作者在生日之际回顾过去一年的经历：从加拿大到新加坡再到中国，从实习生到代理 CEO，再到创业未果后投身开源。他坚信 AI 时代的基础设施应围绕 agent 重新设计，尝试申请创业营但因对国内 VC 模式失望而放弃融资，转而 all in 研发 Ephemeral Sandbox。在田老师等人的帮助下，项目转向 FUSE 技术路线并演化为 LayerFS，于四天前发布 v1.0.0。尽管面对 90% 的质疑，他决心把这一底层基础设施项目长期做下去。
文章阐述了如何构建对冲基金级别的 AI 交易系统。作者指出，AI 模型本身不是瓶颈，缺乏基础设施才是关键：散户 AI 缺少数据、算力和交易执行三大层。数据层需避免幸存者偏差和前视偏差；算力层需要集群化回测；交易层需全天候执行。通过 MCP 协议，可将 Claude、ChatGPT 等 AI 接入 QuantGPT 终端，获得机构级数据仓库、云端研究算力和实盘交易能力，以远低于 Bloomberg 终端（约 3 万美元/年）的成本（49-149 美元/月）构建完整 AI 交易系统。
文章通过一个年轻人从炒币亏损到转做钱包对账与风控的经历，指出Web3真正长期的商业机会不在资产价格投机，而在合规、对账、托管、风控和用户支持等'麻烦事'中。作者引用BIS研究说明链上交易量存在幻觉，分析了身份权限、对账、风控、托管和规则变化五类价值所在，并为普通人提供了数据研究、企业对账、安全权限、开发者工具、合规教育五条入行路径，以及30天服务验证法和项目收入六栏拆解等实用方法论，强调'价格让人兴奋，流程才会让钱留下来'。
文章回顾 Andrej Karpathy 在 OpenAI 七年间见证 GPT 从 1.17 亿参数增长到万亿参数的历程，强调 Transformer 是近 50 年计算领域最重要的架构。内容深入浅出地讲解 LLM 内部机制：文本被切分为 token 并映射为高维嵌入向量，模型通过注意力机制（Q、K、V 矩阵）学习上下文语义；Kaplan 提出的缩放定律证明性能随参数规模可预测提升；大模型还涌现出上下文学习、思维链推理等未显式编程的能力。作者指出 LLM 不是工具而是基础设施，真正赚钱的是理解底层架构并在此基础上构建的人。
DeepSeek 悄悄开源了 dsh-libreoffice-kit 组件，原本隐藏在 DeepSeek Harness 中。该组件解决了 AI 生成文档却看不到排版效果的痛点：可将 Word、PPT 渲染成图片让 AI 查看排版，真实计算 Excel 公式以核对结果，自带字体管理避免中文乱版，并支持文件级隔离处理防止单点故障。这使 AI 能够自己写、自己看、自己改文档，无需人工逐页返工。文章指出 AI 办公领域的竞争不只在于模型能力，底层基础设施同样关键。
本文解读 DeepSeek-AI 与清华大学合著的 DSec 论文，这是支撑 DeepSeek V3.2 到 V4.1 智能体 RL 训练的生产级沙箱基础设施。文章分析了智能体训练负载的七大特性（突发创建、CPU 稀疏、有状态长寿命、高度异构等），介绍了其无状态控制面、分层代理数据面架构，以及可组合环境分层、高密度内存管理、QoS 感知 CPU 调度、按需镜像加载四大核心机制。还深入阐述了 agent loop 与训练解耦、暂停恢复协同、防 reward hacking 的安全对抗实践。作者认为这标志着智能体能力竞赛正在演变为基础设施竞赛。
智谱披露 GLM-5.3-Flash 的全部生产推理已运行在超 10 万块国产 AI 加速器上，从跑通到上线不到两周，端到端吞吐量提升 3.2 倍，大量优化工作由 GLM-5.3 驱动的智能体完成。核心经验在于'密集反馈'机制：将资深工程师的隐性过程奖励显性化为分层验证接口，让智能体自主定位并修复精度漂移、GIL 并发瓶颈、重复计算等真实工程问题。国产芯片单 token 成本已对标英伟达 GPU。唐杰指出目标设定与高风险审查仍由人负责，但最小递归自我改进闭环已存在。
Artie 团队（17人）分享了如何将 Hermes——NousResearch 的开源 AI agent harness——部署为全团队共享的 AI 助手。文章讲述了从工程师个人 WhatsApp 使用的起步，到选择 Hermes 而非 OpenClaw 并加入护栏的决策；用每年 60 美元的 Hetzner 物理服务器承载全部运行。团队为每个部门设计了独立 profile：工程（Plan 分派任务、Code 执行开 PR）、销售、设计、BizOps 等，并强调人类始终在环节中审核。Skills 以代码形式版本化进 Git 仓库，严控数量以省 token。受人类 REM 睡眠启发，Hermes 每晚'做梦'复盘当日工作，将有价值内容晋升到长期记忆。
作者维护开源软件工厂 OpenInspect，解释为何开源而非商业化销售。他认为软件工厂是将信号（issue、Slack 消息等）转化为成果（PR、修复、答案）的 AI Agent 基础设施。将其作为产品出售困难重重：沙箱和模型推理等核心组件已被商品化，各组织需求差异大。真正的价值在于组织流程——代理路由、知识分发、系统改进、成本优化和 Token 支出的 ROI 归因，这些都需要与公司组织结构深度匹配。作者曾为 10 到 500 人规模的团队部署此类系统，认为软件工厂会成为关键基础设施，应由企业自持，因此选择开源以让团队专注于组织层面的问题。
OpenAI正式发布Agents API，将Codex背后的Agent Harness能力以API形式开放。开发者只需定义任务、模型、工具和执行环境，Agent Loop、上下文管理、工具调用、多Agent协作和沙箱等均可交由OpenAI处理。该API支持长任务自动压缩恢复、原生MCP与Web Search、Sub-Agent并行、Linux Sandbox及私有环境接入。作者认为这标志着模型正从产品变为组件，Harness等通用能力正被云厂商基础设施化，Agent创业需向业务、数据和Workflow上移。
本文由 Zach Lloyd 撰写，详细介绍了 Warp Factories 的软件工厂基础设施栈设计。该栈基于开放、可组合、代码定义的原则，分为五层：Factories-as-code（工厂即代码）、Data and context（数据与上下文）、Compute（计算）、Inference（推理）和 Improvement（改进）。文章逐层阐述了各层的核心组件与设计理念，强调版本化、可测试、可回滚的工厂定义，以及支持多模型、多代理、自托管和持续改进的基础设施，旨在帮助团队向工厂模式转型。
文章回顾了 FDE（前线部署工程师）岗位的兴起，提出核心观点：每当新基础设施把某一环节成本打到趋近于零，相邻环节就会裂开一条责任真空的缝隙，率先站上去的人会从「打杂的」成长为值钱的岗位。作者以 ERP 实施顾问、SRE、互联网运营为历史样本，论证 FDE 正是 AI 把「做出来」变便宜后撕开的最后一公里。文章还分析了中国企业的「先干后认」路径及其在需求、计价、组织上的独特约束，并指出岗位动荡期与稳定期的不同价值规律。
本文详细介绍了 Cloudflare for Startups 计划中面向一人公司和早期团队的 1 万美元创业额度。作者首先说明该额度的适用条件：成立不超过 10 年、融资低于 100 万美元的公司均可申请，无需孵化器背书。随后分析额度价值，涵盖 Workers、D1、R2、Stream、Workers AI 等服务，可支撑约 55TB 存储或 1000 万分钟视频播放。文章列出申请前需准备的产品官网、域名邮箱、公开账号等五项材料，并逐步讲解四页申请表的填写方法，最后提醒额度有效期一年、部分产品有抵扣上限等五项注意事项。
本文是 AI FDE 能力入门系列的一部分，讲解 AI 落地的底层必要条件——容器能力。文章深入剖析 Palantir 的 Rubix：一个运行 AIP、Foundry 和 Apollo 的强化版 Kubernetes 实现。重点介绍了其安全特性（工作负载隔离、强制加密、认证授权）、高可用设计（节点 48 小时生命周期主动轮换、故障切换）、作为统一服务底座支持多云部署，以及与 Apollo 协作实现零停机升级的 Day 2 运维能力（蓝绿发布、逐步导流）。Rubix 将安全、临时性、高可用和自治运维固化为基础设施默认行为，支撑'一次编写、随处交付'。
作者以非技术背景的普通人视角，阐述数据中心对美国再工业化的重要性。作为a16z American Dynamism团队的参与者，他指出机器人制造、AI训练和模拟测试都依赖数据中心的算力支持。文章进一步论证数据中心将同时解决三个相互关联的问题：制造业空心化、高等教育泡沫化以及美国男性的孤独危机。作者以Hadrian公司为例，说明自动化不仅没有抢走工作，反而让工厂能建在美国本土，创造了数百个高薪岗位，为年轻人提供了用双手劳动、获得归属感的就业选择。
本文系统对比了 AI 智能体两大组成层面：Agent Harness 与 Agent Runtime。Harness 是位于 LLM 之上的应用逻辑层，负责执行循环、提示拼装、上下文管理、工具调用、状态跟踪与错误处理，决定智能体“想什么、怎么做”；Runtime 是承载执行的基础设施层，负责沙箱隔离、资源限制、网络与凭证管控、持久化与并发调度，决定“在哪、如何安全执行”。文章从定义、职责、生命周期、接口、资源管理、安全隔离、可扩展性、可观察性、部署模型、性能、故障恢复和典型用例等方面逐一比较，并给出示例代码与部署模式总结，帮助读者全面理解并实践二者设计。
文章解析了 GLM-5.3 如何在不重新预训练的情况下，仅通过规模化后训练（RL）超越 GLM-5.2，印证了 Sutton 的苦涩教训。重点包括：一是面向真实专家工作的环境设计，用研究代理生成长时程任务，配合严格的验证器三重检查防止 reward hacking；二是沿用 GLM-5.2 的 MoE 架构（744B 总参、~40B 激活），采用 MLA 压缩 KV cache、DeepSeek 稀疏注意力降低长上下文成本、MTP 投机解码平均每次接受约 4.5 个 token，以及 IndexShare 在相邻层共享索引实现 2.9 倍 FLOPs 节省；三是 SAO 算法与 slime 基础设施，将低廉的 rollout 转化为稳定的大规模后训练。
文章探讨 AI 基础设施建设的长期逻辑：与互联网时代单一维度的用户渗透不同，AI 硬件需求由用户渗透率与人均 token 用量两个指数增长维度相乘驱动，形成历史上罕见的「双 S 曲线接力」，支撑更长的半导体超级周期。同时指出，由于推理的高边际成本，AI 时代商业模式已从「流量×转化率」转向「每 token 毛利」。文章还分析编码（广义）作为下一个 ARR 增长引擎的潜力：大量非编码任务（财务、法务、销售等）正被转化为编码代理执行结构，OpenAI Codex 在非工程岗位的周活用户暴涨即为例证。
作者介绍了其开源项目 k8e-sandbox 的沙盒服务实现。该沙盒基于 k8s 分布式架构，目标场景是一台笔记本跑 agent harness、一台远程服务器跑沙盒。文中详细演示了在 AWS 2C/2G 低配机器上一键安装 k8e、配置域名与 EIP、创建 API key、通过 k8e-sandbox-cli 与 DeepSeek Harness（DSH）联通，并在沙盒内运行网页并通过 Gateway/HTTPRoute 对外暴露 URL 的完整流程。沙盒内置 gvisor 实现用户态内核隔离，安全性接近 KVM 虚拟机。作者认为 agent infra 仍有大量工作要做，希望个人开发者拥有自己的工具箱。
本文介绍 Φ-Bench（Frontier AI Infrastructure Benchmark），一个评估 LLM 基础设施工程能力的基准。它从顶会论文和开源仓库中筛选出 85 个真实高难度任务，分为 Kernel 补全（KFC）、长周期实现（LHI）和端到端优化（E2EO）三类。评测结果显示 Claude Opus 5 以 36.53 分领先，但所有模型在理解大型代码库和硬件相关优化上仍明显不足。分析指出优秀模型需具备假设验证、实验设计和可靠归因能力，Φ-Bench 探索了 AI 自我改进能力向基础设施层延伸的可能性。
本文由a16z合伙人Martin Casado撰写，宣布Stripe收购OpenRouter，并阐述其战略意义。文章提出“Token是新美元”的观点，认为Token已成为AI时代新的价值交换媒介，而OpenRouter作为模型路由和清算层，与Stripe在支付领域的角色类似，共同构成AI经济的基础设施。作者回顾了OpenRouter的创业历程，强调其从小规模聚合到大规模基础设施的演进，并看好合并后的发展前景。
Stripe以超70亿美元收购OpenRouter，创始人Alex Atallah曾在OpenSea创造类似战绩。本文分析了从Web3迁移到AI的一批人的共同特质：对基础设施缺口、新入口和共识形成前机会的敏感度。包括Crypto.com买下AI.com抢Agent入口、Stable Diffusion打破闭源护城河、FTX Future Fund人才流向Anthropic等案例。但Aschenbrenner的基金爆仓证明：看对技术方向与赚到钱是两回事，判断力决定方向，杠杆管理才决定输赢。
NVIDIA宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR等机构合作，建立独立融资平台，旨在动员超过5000亿美元的第三方资本，用于支持AI基础设施的建设。这标志着AI从研究转向生产，AI工厂成为可融资的生产性基础设施。NVIDIA的AI工厂平台具备灵活性、可互换性和软件升级能力，其经济价值随时间增长，如A100芯片在发布六年后仍在使用。这些特性使AI工厂成为可投资的基础设施资产。NVIDIA将提供平台，金融机构独立评估项目并融资，NVIDIA可能提供最高25%的残值支持。此举旨在解决AI基础设施融资不均的问题，开启AI基础设施的公开资本市场。
Google 首席科学家 Jeff Dean 宣布离职，结束 27 年职业生涯。他将与 Sanjay Ghemawat 等人创办 Discovery Loop，致力于自动化科学与工程发现。文章回顾了 Dean 从构建分布式系统、MapReduce、Bigtable 到引领 Google Brain 和 TensorFlow 的历程，阐述了他如何将底层复杂性封装成基础设施，并试图将这种规模思维带入自动化发现领域。
vLLM 宣布对 Kimi K3 模型提供首日支持。K3 是拥有 2.8 万亿参数的 MoE 模型，支持 100 万上下文窗口。vLLM 通过 DSpark 推测解码将吞吐量提升至 370 tok/s，并支持架构创新的混合缓存管理、预填充/解码分离及智能体服务，确保生产环境下的高性能与低延迟。
文章探讨了构建 Web Agent 基础设施（如浏览器池、隔离机制、观测性等）所面临的复杂性与工程挑战。作者指出，这远不止是启动一个浏览器，需要处理冷启动、安全隔离、资源调度等深层问题，并分析了自建与购买的权衡。
文章讲述了 TiDB 从传统分布式数据库演变为面向 AI Agent 的统一存储层的过程。作者通过回顾从解决 MySQL 分库分表问题，到支持百万级数据库、文件系统、Agent Runtime Workspace，再到构建 Agent Stack 的六个阶段，阐述了基础设施产品如何被客户实际需求而非顶层设计推动演化，最终成为 AI 应用背后的关键基础设施。
文章探讨了 AI Agent 时代数据库角色的演变。TiDB 唐刘指出，虽然 AI 压缩了中间层软件，但数据库作为 Agent 的“统一存储层”和“单一事实源”，其重要性不降反升。文章详细梳理了从存海量数据、租户隔离、Agent 自主管理到文件与 Workspace 托管的六大产品演化阶段，并讨论了 FDE 角色在 AI 时代的回归，以及判断 AI 产品护城河的核心逻辑：是模型进步的受益方，还是将被吞掉的一层。
本文汇总了35道2026年强化学习（RL）领域的面试核心问题。内容涵盖算法与基础设施两大方向，既包括PPO、GRPO等训练机制的原理探讨，也涉及分布式推理、显存优化等工程落地细节。作者强调现代RL岗位需要具备全栈理解能力，建议面试者不仅要熟记问题，更需深究背后的技术逻辑。
文章详细介绍了作者团队构建端到端 LLM 训练平台（Catalyst）的技术历程。通过解决数据标准化、超参数自动配置、多 GPU 提供商调度及无服务器环境下的长时训练恢复等挑战，实现了用户一键微调模型的愿景。
