Kubernetes 到底在忙什麼？ Pod、Deployment、Service、Ingress、ConfigMap、Volume……名詞一多，K8s 就開始像一座神秘的魔法城堡。 這次我們來一點不囉唆的圖解 Kubernetes 吧！ 放過你的大腦，用圖解加上動手 5 分鐘，讓每一天都能 Get Kubernetes 重要概念！

本系列將以 AI Engineering 的工程實作角度，從零開始探索 Quantum Machine Learning（QML）。30 天內容涵蓋量子運算與 QML 基礎、量子電路與資料編碼、Variational Quantum Circuit、Quantum Neural Network、混合式 Classical-Quantum 模型，以及 QML 實驗設計與模型評估。同時嘗試結合 GPU、CUDA 與現有開源工具改善模擬與運算流程，並透過 Python、實驗程式與 GitHub 專案，記錄一名 AI 工程師進入 Quantum AI 世界的完整學習與實作歷程。

軟體開發只是 Claude 應用的其中一塊拼圖。這次我想用 30 天的時間，實際做一件事來驗證這句話：從零打造一款有分支劇情的策略塔防遊戲，並且把整個開發過程中用到的 Claude 工作流，一步一步攤開來記錄。 這款遊戲的前端用 Vue 3 搭 Canvas 打造戰場渲染；後端用 Go 撐起劇情狀態機與存檔驗證，跑在 Lambda 上，經 API Gateway REST API 對外；資料放 DynamoDB 單表。部署走完整的 Terraform IaC 流程，搭配 CI/CD 與 CloudWatch 監控

身為開發 AI agent 與負責地端/雲端服務的維運者, 記錄實際踩雷過的 K8s 學習之路, 從「Agent 為什麼與 K8s 有關」視角出發的個人學習筆記. 內容: 1) 為什麼 AI agent 需要知道 K8s, 2) AI infra（的資源規劃, 3) 沒碰過 K8s 的 AI 工程師該怎麼起步, 4) 部署一個 AI app 到底該選哪種雲端 K8s (GCP, Azure, 以及其他雲端該怎麼取捨）. 其中幾篇會以採用 OpenAB 自架的 agent 團隊為實例, 試著記錄 AI 工程師從「初探」到「能架設/觀察」的過程.