blog: add Chinese translation of kagent + HAMi GPU virtualization article

blog/authors.yml

@@ -5,3 +5,8 @@ elrond_wang:
 
 hami_community:
   name: HAMi Community
+
+mesut_oezdil:
+  name: Mesut Oezdil
+  title: Author
+  url: https://www.linkedin.com/in/mesut-oezdil/

blog/kagent-hami-ai-agent-gpu-virtualization/index.md

@@ -0,0 +1,20 @@
+---
+title: "AI Agent Can Now Manage Kubernetes GPU Resources Directly"
+date: "2026-05-28"
+description: "A real-world test of kagent and HAMi: GPU virtualization, Agent-to-Agent collaboration, and open-source model-driven AI infrastructure on Kubernetes. The Chinese translation is published here; the original English article is on Substack."
+authors: [mesut_oezdil]
+tags: ["HAMi", "kagent", "GPU Virtualization", "AI Agent", "Kubernetes", "vGPU"]
+unlisted: true
+---
+
+This is the Chinese translation of the original article by Mesut Oezdil.
+
+The original English article is available here: https://mesutoezdil.substack.com/p/kagent-hami-on-nebius-2-cncf-projects
+
+**Switch to the Chinese version to read the translated content on this site.**
+
+<!-- truncate -->
+
+---
+
+Use the language selector in the top right corner to switch to **简体中文** (Simplified Chinese).

i18n/zh/docusaurus-plugin-content-blog/authors.yml

@@ -5,3 +5,8 @@ elrond_wang:
 
 hami_community:
   name: HAMi 社区
+
+mesut_oezdil:
+  name: Mesut Oezdil
+  title: Author
+  url: https://www.linkedin.com/in/mesut-oezdil/

i18n/zh/docusaurus-plugin-content-blog/kagent-hami-ai-agent-gpu-virtualization/index.md

@@ -0,0 +1,325 @@
+---
+title: "我实测了：AI Agent 已经可以直接管理 Kubernetes GPU 资源"
+date: "2026-05-28"
+description: "AI Agent 已开始直接管理 Kubernetes GPU 资源：实测 kagent + HAMi 如何实现 GPU 虚拟化、Agent 协作与开源模型驱动的 AI Infra。"
+authors: [mesut_oezdil]
+tags: ["HAMi", "kagent", "GPU 虚拟化", "AI Agent", "Kubernetes", "vGPU", "云原生"]
+---
+
+作者：[Mesut Oezdil](https://www.linkedin.com/in/mesut-oezdil/) · [GitHub](https://github.com/mesutoezdil)
+原文：https://mesutoezdil.substack.com/p/kagent-hami-on-nebius-2-cncf-projects
+GitHub Repo：https://github.com/mesutoezdil/kagentWithHami
+中文翻译：Jimmy Song（原文发布于[微信公众号](https://mp.weixin.qq.com/s/WNzZh02_1CbMbVBfi4eRGw)）
+
+---
+
+## 引言
+
+最近看到一篇很有意思的海外实战文章：一位来自德国的工程师，在真实 GPU 环境中，把 CNCF 项目 kagent 与 HAMi 跑在了一起，并验证了 AI Agent 如何直接管理 Kubernetes 中的 GPU 虚拟化资源。
+
+这篇文章最有价值的地方，不是"介绍功能"，而是完整记录了真实部署、踩坑、调试与验证过程。包括：
+
+- 使用 HAMi 将一张 NVIDIA L40S 虚拟化为 10 张 vGPU
+- 使用 kagent 让 AI Agent 直接调用 Kubernetes API
+- Agent 自动创建 GPU Pod 并理解 HAMi GPU 分配结果
+- 多 Agent 协作（A2A）
+- 基于开源模型与 OpenAI-compatible API 完整运行
+
+我们认为，这类真实工程实践，比单纯 benchmark 或功能介绍更能体现 AI Infra 的演进方向。
+
+尤其值得关注的是：
+
+Kubernetes 正在从"容器编排系统"，逐渐演化为 AI Runtime 与 GPU Control Plane，而 HAMi 也开始进入 AI Agent、AI Infra、GPU 资源抽象等更大的技术叙事中。
+
+以下为原文翻译。
+
+<!-- truncate -->
+
+## 在开始之前
+
+这不是一篇"文档总结"。
+
+你在下面看到的每一条命令，都是我亲自在 Nebius VM 上执行的。每一个输出结果，也都来自那台机器。
+
+当某些东西失败时，我会去调试；当某些东西成功时，我会解释为什么能成功。文章中的错误都是真实遇到的错误，修复方法也都是我亲自验证过的方案。
+
+如果你使用同样的环境运行这些命令，你会得到相同的结果。
+
+完整仓库（包括所有 manifests 与 setup script）在这里：
+
+https://github.com/mesutoezdil/kagentWithHami
+
+关于本文范围：这篇文章只覆盖核心部分。完整安装流程、所有 manifests、完整 troubleshooting guide 与 setup script 都在 GitHub 仓库中。如果你想自己跑一遍，建议先从仓库开始。
+
+如果你之前没接触过 HAMi：
+
+https://medium.com/@mesutoezdil/hami-in-a-real-kubernetes-environment-e8eaa872f388
+
+如果你想看 GPU 可观测性工具测试：
+
+https://mesutoezdil.substack.com/p/i-tested-every-feature-of-ingero
+
+## 这篇文章到底在讲什么
+
+kagent 会把 AI Agent 变成 Kubernetes 资源。
+
+你的 system prompt、tools、model config，全部都以 CRD 的形式存在。
+
+你可以：
+
+- 用 Git 管理版本
+- 用 Helm 部署
+- 用 kubectl 查看
+
+HAMi 则是在 Kubernetes scheduler 层实现 GPU 虚拟化。
+
+一张物理 NVIDIA L40S，可以在 Kubernetes 中变成 10 张虚拟 GPU，并且在 CUDA Driver 层实现严格的显存限制。
+
+Nebius Token Factory 是一个兼容 OpenAI API 的推理服务。
+
+本文所有测试都使用的是 Llama 3.3 70B。
+
+我想验证的问题是：
+
+> "一个 AI Agent，是否能够在 Kubernetes 集群内部，仅使用开源模型，就管理 GPU 虚拟化工作负载？"
+
+答案是：
+
+可以。
+
+## 测试机器
+
+```
+GPU:  1x NVIDIA L40S (46GB VRAM)
+CPU:  8 vCPUs
+RAM:  32GB
+OS:   Ubuntu 24.04 LTS for NVIDIA GPUs (CUDA 13)
+```
+
+```
+nvidia-smi
+| NVIDIA-SMI 580.126.09    CUDA Version: 13.0      |
+|   0  NVIDIA L40S    0MiB / 46068MiB    0%        |
+```
+
+46GB VRAM 完全空闲。
+
+而在本文结束时，它会被变成 10 张虚拟 GPU。
+
+## 1 > 安装 k3s 与 Helm
+
+k3s 是单节点环境的理想选择。
+
+```bash
+curl -sfL https://get.k3s.io | sh -
+```
+
+（后续命令与原文一致，此处保留）
+
+## 2 > 安装 kagent
+
+kagent 提供两个 Helm Chart。
+
+先安装 CRD，再安装主 Chart。
+
+这样你就可以独立升级 CRD，而不会影响正在运行的 Agent。
+
+```bash
+helm install kagent-crds \
+  oci://ghcr.io/kagent-dev/kagent/helm/kagent-crds \
+  --namespace kagent
+```
+
+之后安装主 Chart，并接入 Nebius Token Factory。
+
+## 3 > 安装 HAMi
+
+如果没有 HAMi，Kubernetes 根本看不到 GPU：
+
+```json
+{"cpu": "8", "memory": "32865164Ki", "pods": "110"}
+```
+
+没有 nvidia.com/gpu。
+
+HAMi 安装完成后：
+
+```json
+{
+  "cpu": "8",
+  "memory": "32865164Ki",
+  "nvidia.com/gpu": "10",
+  "pods": "110"
+}
+```
+
+一张物理 GPU 被虚拟化成了 10 张 GPU。
+
+## 4 > 第一次 Agent 调用
+
+LLM 会自动：
+
+- 调用 Kubernetes API
+- 获取资源
+- 汇总结果
+
+最终输出：
+
+> "The cluster has 25 running pods across different namespaces, including kagent and kube-system."
+
+## 5 > GPU 检查
+
+安装 HAMi 前：
+
+> "The node does not have any GPUs available."
+
+安装 HAMi 后：
+
+> "The node nebius-tarantula has 10 GPUs available, type NVIDIA L40S."
+
+Agent 可以读取并理解 HAMi 的 Kubernetes annotations。
+
+## 6 > Self-inspection 测试
+
+Agent 使用 Kubernetes API 描述它自己。
+
+它：
+
+- 找到自己的 CRD
+- 读取自己的 system prompt
+- 读取自己的 tool list
+- 解释自己的架构
+
+一个 Agent，通过实时 API 调用，读取并解释自己的定义。
+
+## 7 > 创建自定义 Agent
+
+创建了一个 SRE orchestrator，并将 metrics 查询委托给 promql-agent。
+
+核心机制：
+
+```yaml
+type: Agent
+```
+
+这实现了 Agent-to-Agent（A2A）。
+
+## 8 > Agent 与 Agent 对话
+
+两个不同 Agent 拥有：
+
+- 独立 session
+- 独立 context window
+- 独立 PostgreSQL 存储
+
+orchestrator 只能看到子 Agent 的最终结果，而无法看到内部 reasoning。
+
+## 9 > Agent 创建 HAMi GPU Pod
+
+Agent 自动创建：
+
+```yaml
+annotations:
+  nvidia.com/gpumem: "20000"
+```
+
+随后：
+
+- 第一个 Pod 分配 20000 MiB
+- 第二个 Pod 分配 15000 MiB
+
+两个 Pod 被共享调度到同一张物理 GPU。
+
+HAMi 会正确处理 GPU sharing。
+
+## 10 > Overcommit 保护机制
+
+当请求：
+
+```yaml
+nvidia.com/gpu: 11
+```
+
+但集群只有 10 张虚拟 GPU 时：
+
+```
+Warning  FailedScheduling  hami-scheduler
+```
+
+Pod 会一直 Pending。
+
+HAMi 不会调度无法满足的资源请求。
+
+## 11 > HAMi Metrics
+
+HAMi 提供标准 Prometheus metrics：
+
+- HostCoreUtilization
+- HostGPUMemoryUsage
+- hami_build_info
+
+可以直接接入现有监控系统。
+
+## 12 > kagent CLI
+
+kagent CLI 可以查看：
+
+- Agent
+- Session
+- A2A sub-session
+- Delegation latency
+
+所有状态都存储在 PostgreSQL 中。
+
+**A2A Agent Card**
+
+每个 Agent 都会暴露：
+
+```
+/.well-known/agent-card.json
+```
+
+用于 multi-agent system 中的能力发现。
+
+## 哪些东西没有成功
+
+**Memory CRD** - 目前只支持 Pinecone。
+
+**kmcp init** - v0.8.6 中不可用。
+
+**Ubuntu + HAMi + sleep** - 如果镜像缺少 CUDA libraries，甚至 sleep 命令都无法启动。
+
+**HAMi WebUI** - 需要额外安装。
+
+## 为什么这个组合有意义
+
+你的 deployment specs 在 Git 中。
+
+你的 network policies 在 Git 中。
+
+你的 RBAC rules 也在 Git 中。
+
+那么 AI Agent 的 system prompts，为什么不能也在 Git 中？
+
+kagent 实现了这一点。
+
+HAMi 则在不修改 workload 的前提下，解决 GPU 资源浪费问题。
+
+这两个项目组合后：
+
+AI Agent 可以直接在 Kubernetes 集群内部观察、理解并管理 GPU 虚拟化基础设施。
+
+而且：
+
+- 使用开源模型
+- 不依赖闭源 AI Provider
+- 完全运行在 Kubernetes 内部
+
+---
+
+## 关于 HAMi
+
+HAMi，全称是 Heterogeneous AI Computing Virtualization Middleware（异构算力虚拟化中间件），是一套为管理 Kubernetes 集群中的异构 AI 计算设备而设计的"一站式"架构，能够提供异构 AI 设备共享能力，提供任务间的资源隔离。HAMi 致力于提升 Kubernetes 集群中异构计算设备的利用率，为不同类型的异构设备提供统一的复用接口。HAMi 当前是 CNCF Sandbox 项目，已被 CNCF 纳入 CNAI 类别技术全景图。
+
+- 社区官网：https://project-hami.io
+- GitHub：https://github.com/Project-HAMi/HAMi