Real-Time AI Pipelines: Building a Kafka + Kubernetes + Databricks Stack for Agentic AI Systems

Launch of the AI Infra SIG under the CNCF Japan chapter: First meetup and call for speakers

Hội nhóm AI Infra SIG chính thức ra mắt dưới sự bảo trợ của chương CNCF Nhật Bản, với buổi gặp mặt đầu tiên và kêu gọi diễn giả. Sự phát triển từ AI tạo sinh đến các tác nhân (agents) đang thúc đẩy nhu cầu về hạ tầng AI có khả năng mở rộng.

Những kiến thức về scalability và hạ tầng AI trong CNCF sẽ giúp bạn hiểu rõ cách xây dựng hệ thống mạnh mẽ cho các ứng dụng AI tương lai, từ đó tối ưu hóa hiệu suất và chi phí cho dự án của mình.

AI-Native Testing Is Now a Core Quality Engineering Discipline

Kiểm thử AI-native đang trở thành một lĩnh vực quan trọng trong kỹ thuật chất lượng nhờ các tác nhân (agents) tự động hóa việc tạo, bảo trì test, phân tích nguyên nhân gốc rễ và xác thực AI.

Lập trình viên nên đọc bài này để hiểu cách AI tự động hóa kiểm thử—từ tạo kịch bản, sửa lỗi đến phân tích nguyên nhân—có thể tiết kiệm thời gian, giảm chi phí và nâng cao chất lượng phần mềm trong quy trình phát triển.

The Difference Between Knowing Kubernetes and Understanding Kubernetes

Sau một tuần học, tôi có thể thuộc lòng sơ đồ kiến trúc Kubernetes, nhưng phải trải qua sự …

Putting Agentic Ops into context: the Evolution of Operational Tools over the past 40 years

Bài viết của Brian Grant trên ITNEXT điểm lại sự tiến hóa của các công cụ vận hành (operational tools) trong 40 năm qua, đặc biệt là sự nổi lên của Agentic Ops trong quản lý hệ thống tự động và chủ động.

Một lập trình viên nên đọc bài này để hiểu cách các công cụ vận hành (ops) đã phát triển từ những công cụ cơ bản đến các hệ thống tự động hóa thông minh, giúp tối ưu hóa quy trình, giảm thiểu lỗi và nâng cao hiệu quả trong việc triển khai và vận hành ứng dụng.

Building a Test Matrix Pipeline for Couchbase Autonomous Operator

Một thực tập sinh kỹ thuật tại Couchbase chia sẻ cách xây dựng pipeline Test Matrix cho Couchbase Autonomous Operator (CAO), tự động kiểm tra tương thích giữa các phiên bản Kubernetes/OpenShift, CAO, Couchbase Server và nhà cung cấp cloud (EKS, GKE, AKS). Pipeline sử dụng Jenkins cùng ba chương trình Go (dispatch, execute, rerun) để sinh tất cả tổ hợp phiên bản, lọc test bằng hệ thống tag YAML, và xử lý lỗi hạ tầng bằng cơ chế lưu kết quả tăng dần cùng giai đoạn rerun chuyên biệt.

Lập trình viên muốn tự động hóa kiểm thử cho ứng dụng cloud-native như Couchbase Autonomous Operator sẽ tìm hiểu cách xây dựng một hệ thống pipeline liên tục kiểm tra các phiên bản kĩ thuật khác nhau, từ Kubernetes đến cloud provider, để đảm bảo tính nhất quán và hiệu suất trong môi trường thực tế.

Building MindCache: Designing an Agentic Memory System for Long-Term AI

Bài viết giới thiệu MindCache, một hệ thống bộ nhớ agentic (agentic memory system) nhằm hỗ trợ AI duy trì thông tin dài hạn. Hệ thống này được thiết kế để cải thiện khả năng ghi nhớ và xử lý ngữ cảnh theo thời gian cho các mô hình AI.

Lập trình viên phát triển hệ thống AI nên đọc bài này để hiểu cách thiết kế một bộ nhớ thông minh cho các agent AI, giúp giải quyết vấn đề mất trí nhớ dài hạn và cải thiện khả năng phản ứng tự động trong ứng dụng AI phức tạp.

Branching databases like code: a CI/CD pattern for Lakebase, in production at Glaspoort

Glaspoort áp dụng mô hình CI/CD cho OLTP trên Databricks Lakebase bằng cách nhánh từ môi …

Why AI inference is becoming a networking issue

AI inference không chỉ là vấn đề của GPU mà còn là thách thức về mạng. Một báo cáo mới của Cisco chỉ ra rằng độ trễ mạng chính là ranh giới tiếp theo trong lĩnh vực AI.

Lập trình viên cần đọc bài này để hiểu cách tối ưu hóa kết nối mạng trong hệ thống AI, giúp giảm chi phí và cải thiện hiệu suất khi xử lý các nhiệm vụ inference trên quy mô lớn.