转向“管理信任”。
