本周 GitHub Trending（weekly）的主题非常集中：AI 热点不再只是“做一个 agent”，而是在补 agent 真正进入日常工程后的短板——如何沉淀技能、如何约束行为、如何接入不同模型、如何理解代码库、如何把内容生产或金融决策做成流水线。

很多团队一开始做 CI/CD，目标都很朴素：代码合并后自动构建、自动发到测试环境、必要时再推到线上。

但流程一旦长起来，事情就会慢慢变味：PR 要检查，主干要打版本，测试环境要发，生产环境也要发，最后所有逻辑都堆进一堆 YAML 和脚本里。等到哪次线上出了问题，大家才发现，自己拥有的不是一条可靠的交付链路，而是一团只能靠翻日志排障的自动化拼接物。

我这次想整理的，不是“怎么把 Gitea Actions 配起来”，而是怎么把一套通用应用交付流程拆成几个边界清楚、彼此可追踪的环节：PR 阶段做 AI Review，主干阶段沉淀版本事实，开发环境做快速镜像验证，生产环境则通过 GitOps 交给 ArgoCD 接管发布。

这周的 GitHub Trending（weekly）延续了最近几周非常明显的一个趋势：AI 相关项目不仅数量上压制全场，叙事上也从“更强模型”转向“更可靠的 agent 系统”。如果说前一阶段大家还在比谁能做出更惊艳的 demo，那这周最热的项目几乎都在回答另一个更现实的问题：怎么让 agent 更少犯错、记得更多、协作更顺、接入真实工作流。

这周的 GitHub Trending（weekly）有一个非常鲜明的特征：榜单头部几乎被 AI Agent 相关项目包场，尤其是 coding agent、agent 记忆、agent 管理平台、以及把特定领域知识做成模型或工作流的项目。非 AI 项目并没有完全消失，但热度更多来自“给 AI 时代做基础设施”或者“把老工作流变成更自动化、更脚本化的接口”。

在 EKS 上替掉 Cluster Autoscaler，换成 Karpenter 做节点弹性伸缩。这里记录一下最小可用配置和踩过的坑。

使用keycloak实现统一认证

手动实现一个冥运算pow函数，当场没想出来，搜了一下可以用二分冥，用golang和递归方法实现一下

第一次给开源项目PR，虽然只是写了个docker-compose.yml，纪念一下