Agentic RL 的 Sandbox 编排：从预热到复用
以 800 条 Coding Agent rollout 为例，讨论提前准备多少环境、每批处理多少任务，以及环境复用如何影响训练耗时。
Blog
Recent Posts
-
-
从 StatefulSet 到推理负载：滚动升级需要保留什么
从 StatefulSet 的 partition 出发，讨论推理负载的更新单位、版本恢复、Role 协同与原地更新，以及它们各自需要保留的关系。
-
推理系统的边界：从 LWS、Dynamo 看 Kthena 的设计取舍
从 LWS 的多机副本与 Dynamo 的推理执行出发，讨论 Kthena 的工作负载模型、分组方式、控制权，以及调度与运行时之间的分工。
-
为什么 Agent 基础设施开始在 Kubernetes 之上再造一层控制面
从 Substrate 的真实实现出发，理解 Actor 与 Pod 生命周期分离、两级调度的价值，以及第二层控制面必须承担的状态与治理成本。
-
AgentCube × Kubernetes Agent Sandbox：构建云原生 AI Agent Runtime
从 Agent Session、Sandbox 与 Kubernetes 的职责边界出发，介绍 AgentCube 如何构建具备隔离、安全与冷热路径管理能力的云原生 AI Agent Runtime。
-
基于 Kthena ModelServing 接入 llm-d Router：打通PD 推理链路
基于真实 GPU 实验，介绍 Kthena ModelServing 如何管理 Prefill/Decode 拓扑，并通过 workload identity 对接 llm-d Router。
Archive
2026
-
Oct
2026-10-13 Agentic RL 的 Sandbox 编排：从预热到复用 -
Sep
2026-09-22 从 StatefulSet 到推理负载：滚动升级需要保留什么2026-09-18 推理系统的边界：从 LWS、Dynamo 看 Kthena 的设计取舍2026-09-17 为什么 Agent 基础设施开始在 Kubernetes 之上再造一层控制面 -
Aug