智能驾驶感知环境容器镜像预检记录
本文介绍智能驾驶感知环境部署前的镜像预检实践：针对CUDA、ROS2、PyTorch、Prometheus、K8s等多源异构镜像，通过Docker Compose预拉取与验证，隔离环境问题与算法问题；并延伸至K8s节点预拉镜像，规避ImagePullBackOff故障，提升部署可靠性与复用性。（239字）
MCP 工具服务容器化前，我先做了镜像预检
本文分享MCP Agent部署避坑实践：聚焦镜像拉取环节，通过统一使用毫秒镜像源（如`ghcr.1ms.run`/`docker.1ms.run`等）预检多源镜像、修改compose配置、分步验证，有效规避`context deadline exceeded`等启动失败问题，提升环境复现成功率。（239字）
北京车展都在聊智能驾驶，我复现感知环境时先被镜像卡住了
本文分享智能驾驶实验环境搭建的实战经验：聚焦感知模块简化实现，却卡在镜像拉取——NVIDIA、Quay等海外源在国内不稳定。作者采用毫秒镜像（1ms.run）加速替代，统一解决CUDA、Redis、Prometheus等多源镜像下载难题，强调工程落地中“环境启动稳定性”常比算法更关键。（239字）
Kubernetes Pod 重启之谜：何时重启？何时静默？
配置更新后Pod无反应？真相是：kubelet只监听Pod Spec变更，ConfigMap/Secret内容变化不会触发重启。环境变量注入不可热更，卷挂载需应用主动监听；UID变=重建，UID不变+重启计数增=容器重启。精准判断，避免误操作。（239字）
hermes + ollama 本地模型实践分享
想把 AI 跑在自己的电脑上？其实没那么难。本文介绍如何用 Ollama 配合 hermes-agent，只需一条命令，就能在本地启动。数据全程不离开自己的硬盘，断网也能用。通过 Java 和 k8s 日志案例，展示了 hermes-agent 自动创建并改进技能的全过程，一行代码都不用写。
EVPN+VXLAN技术详解
EVPN-VXLAN 是构建于 Spine-Leaf 等 IP Fabric（Underlay）之上的 Overlay 控制与转发协议，二者为承载关系而非等价。Spine-Leaf 提供高可用、低延迟的三层网络基础，EVPN（BGP控制面）+ VXLAN（数据面封装）则实现跨物理边界的虚拟二层网络，支持多租户、自动化部署与大规模扩展。
