Рубрика - управление железом.

Давным-давно, во времена Doom2 и DOS пользовались мы RAMdrive утилитами, размещая игру в диске в оперативке, чтобы, значит, загружалась она не 3 минуты, а 30 секунд.

И тут прям флэшбэк:

В общем, представьте, что у вас есть 1 видеокарта и 2-3 модели ИИ (текст, картинка и звук, допустим) и вам их нужно быстро переключать.

Решение "в лоб", - это загрузка с диска, но даже самый быстрый SSD вам даст, скажем, 10гигов в секунду на чтение, а модели у вас 20гигов (да, мало, но видеокарта, допустим больше не поместит за раз)

Получается, что на смену "обоймы" вам нужно около 3х секунд, что невероятно долго для пользователя.

Решение - разместить модели на виртуальном диске в оперативке.
Она-то явно быстрее, чем любой ССД.

Так вот, - Клод за 10 минут накидал 250 строк скрипта, который создаёт такой диск и сразу сервис под него, который пересоздает его при перезагрузке.
Оставлю в комментариях.

#RAMdrive #devops #linux
———
#tsingular

Amazon Q Developer научился генерировать и тестировать код в реальном времени

AWS запустила крупное обновление Amazon Q Developer.
Сервис получил систему автоматического тестирования генерируемого программного кода в защищенной среде.
Функционал включает выявление ошибок, синхронизацию с проектом и до трех попыток автоматического исправления.
Devfile настраивает изолированную песочницу для безопасного исполнения.
Система анализирует существующую кодовую базу и предлагает улучшения на основе результатов тестов.
Среда выполнения контролируется через конфигурацию без доступа к закрытым ресурсам.

Сегодня день релизов :)

#Amazon #AWS #DevOps
-------
@tsingular

Amazon Q Developer и MCP автоматизируют создание Deep Learning контейнеров

AWS представил интеграцию Amazon Q Developer с Model Context Protocol для упрощения работы с Deep Learning Containers.

Теперь создание и кастомизация контейнеров происходит через естественный диалог вместо сложных команд. Разработчики могут просто сказать "запусти PyTorch контейнер для обучения" — и система автоматически подберёт образ, настроит окружение и запустит тестирование.

В демо примере разобрана интеграция NeMo toolkit и DeepSeek модели через диалоговый интерфейс за минуты через MCP сервер с 6ю тулами для управления контейнерами.

AWS пишет об экономии времени по управлению инфраструктурой на 40% при использовании ИИ-инструментов.

DevOps-инженеры теперь могут поболтать с контейнерами как с коллегой.

#AmazonQ #MCP #DevOps #примеры #AWS #обучение
------
@tsingular

OpenClaw теперь «официально» на DigitalOcean: инструкция по запуску защищенных агентов

DigitalOcean выкатили у себя готовый образ OpenClaw. Теперь вместо ковыряния в консоли на полчаса — одна кнопка.

Что внутри «закалённого» образа:

1. Изоляция агентов. Чтобы ИИ, которому вы разрешили писать код, случайно не «снёс» хостовую систему или не утащил ваши ключи OpenAI/Anthropic, всё летит в Docker-контейнеры. Упал — уничтожился, хост цел.

2. TLS без лишних движений. Ребята прикрутили Caddy, который сам выписывает сертификаты Let's Encrypt прямо по IP-адресу. Никаких доменов не нужно — развернул и сразу работаешь в защищённом канале.

3. Защита от «шума». В комплекте сразу идут Fail2ban и авто-апгрейды безопасности. Мелочь, но теперь случайные боты-сканеры не будут забивать вам очередь.

Минимальный ценник — $24/мес (нужно минимум 4 Гб ОЗУ), но оно того стоит, если не хочется держать сервер «с голым задом» в открытом вебе.

Технический разбор их конфига лежит тут.

Звучит как нормальный взрослый деплой, а не наколенная поделка. Посмотрим, как быстро они добавят туда свои модели Gradient AI.

UPD: еще инструкция только для Google Cloud platform

UPD2: еще инструкция только для CloudFlare Workers!

#OpenClaw #DigitalOcean #DevOps
———
@tsingular

GitHub Agentic Workflows — большой анонс от GitHub Next.

По сути, это попытка впихнуть LLM-агентов в фундамент GitHub Actions, но без привычной YAML-чешуи.

В чем суть:
Инструкции пишутся на обычном Markdown. Вы описываете результат (например, «держи доки в актуальном состоянии»), система сама генерит lock.yml и запускает агента.

Главное:
• 🤖 Continuous AI: По аналогии с CI/CD, агент работает в фоне. Пока ты спишь, он размечает тикеты, предлагает патчи для упавших тестов и чистит техдолг.

• 🛡 Safe Outputs: У агентов нет доступа на запись по дефолту. Чтобы создать коммент или PR, нужно пройти через фильтр разрешенных действий. Guardrails на уровне инфраструктуры.

• ⚙️ Движки: Поддерживаются Copilot CLI, Claude Code и GPT-4o.

GitHub планомерно превращает репозиторий из склада кода в живую среду, где часть рутины просто «решается » сама собой.

Удобно, когда агент — это не внешняя приблуда, а часть штатной автоматизации.

Источник

#GitHub #AgenticAI #DevOps #Copilot
------
@tsingular

Утренние обновления: OpenClaw, Langchain, Pydantic-AI, OpenWebUI и др.

Выпили кофе и смотрим обновления опенсорс-стека для агентов.

🚀 OpenClaw v2026.2.23:
Главное исправление — подавление Reasoning-блоков в Telegram. Больше никаких «мыслей вслух» (спасибо! еще стриминг по умолчанию бы отключили) в ответах пользователю, если это не включено специально.

• Kilocode Integration: Нативная поддержка провайдера Kilo (модель Claude Opus 4.6).
• Hardening: Закрыли потенциальный SSRF в браузере и внедрили жесткую политику ACP (Agent Control Policy) для доступа к файлам — теперь агент не сможет прочитать что-то вне своего воркспейса без спроса.
• Smart Caching: Оптимизировали кэширование AGENTS.md и MEMORY.md, чтобы не инвалидировать кэш промптов на каждой записи в память.

⚡️ Pydantic-AI v1.63.0: Gemini 3.1 Pro и валидация «на лету»
Команда Pydantic продолжает делать разработку агентов предсказуемой.

• Добавлена поддержка Gemini 3.1 Pro Preview.
• Logprob Support: Теперь можно точно знать, насколько модель уверена в каждом слове.
• Args Validator: Добавлен параметр пре-валидации аргументов инструментов. Это смерть для галлюцинаций: если агент пытается вызвать инструмент с бредовыми параметрами, его «бьют по рукам» еще до запуска кода.

🌐 Open WebUI v0.8.5: Голос и устойчивость
UI для локальных LLM стал взрослее.

• Добавили горячие клавиши для диктовки (Cmd+Shift+L).
• Исправили «бесконечную загрузку» при падении бэкенда. Теперь фронтенд устойчив к сбоям отдельных API-вызовов (модели, баннеры, настройки).

🛠 LangChain Core 1.2.15
Тихий, но важный патч: исправлен импорт LangSmith (теперь быстрее стартует) и улучшена типизация для кастомных чат-моделей.

Больше инфы об актуальных обновлениях оптом можно смотреть тут:

https://github.com/mb-mal/awesome-ai-agents-frameworks

#OpenClaw #PydanticAI #OpenWebUI #LangChain #AI #Agents #DevOps
———
@tsingular

cloc (Count Lines of Code)

Утилита для подсчёта строк кода от агента программиста.

📊 Зачем это агенту: Вместо слепого чтения файлов агент первым делом запускает cloc .. Это дает мгновенную карту: сколько здесь легаси на Perl, а сколько свежего TypeScript. Полезно для планирования глубины анализа и оценки «прожорливости» токенов.

🧩 Сегментация задач: Зная объем кода, агент (или оркестратор) решает проглотить всё разом или дробить задачу на субагентов по конкретным папкам. Если в /legacy висит 10к строк без тестов, агент сразу выделит этот блок как зону высокого риска.

⚙️ Техническая фишка: Утилита умеет выдавать результат в JSON. Это позволяет коду агента парсить статистику программно и автоматически вшивать эти данные в отчеты.

💼 Зачем бизнесу: Это инструмент контроля. Можно получать ежедневные отчеты в Telegram: «Сегодня Claude 4.6 переписал 800 строк, из них 30% — это тесты».
Популярная нынчеметрика производительности цифрового отдела.

Тут

GitHub

#claudecode #CodingAgents #DevOps #dev
------
@tsingular

Cursor Automations: Дом Тысячи Крабов

Cursor выкатил Automations — систему для создания «вечно включенных» ИИ агентов.

🛠 Что это дает:
• Событийная модель: Агент просыпается не по клику, а по триггеру: сообщение в Slack, новый issue в Linear, мердж в GitHub или инцидент в PagerDuty.
• Облачные песочницы: При срабатывании агент разворачивает облачный sandbox, сам билдит код, запускает тесты через MCP и верифицирует результат перед тем, как прийти к человеку.
• Память: У агентов появился инструмент memory, позволяющий учиться на прошлых запусках и не совершать одни и те же ошибки в ревью. 🧠

💡 Где это реально работает:
• Авто-ревьюеры: Проверка безопасности на каждый пуш в main. Если риск низкий — авто-аппрув, если высокий — алерт в Slack с детальным отчетом.
• Incident Response: При падении системы агент лезет в логи Datadog, сопоставляет их с последними коммитами и выкатывает PR с фиксом до того, как дежурный инженер успеет допить кофе.
• Рутина: Сборка еженедельных дайджестов из Jira/Slack/GitHub или автоматическая допись тестов для свежего кода.

По сути, если один из триггеров сделать по аналогии с Heartbeat у Openclaw,- получим живых облачных кодовых агентов.

#Cursor #AI #Agents #CI #Automation #DevOps
------
@tsingular

GKE представляет MCP-сервер для управления Kubernetes через ИИ-агентов

Google представила GKE Model Context Protocol (MCP) Server — стандартизированный интерфейс для подключения ИИ-агентов к кластерам Kubernetes.

🤖 Интерфейс для агентов: MCP Server позволяет ИИ-клиентам (Gemini CLI, Cursor, Claude) управлять кластерами GKE через стандартные команды. Агенты получают доступ к мониторингу, деплою и диагностике без написания кастомных скриптов.

⚙️ Набор инструментов: В арсенале MCP — list_clusters, get_cluster, create_cluster, query_logs, get_kubeconfig. Плюс экспертные команды типа gke-upgrade-risk-report для анализа рисков перед обновлением кластера.

🔐 Безопасность предприятия: Интеграция с IAM для гранулярного контроля доступа. Model Armor сканирует запросы и ответы на предмет инъекций и утечек данных. Только аутентифицированные агенты получают доступ к ресурсам.

🌐 Удалённый доступ: MCP работает по HTTP через Streamable Transport. Сервер разворачивается как отдельный сервис и принимает подключения от любых совместимых MCP-хостов. Поддержка stdio для локальной разработки.

💼 Зачем бизнесу: Стандартизация управления инфраструктурой через ИИ. Снижение порога входа для DevOps-автоматизации. Возможность масштабировать управление сотнями кластеров через единый агентский интерфейс без роста операционных расходов.

🔮 Будущее: Kubernetes становится платформой для автономных ИИ-агентов. Следующий шаг — CNCF Kubernetes AI Conformance с требованиями к inference ingress, disaggregated serving и high-performance networking. llm-d уже в CNCF Sandbox.

GitHub: gke-mcp | Docs: MCP Overview

#Kubernetes #GKE #MCP #AIagents #GoogleCloud #DevOps #CNCF
───
@tsingular

Google Agents CLI — CLI, который учит кодинг-агентов строить агентов

Google выпустил Agents CLI, - и это уже не просто очеред... (попались :) )
короче, - это CLI + набор скиллов, которые превращают Gemini CLI, Claude Code, Codex и любых других ассистенты в экспертов по сборке и деплою агентов на ADK.

⚙️ Прокачиваем агента:



uvx google-agents-cli setup

И вот ваш основной агент уже научился собирать ADKшных агентов.
Агент узнает про ADK Python API, методологию пайплайнов, правила кода, как деплоить на Agent Runtime / Cloud Run / GKE, как собирать трейсы и как регистрировать в Gemini Enterprise.

🔧 Скиллы под капотом (7 штук):
- workflow (жизненный цикл),
- adk-code (ADK API + оркестрация),
- scaffold (генерация проектов),
- eval (метрики + LLM-as-judge + траектории),
- deploy (Agent Runtime/Cloud Run/GKE/CI-CD),
- publish (Gemini Enterprise),
- observability (Cloud Trace + логи).

🧪 CLI как самостоятельный инструмент: работает и без кодинг-агента. scaffold, eval run, deploy, infra, data-ingestion — всё из терминала. agents-cli scaffold enhance добавляет CI/CD и RAG в существующий проект.

💼 Зачем бизнесу: Стандартизация. Вместо того чтобы каждый агент-разработчик осваивал ADK, Cloud Run, Cloud Trace, IAM, CI/CD и Gemini Enterprise по отдельности — один CLI закрывает весь пайплайн от scaffold до publish. Снижает порог входа для корпоративных команд.

🔮 Будущее: Google делает ставку на агентную платформу как экосистему. Agents CLI — это мост между кодинг-агентами (Gemini CLI, Codex, Claude Code) и Google Cloud. Open-source, скиллы по открытой спецификации Agent Skills, совместимость с gh skill.
Вопрос времени когда подобное появится аналогичное от AWS и Azure.

Github

Кстати, - крайне рекомендую изучить для сборки собственных навыков деплоя агентами в корпоративной среде.

#Google #AgentsCLI #ADK #AgentPlatform #Gemini #DevOps #GoogleCloud
───
@tsingular