2025 KL 的年终总结 2025 年对我来说，是一个从“支撑系统稳定运行”走向“推动关键基础能力重构”的年份。也是我真正把 AI 融入日常工程工作的第一年。 过去一年里，我主要做了三类事情： 继续维护基础设施底盘，保障 xxljob、Apollo、Otel、OSS、SLS、Redis、CDN 等关键系统稳定运行。 推动自建机器学习训练平台从云厂商体系迁移到 Kubeflow，并围绕 TensorFlow、PyTorch、训练 IO、checkpoint、模...

阅读全文 »