Agent Infra：Runtime、Sandbox 与可靠执行
一次 Agent 请求的完整执行链路是什么？
原题为什么需要 Checkpoint，恢复时从哪里继续？
原题如果让你设计一个 Agent Runtime，你会怎么拆？
原题Agent Sandbox 解决什么问题，为什么容器不一定够？
原题如何支撑几十万并发 Agent Task，并把它观测清楚？
原题如何让 Agent 执行过程可观测、可调试？
原题Tool 已成功但 Runtime 在写状态前宕机，如何避免重复副作用？
原题Kubernetes Pod/Deployment 从提交到就绪经历哪些控制链路？
原题Ray 的核心调度链路是什么，节点 OOM 或上游故障后如何恢复？
原题Agentic RL 采用同步还是异步 Rollout，如何权衡吞吐与稳定性？
原题大量本地端 Agent 与云端 Agent 如何协同？身份、状态、离线和任务迁移边界怎么设计？
原题Agentic RL 的 Rollout、Training 与推理引擎如何编排？
原题Agent Router 应以什么运行形态存在，请求数据流如何设计？
原题Agent 平台或 Runtime 出现新框架时，如何评估迁移收益、兼容老旧服务并决定是否淘汰旧方案？
原题Agent 如何实现主动向用户推送消息？
原题Kubernetes 在 Agent Infra 中负责什么？
原题Kubernetes 的 Request 与 Limit 分别怎样影响调度和资源隔离？
原题Kubernetes Scheduler 的三个队列如何流转？
原题“三个队列”指 kube-scheduler 的内部调度队列。
Agent Worker 或 Sandbox 滚动发布时，如何逐步切流并保护长任务？
原题Agent Infra 为什么能提升 Agent 的能力上限和任务成功率？
原题周期性 Agent 任务如何把 Schedule 与每次 Run 分离，并处理时区、漏跑、并发、幂等和失败通知？
原题如何根据安全性、性能、故障影响范围和成本选择服务隔离层级？
原题Agent 调用 Sandbox 的链路如何容错？Sandbox 运行中崩溃后怎么恢复？
原题Agent Task 适合建模为 Kubernetes CRD 吗？如何权衡声明式管理与高频任务吞吐？
原题verl AgentLoop 的运行模型、状态与扩展点是什么？
原题这里的 AgentLoop 指 verl 多轮 Rollout 接口。
Agent 状态放在 Sandbox 内、用户状态放在 Sandbox 外时，边界如何设计？
原题Agent 执行过程中如何提供安全停止功能？
原题用户点击停止后，系统需要完成哪些清理和收尾？
原题如何降低 Agent 依赖技术人员逐个配置的成本？
原题Agent Workbench 解决什么问题？应具备哪些核心能力？
原题如何判断一个 Agent 基础设施是否完备？应从哪些能力和质量指标评估？
原题Agent 文件系统访问边界与工作目录隔离如何设计？
原题Agent 工作流框架中的节点抽象如何设计？
原题进程崩溃或退出后，分布式 Lease 如何检测、回收并避免资源被错误占用？
原题如何保证同一构建任务在分布式环境中同时只有一个 Worker 执行？
原题
暂无题目