Kubernetes 社区正在经历一场由 AI 工作负载驱动的静默革命：Dynamic Resource Allocation (DRA) 正逐步取代传统的 GPU 调度方式，为运维带来全新的资源管理范式。与此同时，AI 编程助手在企业落地中的安全、成本与治理问题，正成为平台工程团队必须直面的新挑战。
K8s GPU 调度的终结者：DRA 时代来临#
Kubernetes 的 Dynamic Resource Allocation (DRA) 正在改变 GPU 调度的游戏规则。传统方式中，GPU 被视为可计数的普通资源，而 DRA 允许更细粒度的资源描述和更灵活的分配策略，直接解决 GPU 显存、驱动版本、MIG 实例等复杂需求。这意味着运维不再需要为特定 GPU 型号编写大量自定义调度器或 hack 脚本，DRA 原生支持这些场景，极大降低了 GPU 集群的管理复杂度。对于正在构建 AI 平台的团队，这是必须提前规划的技术方向。
npm 供应链攻击新套路：利用 provenance attestations 做伪装#
最新的 npm 供应链攻击展示了攻击者如何利用软件供应链安全机制本身来隐藏恶意行为。攻击者通过伪造或滥用 provenance attestations（来源证明），让恶意包看起来像是来自可信的发布流程，从而绕过安全检查。对于运维和 DevSecOps 团队，这提醒我们：安全工具并非万能，需要结合多层验证和运行时监控，才能真正防范供应链攻击。
Claude Code Auto Mode 即将默认开启：人类不再被信任？#
Anthropic 宣布 Claude Code 的 Auto Mode 将很快成为默认模式，理由是“人类不可信”。这一变化意味着 AI 编程助手将更主动地执行多步骤任务，减少人工确认环节。对于开发效率是好事，但对运维而言，这增加了代码变更的不可预测性，CI/CD 流水线和代码审查流程需要相应调整，以应对更自主的 AI 代理行为。
Meta 的新编程代理很便宜，但代价是你的数据#
Meta 发布了新的编程代理，主打低成本，但前提是用户数据将被用于训练。对于企业而言，成本优势可能诱人，但数据隐私和合规风险不容忽视。运维在选择 AI 工具时，必须评估数据流向，尤其是涉及敏感代码和内部架构信息时，更要谨慎权衡。
企业自建 Coding Agent 的真相：绕不开 Anthropic#
Coinbase、Shopify 和 Ramp 等公司都尝试自建编程代理，但最终仍依赖 Anthropic 的模型。这说明底层模型能力仍是核心壁垒，自建工具更多是在封装和流程上做优化。运维团队在规划 AI 辅助开发时，应认识到：真正的差异化在于如何将模型与现有工具链、权限体系和安全策略深度集成，而非从零训练模型。
AWS Dogwood：让 AI 代理的下一步操作“有效但错误”成为过去#
AWS 推出的 Dogwood 框架旨在解决 AI 代理在调用工具时“语法正确但逻辑错误”的问题。它通过策略约束和上下文校验，确保代理的每个动作都符合预期。这为运维提供了更可靠的方式去控制 AI 代理在基础设施上的操作，减少因幻觉导致的配置错误，是走向可信 AI 运维的重要一步。
平台工程新视角：治理本质上是个开发者体验问题#
Docker 博客提出，治理不应是阻碍开发的繁琐流程，而应融入开发者体验。通过提供清晰的策略即代码、自动化的合规检查和无摩擦的反馈循环，治理可以成为开发流程的自然部分。对于运维团队，这意味着要转变思路，将治理工具嵌入到开发者日常使用的平台中，而不是作为事后审计。
