按产品和能力分类的示例
本文件夹中的每个示例,先按学习它们的顺序逐个阶段列出,再按其部署的每个产品和其展示的每项能力列出。每个条目给出示例的级别及其页面的第一句话。
级别为 start、authoring 或 advanced:即 每个示例的头部 所列的级别。每个示例所带的头部,以及其取值所来自的列表,在 每个示例的头部 中说明。
按教学顺序
从这里开始
阶段 start-here:“入门”指南一步步扩展的两个示例,然后是两个面向云的入门示例。
- quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。 - quickstart-web (
start) — 一个将笔记保存在 PostgreSQL 中的小型 Web 应用,分四步逐步扩展:它先与数据库一起在你的机器上起步,然后加入 Redis 缓存,接着迁移到 AWS 并将数据库放在 Amazon RDS 上,最后获得备份。 - terraform-rds(
authoring)— 一个作为开发者意图编写一次的 MariaDB 数据库,渲染为一个预置托管 AWS RDS 实例的 Terraform HCL 文件。 - cloudformation-rds-stack(
advanced)— 一个托管数据库和读取它的应用,作为开发者意图编写一次,并组装成 AWS CloudFormation 栈模板。
仅使用目录
阶段 catalog-only:由目录实体组装而成,除 Aggregate、Manifest 和 Release 之外不编写任何内容。
- catalog-only(
start)— 本示例通过仅引用标准库目录实体部署一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI。 - cert-manager-tls(
start)— 本示例将一个小型的真实栈——一个 cert-manager 证书控制器——从一个由开发者编写的Aggregate编译到 Kubernetes。 - contour-gateway(
start)— 本示例将一个小型的真实栈——一个 Contour 入口网关——从一个由开发者编写的Aggregate编译到 Kubernetes。 - external-secrets-operator(
start)— 本示例将一个小型的真实栈——external-secrets operator——从一个由开发者编写的Aggregate编译到 Kubernetes,以官方 external-secrets Helm chart 为后端。 - sealed-secrets-controller(
start)— 本示例将一个小型的真实栈——sealed-secrets 控制器——从一个由开发者编写的Aggregate编译到 Kubernetes,以从 HTTPS chart 仓库提供的官方 sealed-secrets Helm chart 为后端。 - openbao-secrets(
start)— 本示例将一个小型的真实栈——单个 OpenBao 机密服务器——从一个由开发者编写的Aggregate编译到 Kubernetes,以官方 OpenBao Helm chart 为后端。 - jaeger-tracing(
start)— 本示例将一个小型的真实栈——单节点形态的 Jaeger 分布式追踪后端——从一个由开发者编写的Aggregate编译到 Kubernetes,直接从官方 Jaeger 镜像合成,不使用上游 chart。 - tempo-tracing(
start)— 本示例将一个小型的真实栈——一个 Grafana Tempo 分布式追踪服务器——从一个由开发者编写的Aggregate通过基于官方grafana/tempo镜像的 Workload 合成编译到 Kubernetes,采用单二进制形态。 - loki-logging(
start)— 本示例将一个小型的真实栈——一个 Grafana Loki 日志聚合服务器——从一个由开发者编写的Aggregate编译到 Kubernetes,以单二进制形态的官方 Grafana Loki Helm chart 为后端。 - kafka-broker(
start)— 本示例将一个小型的真实栈——单节点 KRaft 形态的 Apache Kafka 事件流代理——从一个由开发者编写的Aggregate编译到 Kubernetes,直接从官方 Apache Kafka 镜像合成,不使用上游 chart。 - redis-cache(
start)— 这个精简示例将单个 Redis 内存缓存(Redis 线协议)从一个由开发者编写的Aggregate编译为两种实现。 - valkey-cache(
start)— 这个精简示例将单个 Valkey 内存缓存(Redis 线协议)从一个由开发者编写的Aggregate编译为两种实现。 - memcached-cache(
start)— 这个精简示例将单个 Memcached 内存缓存从一个由开发者编写的Aggregate编译为两种实现。 - nats-messaging(
start)— 本示例将单个 NATS 消息服务器(发布-订阅、请求-应答、队列)从一个由开发者编写的Aggregate编译为两种实现。 - rabbitmq-broker(
start)— 本示例将单个 RabbitMQ 消息代理(AMQP)从一个由开发者编写的Aggregate编译到两个目标。 - mysql-standalone(
start)— 这个精简示例将单个 MySQL 数据库从由开发者编写的Aggregate编译到两个目标。 - mariadb-helm-synth(
start)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的 MariaDB 数据库——无需外部 chart。 - postgres-init-config(
start)—core/datastore/postgres暴露两个可选的开发者值,用于塑造数据库的首次启动:init_scripts(初始化时运行一次的 SQL 或 shell)和custom_config(一个postgresql.conf片段)。 - grafana-dashboards(
start)— 本示例将单个 Grafana 仪表板与可视化服务器从一个由开发者编写的Aggregate编译为两种实现。 - s3-object-store(
start)— 本示例将一个 S3 兼容对象存储,即core/storage/s3-object-store组件,编译为它的两种自托管实现。 - nginx-gateway(
start)— 本示例将一个小型的真实栈——一个位于 Web 后端前面的 NGINX 反向代理网关——从一个由开发者编写的Aggregate编译到两个目标。 - prometheus-scrape(
start)— 本示例将一个小型的真实栈——一个抓取两个 Grafana 仪表板服务器的 Prometheus 指标服务器——从一个由开发者编写的Aggregate编译到两个目标。 - fluentd-aggregator(
start)— 本示例将一个 Fluentd 日志聚合器——日志管道的接收端——从一个由开发者编写的Aggregate编译为两种实现。 - fluent-bit-to-fluentd(
start)— 本示例将一条真实的日志管道——一个通过 forward 协议向 Fluentd 聚合器发送记录的 Fluent Bit 转发器——从一个由开发者编写的Aggregate编译为两种实现。 - mysql-innodb-cluster(
start)— 一个 MySQL InnoDB Cluster 及协调它的控制平面,从同一个未改动的 Aggregate 构建两次:一次请求单个服务器实例,一次请求三个。 - apisix-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个动态 API 网关——生成合成的 Kubernetes 清单。 - ferretdb-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个暴露 MongoDB 线协议的文档数据库——生成合成的 Kubernetes 清单。 - kong-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个以数据库为后端的 API 网关——生成合成的 Kubernetes 清单。 - keycloak-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个以数据库为后端的身份服务器——生成合成的 Kubernetes 清单。 - thanos-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——Thanos 指标系统的读取/查询层——生成合成的 Kubernetes 清单。 - harbor-stack(
start)— 本示例将一个真实的容器镜像仓库从一个由开发者编写的Aggregate编译为 Kubernetes 清单。 - credential-secretkeyref(
start)— 一个 PostgreSQL 数据库,其密码由凭据子系统提供,按 provider 分别展示。 - model-api-key-sharing(
start)— 两个 CrewAI 智能体位于同一个兼容 OpenAI 的网关之后。 - adhoc-uses-socket(
start)— 本示例讲授一行内容,以及它的两半。 - ai-agent-and-model-router(
start)— 一个智能体应用通过一个集群内路由器访问两个上游提供商的模型,编译为 Kubernetes 清单。 - connection-credentials(
start)— 一个语义记忆存储访问两个模型,并向每个模型出示不同的密钥,编译为 Kubernetes 清单。 - ai-gateway-log-masking(
start)— 一个支持助手必须处理客户的姓名和电子邮件地址,因此它调用的模型必须看到这些信息。 - ai-gateway-prompt-injection-shield(
start)— 支持助手的用户可以输入任何内容,其中有些内容试图让模型忽略它所收到的指令。 - ai-gateway-semantic-cache(
start)— 一个支持助手整天被人用略有不同的措辞问同样的问题。 - apisix-token-budget(
start)— 一个团队把两个 OpenAI 模型放在一个网关之后,希望为网关每天在它们上面的花费设定上限,以 token 计数。 - envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。 - model-server-caller-allowlist(
start)— 在集群中运行的模型服务器会应答任何能访问其地址的调用方。 - task-run-on-demand(
start)— 一个带有core/manual-trigger的任务,在 Kubernetes、Docker Compose、Terraform 和 CloudFormation 上部署后不会启动,旁边是一个不带任何附件的任务,并给出在每个目标上启动一次运行的命令。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。
编写
阶段 authoring:编写自己的 Component、Feature 或 Recipe,或展示其结构。
- mariadb-adminer(
authoring)— 本示例将一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI——从单个由开发者编写的Aggregate编译到两个平台。 - per-instance-recipe-override(
authoring)— 本示例讲授一项 Manifest 功能:name映射层级,它为单个组件实例覆盖 Recipe,而同一类型的其他每个实例仍保留批量的type层级 Recipe。 - workload-library-import(
authoring)— 一个无状态 Web 服务,其 Recipe 从共享库条目而不是内联主体合成其 Kubernetes Workload。 - workload-identity-binding(
authoring)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的无状态应用——无需外部 chart。 - multikey-secret-synth(
authoring)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的无状态应用——无需外部 chart。 - mariadb-bitnami-credential-set(
authoring)— 一个由 Bitnami Helm chart 实现的 MariaDB 数据库,其密码由一个多键可引用 secret(core/referenced-secret-set)提供。 - credential-shape-per-target(
authoring)— 凭据如何到达运行中的容器,是你部署在哪里的属性,而不是应用的属性。 - terraform-rds-module(
authoring)— 与terraform-rds示例相同的 MariaDB 意图,通过 Terraform provider 的 sourced(来源引用)形态渲染:Recipe 不使用内联 HCL 主体,而是指向一个本地 Terraform 模块,编译器原样 vendor 该模块,然后从开发者和运维两大支柱提供其输入变量。 - postgres-three-realizations(
authoring)— 一个 PostgreSQL 数据库和读取它的应用,从同一个未改动的 Aggregate 以三种不同方式部署:在集群中运行的 PostgreSQL、作为托管云实例的 PostgreSQL,以及在部署此 Release 之前就已存在的 PostgreSQL 服务器。 - mcp-address-from-secret(
authoring)— 一些由他人运行的 Model Context Protocol 服务器从它们自己的地址读取密钥——https://mcp.example.com/mcp?api_key=<key>——而不是从请求头读取。 - chart-from-git-repository(
authoring)— Helm chart 不一定来自 chart 注册表。 - extends-wrapper(
authoring)— 本示例只讲授一件事:extends另一个 Component 的 Component 会继承该基础的整个数据契约,因此为该基础编写的每个 Recipe 都已经实现了这个扩展它的 Component。
进阶
阶段 advanced:边界、治理策略、由注解驱动的 Features 以及组装好的云栈,其中若干项组合在一次构建中。
- advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - aws-rds-and-ecs-service(
advanced)— 一个 Aggregate 包含一个 PostgreSQL 数据库和读取它的服务器。 - terraform-declared-sensitivity(
advanced)— 关于某个值携带机密材料的声明只需编写一次,写在 Component 的 schema 上。 - cross-boundary-networking(
advanced)— 一个双组件栈——Adminer 数据库 UI 和 PostgreSQL 数据库——分布在两个边界上,Adminer 必须跨越边界接缝访问数据库。 - module-boundary-routing(
advanced)— 本示例从一个由开发者编写的Aggregate编译两项能力——基于对象存储的 Thanos 指标读取层和使用 MongoDB 线协议的文档数据库——并通过 Release 将每项能力放入各自的边界。 - annotation-driven-monitoring(
advanced)— 本示例将一个监控 Feature 附加到嵌套拓扑中的六个服务,而无需编写任何一个按组件的features:块。 - policy-in-ci(
advanced)— 两个开箱即用的规则脚本,读取 Aggrega 构建的输出目录,并在其违反规则时拒绝它。 - policy-payload-leaf-sensitivity(
advanced)— 本示例讲授一条内部规则,以及使其得以表达的那个事实。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - policy-label-transform(
advanced)— 治理插件为此工作区部署的每个组件打上标签:其所有者、其环境所获得的支持级别、其备份计划和一个简短标记,从而无需任何开发者手动输入。 - policy-org-overlay(
advanced)— 一个团队的策略、其组织的策略和其流水线的策略在同一次构建中一起运行,各自附加在自己的配置文件中。 - policy-render-verdict(
advanced)— 一条附加在render-verdict角色上的内部规则,评判一次构建为四个目标写出的文件,并拒绝在每个目标中植入的违规。 - policy-annotation-transform(
advanced)— 一项治理策略为一个商店的每个组件赋予平台的监控和一个 AWS IAM 角色。 - ai-gateway-own-webhook-certificate(
advanced)— 这是一个高级示例。
导入器
阶段 importers:用另一种格式编写的项目,由 aggrega import 起草为 Aggrega 文件,然后经审阅并构建。
- import-compose (
start) — 一个 Compose 文件,运行一个 API、该 API 存放笔记的 PostgreSQL 数据库和一个 Redis 缓存,由aggrega import起草为 Aggrega 文件 — 连接、数据库的设置、作为变量引用的密码以及每个镜像的标签均被沿用 — 并为 Docker Compose 构建。 - import-mcp (
start) — 一个 Claude Code.mcp.json,列出三个 Model Context Protocol 服务器 — 两个通过命令行启动,一个由他人运行 — 由aggrega import起草为 Aggrega 文件,每个服务器都映射到与其运行方式对应的实现,并为 Kubernetes 构建。 - import-n8n (
start) — 一个 n8n 工作流 — 一个聊天触发器、一个 AI Agent、一个 OpenAI Chat Model 和一个 Simple Memory — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-flowise (
start) — 一个 Flowise 聊天流 — 一个 ChatOpenAI 节点、一个 Buffer Memory 和一个 Conversation Chain — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-langflow (
start) — Langflow 的 Basic Prompting 入门项目,以 JSON 导出,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。 - import-google-adk (
start) — 一个基于 Google Agent Development Kit 构建的应用的 Agent Config — 一个基于 Gemini 的智能体,带有 ADK 自带的 Google Search 工具 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-langgraph (
start) — 一个 LangGraph 应用的langgraph.json— 一个图,将其状态保存在 PostgreSQL 中 — 由aggrega import起草为 Aggrega 文件,图所调用的模型和应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-crewai (
start) — 一个采用经典布局的 CrewAI 项目中的智能体与任务声明 — 两个智能体共用一个 OpenAI 模型,各有一个任务 — 由aggrega import起草为 Aggrega 文件,crew 程序运行所在的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-agent-framework (
start) — 一个 Microsoft Agent Framework 声明式智能体 — 一个基于 OpenAI 模型、通过 MCP 服务器搜索文档的智能体 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。
按产品
core/ai-agent/agent-framework
- import-agent-framework (
start) — 一个 Microsoft Agent Framework 声明式智能体 — 一个基于 OpenAI 模型、通过 MCP 服务器搜索文档的智能体 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。
core/ai-agent/crewai
- envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。 - import-crewai (
start) — 一个采用经典布局的 CrewAI 项目中的智能体与任务声明 — 两个智能体共用一个 OpenAI 模型,各有一个任务 — 由aggrega import起草为 Aggrega 文件,crew 程序运行所在的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - model-api-key-sharing(
start)— 两个 CrewAI 智能体位于同一个兼容 OpenAI 的网关之后。
core/ai-agent/dify
- import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。
core/ai-agent/dify-plugin-daemon
- import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。
core/ai-agent/dify-sandbox
- import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。
core/ai-agent/dify-ssrf-proxy
- import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。
core/ai-agent/dify-web
- import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。
core/ai-agent/dify-worker
- import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。
core/ai-agent/dify-worker-beat
- import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。
core/ai-agent/flowise
- import-flowise (
start) — 一个 Flowise 聊天流 — 一个 ChatOpenAI 节点、一个 Buffer Memory 和一个 Conversation Chain — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。
core/ai-agent/google-adk
- import-google-adk (
start) — 一个基于 Google Agent Development Kit 构建的应用的 Agent Config — 一个基于 Gemini 的智能体,带有 ADK 自带的 Google Search 工具 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。
core/ai-agent/langflow
- import-langflow (
start) — Langflow 的 Basic Prompting 入门项目,以 JSON 导出,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。
core/ai-agent/langgraph
- ai-agent-and-model-router(
start)— 一个智能体应用通过一个集群内路由器访问两个上游提供商的模型,编译为 Kubernetes 清单。 - import-langgraph (
start) — 一个 LangGraph 应用的langgraph.json— 一个图,将其状态保存在 PostgreSQL 中 — 由aggrega import起草为 Aggrega 文件,图所调用的模型和应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。
core/ai-agent/n8n
- import-n8n (
start) — 一个 n8n 工作流 — 一个聊天触发器、一个 AI Agent、一个 OpenAI Chat Model 和一个 Simple Memory — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。
core/ai-model/anthropic
- adhoc-uses-socket(
start)— 本示例讲授一行内容,以及它的两半。
core/ai-model/gemini
- import-google-adk (
start) — 一个基于 Google Agent Development Kit 构建的应用的 Agent Config — 一个基于 Gemini 的智能体,带有 ADK 自带的 Google Search 工具 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。
core/ai-model/nemoguard-content-safety
- nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。
core/ai-model/ollama
- model-server-caller-allowlist(
start)— 在集群中运行的模型服务器会应答任何能访问其地址的调用方。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。
core/ai-model/openai
- ai-gateway-log-masking(
start)— 一个支持助手必须处理客户的姓名和电子邮件地址,因此它调用的模型必须看到这些信息。 - ai-gateway-semantic-cache(
start)— 一个支持助手整天被人用略有不同的措辞问同样的问题。 - apisix-token-budget(
start)— 一个团队把两个 OpenAI 模型放在一个网关之后,希望为网关每天在它们上面的花费设定上限,以 token 计数。 - connection-credentials(
start)— 一个语义记忆存储访问两个模型,并向每个模型出示不同的密钥,编译为 Kubernetes 清单。 - envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。 - import-agent-framework (
start) — 一个 Microsoft Agent Framework 声明式智能体 — 一个基于 OpenAI 模型、通过 MCP 服务器搜索文档的智能体 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-crewai (
start) — 一个采用经典布局的 CrewAI 项目中的智能体与任务声明 — 两个智能体共用一个 OpenAI 模型,各有一个任务 — 由aggrega import起草为 Aggrega 文件,crew 程序运行所在的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-flowise (
start) — 一个 Flowise 聊天流 — 一个 ChatOpenAI 节点、一个 Buffer Memory 和一个 Conversation Chain — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-langflow (
start) — Langflow 的 Basic Prompting 入门项目,以 JSON 导出,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-langgraph (
start) — 一个 LangGraph 应用的langgraph.json— 一个图,将其状态保存在 PostgreSQL 中 — 由aggrega import起草为 Aggrega 文件,图所调用的模型和应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-n8n (
start) — 一个 n8n 工作流 — 一个聊天触发器、一个 AI Agent、一个 OpenAI Chat Model 和一个 Simple Memory — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。
core/ai-model/openai-compatible
- model-api-key-sharing(
start)— 两个 CrewAI 智能体位于同一个兼容 OpenAI 的网关之后。
core/ai-model/openai-embedding
- ai-gateway-semantic-cache(
start)— 一个支持助手整天被人用略有不同的措辞问同样的问题。
core/ai-model/tei
- connection-credentials(
start)— 一个语义记忆存储访问两个模型,并向每个模型出示不同的密钥,编译为 Kubernetes 清单。
core/ai-tool/mcp
- import-mcp (
start) — 一个 Claude Code.mcp.json,列出三个 Model Context Protocol 服务器 — 两个通过命令行启动,一个由他人运行 — 由aggrega import起草为 Aggrega 文件,每个服务器都映射到与其运行方式对应的实现,并为 Kubernetes 构建。 - mcp-address-from-secret(
authoring)— 一些由他人运行的 Model Context Protocol 服务器从它们自己的地址读取密钥——https://mcp.example.com/mcp?api_key=<key>——而不是从请求头读取。
core/compute/server
- quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。
core/datastore/cognee
- connection-credentials(
start)— 一个语义记忆存储访问两个模型,并向每个模型出示不同的密钥,编译为 Kubernetes 清单。
core/datastore/documentdb
- ferretdb-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个暴露 MongoDB 线协议的文档数据库——生成合成的 Kubernetes 清单。 - module-boundary-routing(
advanced)— 本示例从一个由开发者编写的Aggregate编译两项能力——基于对象存储的 Thanos 指标读取层和使用 MongoDB 线协议的文档数据库——并通过 Release 将每项能力放入各自的边界。
core/datastore/etcd
- apisix-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个动态 API 网关——生成合成的 Kubernetes 清单。
core/datastore/ferretdb
- ferretdb-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个暴露 MongoDB 线协议的文档数据库——生成合成的 Kubernetes 清单。 - module-boundary-routing(
advanced)— 本示例从一个由开发者编写的Aggregate编译两项能力——基于对象存储的 Thanos 指标读取层和使用 MongoDB 线协议的文档数据库——并通过 Release 将每项能力放入各自的边界。
core/datastore/mariadb
- adhoc-uses-socket(
start)— 本示例讲授一行内容,以及它的两半。 - advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - catalog-only(
start)— 本示例通过仅引用标准库目录实体部署一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI。 - cloudformation-rds-stack(
advanced)— 一个托管数据库和读取它的应用,作为开发者意图编写一次,并组装成 AWS CloudFormation 栈模板。 - mariadb-adminer(
authoring)— 本示例将一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI——从单个由开发者编写的Aggregate编译到两个平台。 - mariadb-bitnami-credential-set(
authoring)— 一个由 Bitnami Helm chart 实现的 MariaDB 数据库,其密码由一个多键可引用 secret(core/referenced-secret-set)提供。 - mariadb-helm-synth(
start)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的 MariaDB 数据库——无需外部 chart。 - policy-label-transform(
advanced)— 治理插件为此工作区部署的每个组件打上标签:其所有者、其环境所获得的支持级别、其备份计划和一个简短标记,从而无需任何开发者手动输入。 - policy-org-overlay(
advanced)— 一个团队的策略、其组织的策略和其流水线的策略在同一次构建中一起运行,各自附加在自己的配置文件中。 - policy-payload-leaf-sensitivity(
advanced)— 本示例讲授一条内部规则,以及使其得以表达的那个事实。 - terraform-rds-module(
authoring)— 与terraform-rds示例相同的 MariaDB 意图,通过 Terraform provider 的 sourced(来源引用)形态渲染:Recipe 不使用内联 HCL 主体,而是指向一个本地 Terraform 模块,编译器原样 vendor 该模块,然后从开发者和运维两大支柱提供其输入变量。 - terraform-rds(
authoring)— 一个作为开发者意图编写一次的 MariaDB 数据库,渲染为一个预置托管 AWS RDS 实例的 Terraform HCL 文件。
core/datastore/memcached
- memcached-cache(
start)— 这个精简示例将单个 Memcached 内存缓存从一个由开发者编写的Aggregate编译为两种实现。
core/datastore/mysql
- mysql-standalone(
start)— 这个精简示例将单个 MySQL 数据库从由开发者编写的Aggregate编译到两个目标。
core/datastore/mysql-innodb-cluster
- mysql-innodb-cluster(
start)— 一个 MySQL InnoDB Cluster 及协调它的控制平面,从同一个未改动的 Aggregate 构建两次:一次请求单个服务器实例,一次请求三个。
core/datastore/mysql-operator
- mysql-innodb-cluster(
start)— 一个 MySQL InnoDB Cluster 及协调它的控制平面,从同一个未改动的 Aggregate 构建两次:一次请求单个服务器实例,一次请求三个。
core/datastore/postgres
- aws-rds-and-ecs-service(
advanced)— 一个 Aggregate 包含一个 PostgreSQL 数据库和读取它的服务器。 - credential-secretkeyref(
start)— 一个 PostgreSQL 数据库,其密码由凭据子系统提供,按 provider 分别展示。 - credential-shape-per-target(
authoring)— 凭据如何到达运行中的容器,是你部署在哪里的属性,而不是应用的属性。 - cross-boundary-networking(
advanced)— 一个双组件栈——Adminer 数据库 UI 和 PostgreSQL 数据库——分布在两个边界上,Adminer 必须跨越边界接缝访问数据库。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - import-compose (
start) — 一个 Compose 文件,运行一个 API、该 API 存放笔记的 PostgreSQL 数据库和一个 Redis 缓存,由aggrega import起草为 Aggrega 文件 — 连接、数据库的设置、作为变量引用的密码以及每个镜像的标签均被沿用 — 并为 Docker Compose 构建。 - import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。 - import-langgraph (
start) — 一个 LangGraph 应用的langgraph.json— 一个图,将其状态保存在 PostgreSQL 中 — 由aggrega import起草为 Aggrega 文件,图所调用的模型和应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - keycloak-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个以数据库为后端的身份服务器——生成合成的 Kubernetes 清单。 - kong-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个以数据库为后端的 API 网关——生成合成的 Kubernetes 清单。 - policy-render-verdict(
advanced)— 一条附加在render-verdict角色上的内部规则,评判一次构建为四个目标写出的文件,并拒绝在每个目标中植入的违规。 - postgres-init-config(
start)—core/datastore/postgres暴露两个可选的开发者值,用于塑造数据库的首次启动:init_scripts(初始化时运行一次的 SQL 或 shell)和custom_config(一个postgresql.conf片段)。 - postgres-three-realizations(
authoring)— 一个 PostgreSQL 数据库和读取它的应用,从同一个未改动的 Aggregate 以三种不同方式部署:在集群中运行的 PostgreSQL、作为托管云实例的 PostgreSQL,以及在部署此 Release 之前就已存在的 PostgreSQL 服务器。 - quickstart-web (
start) — 一个将笔记保存在 PostgreSQL 中的小型 Web 应用,分四步逐步扩展:它先与数据库一起在你的机器上起步,然后加入 Redis 缓存,接着迁移到 AWS 并将数据库放在 Amazon RDS 上,最后获得备份。
core/datastore/redis
- ai-gateway-semantic-cache(
start)— 一个支持助手整天被人用略有不同的措辞问同样的问题。 - envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。 - import-compose (
start) — 一个 Compose 文件,运行一个 API、该 API 存放笔记的 PostgreSQL 数据库和一个 Redis 缓存,由aggrega import起草为 Aggrega 文件 — 连接、数据库的设置、作为变量引用的密码以及每个镜像的标签均被沿用 — 并为 Docker Compose 构建。 - import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。 - policy-label-transform(
advanced)— 治理插件为此工作区部署的每个组件打上标签:其所有者、其环境所获得的支持级别、其备份计划和一个简短标记,从而无需任何开发者手动输入。 - quickstart-web (
start) — 一个将笔记保存在 PostgreSQL 中的小型 Web 应用,分四步逐步扩展:它先与数据库一起在你的机器上起步,然后加入 Redis 缓存,接着迁移到 AWS 并将数据库放在 Amazon RDS 上,最后获得备份。 - redis-cache(
start)— 这个精简示例将单个 Redis 内存缓存(Redis 线协议)从一个由开发者编写的Aggregate编译为两种实现。
core/datastore/valkey
- ai-agent-and-model-router(
start)— 一个智能体应用通过一个集群内路由器访问两个上游提供商的模型,编译为 Kubernetes 清单。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。 - valkey-cache(
start)— 这个精简示例将单个 Valkey 内存缓存(Redis 线协议)从一个由开发者编写的Aggregate编译为两种实现。
core/datastore/weaviate
- import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。
core/devtool/adminer
- adhoc-uses-socket(
start)— 本示例讲授一行内容,以及它的两半。 - advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - catalog-only(
start)— 本示例通过仅引用标准库目录实体部署一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI。 - cross-boundary-networking(
advanced)— 一个双组件栈——Adminer 数据库 UI 和 PostgreSQL 数据库——分布在两个边界上,Adminer 必须跨越边界接缝访问数据库。 - extends-wrapper(
authoring)— 本示例只讲授一件事:extends另一个 Component 的 Component 会继承该基础的整个数据契约,因此为该基础编写的每个 Recipe 都已经实现了这个扩展它的 Component。 - mariadb-adminer(
authoring)— 本示例将一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI——从单个由开发者编写的Aggregate编译到两个平台。 - nginx-gateway(
start)— 本示例将一个小型的真实栈——一个位于 Web 后端前面的 NGINX 反向代理网关——从一个由开发者编写的Aggregate编译到两个目标。 - policy-label-transform(
advanced)— 治理插件为此工作区部署的每个组件打上标签:其所有者、其环境所获得的支持级别、其备份计划和一个简短标记,从而无需任何开发者手动输入。 - policy-org-overlay(
advanced)— 一个团队的策略、其组织的策略和其流水线的策略在同一次构建中一起运行,各自附加在自己的配置文件中。
core/devtool/harbor
- harbor-stack(
start)— 本示例将一个真实的容器镜像仓库从一个由开发者编写的Aggregate编译为 Kubernetes 清单。
core/gateway/apisix
- apisix-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个动态 API 网关——生成合成的 Kubernetes 清单。 - apisix-token-budget(
start)— 一个团队把两个 OpenAI 模型放在一个网关之后,希望为网关每天在它们上面的花费设定上限,以 token 计数。
core/gateway/contour
- contour-gateway(
start)— 本示例将一个小型的真实栈——一个 Contour 入口网关——从一个由开发者编写的Aggregate编译到 Kubernetes。
core/gateway/envoy-ai-gateway-operator
- ai-gateway-own-webhook-certificate(
advanced)— 这是一个高级示例。 - envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。
core/gateway/envoy-gateway
- envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。
core/gateway/kong
- kong-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个以数据库为后端的 API 网关——生成合成的 Kubernetes 清单。
core/gateway/litellm
- ai-agent-and-model-router(
start)— 一个智能体应用通过一个集群内路由器访问两个上游提供商的模型,编译为 Kubernetes 清单。 - ai-gateway-log-masking(
start)— 一个支持助手必须处理客户的姓名和电子邮件地址,因此它调用的模型必须看到这些信息。 - ai-gateway-prompt-injection-shield(
start)— 支持助手的用户可以输入任何内容,其中有些内容试图让模型忽略它所收到的指令。 - ai-gateway-semantic-cache(
start)— 一个支持助手整天被人用略有不同的措辞问同样的问题。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。
core/gateway/nginx
- extends-wrapper(
authoring)— 本示例只讲授一件事:extends另一个 Component 的 Component 会继承该基础的整个数据契约,因此为该基础编写的每个 Recipe 都已经实现了这个扩展它的 Component。 - model-server-caller-allowlist(
start)— 在集群中运行的模型服务器会应答任何能访问其地址的调用方。 - nginx-gateway(
start)— 本示例将一个小型的真实栈——一个位于 Web 后端前面的 NGINX 反向代理网关——从一个由开发者编写的Aggregate编译到两个目标。
core/messaging/kafka
- kafka-broker(
start)— 本示例将一个小型的真实栈——单节点 KRaft 形态的 Apache Kafka 事件流代理——从一个由开发者编写的Aggregate编译到 Kubernetes,直接从官方 Apache Kafka 镜像合成,不使用上游 chart。
core/messaging/nats
- nats-messaging(
start)— 本示例将单个 NATS 消息服务器(发布-订阅、请求-应答、队列)从一个由开发者编写的Aggregate编译为两种实现。
core/messaging/rabbitmq
- rabbitmq-broker(
start)— 本示例将单个 RabbitMQ 消息代理(AMQP)从一个由开发者编写的Aggregate编译到两个目标。
core/observability/fluent-bit
- fluent-bit-to-fluentd(
start)— 本示例将一条真实的日志管道——一个通过 forward 协议向 Fluentd 聚合器发送记录的 Fluent Bit 转发器——从一个由开发者编写的Aggregate编译为两种实现。
core/observability/fluentd
- fluent-bit-to-fluentd(
start)— 本示例将一条真实的日志管道——一个通过 forward 协议向 Fluentd 聚合器发送记录的 Fluent Bit 转发器——从一个由开发者编写的Aggregate编译为两种实现。 - fluentd-aggregator(
start)— 本示例将一个 Fluentd 日志聚合器——日志管道的接收端——从一个由开发者编写的Aggregate编译为两种实现。
core/observability/grafana
- grafana-dashboards(
start)— 本示例将单个 Grafana 仪表板与可视化服务器从一个由开发者编写的Aggregate编译为两种实现。 - prometheus-scrape(
start)— 本示例将一个小型的真实栈——一个抓取两个 Grafana 仪表板服务器的 Prometheus 指标服务器——从一个由开发者编写的Aggregate编译到两个目标。
core/observability/jaeger
- jaeger-tracing(
start)— 本示例将一个小型的真实栈——单节点形态的 Jaeger 分布式追踪后端——从一个由开发者编写的Aggregate编译到 Kubernetes,直接从官方 Jaeger 镜像合成,不使用上游 chart。
core/observability/loki
- loki-logging(
start)— 本示例将一个小型的真实栈——一个 Grafana Loki 日志聚合服务器——从一个由开发者编写的Aggregate编译到 Kubernetes,以单二进制形态的官方 Grafana Loki Helm chart 为后端。
core/observability/prometheus
- prometheus-scrape(
start)— 本示例将一个小型的真实栈——一个抓取两个 Grafana 仪表板服务器的 Prometheus 指标服务器——从一个由开发者编写的Aggregate编译到两个目标。
core/observability/tempo
- tempo-tracing(
start)— 本示例将一个小型的真实栈——一个 Grafana Tempo 分布式追踪服务器——从一个由开发者编写的Aggregate通过基于官方grafana/tempo镜像的 Workload 合成编译到 Kubernetes,采用单二进制形态。
core/observability/thanos-query
- module-boundary-routing(
advanced)— 本示例从一个由开发者编写的Aggregate编译两项能力——基于对象存储的 Thanos 指标读取层和使用 MongoDB 线协议的文档数据库——并通过 Release 将每项能力放入各自的边界。 - thanos-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——Thanos 指标系统的读取/查询层——生成合成的 Kubernetes 清单。
core/observability/thanos-store
- module-boundary-routing(
advanced)— 本示例从一个由开发者编写的Aggregate编译两项能力——基于对象存储的 Thanos 指标读取层和使用 MongoDB 线协议的文档数据库——并通过 Release 将每项能力放入各自的边界。 - thanos-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——Thanos 指标系统的读取/查询层——生成合成的 Kubernetes 清单。
core/security/cert-manager
- cert-manager-tls(
start)— 本示例将一个小型的真实栈——一个 cert-manager 证书控制器——从一个由开发者编写的Aggregate编译到 Kubernetes。 - envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。
core/security/external-secrets
- external-secrets-operator(
start)— 本示例将一个小型的真实栈——external-secrets operator——从一个由开发者编写的Aggregate编译到 Kubernetes,以官方 external-secrets Helm chart 为后端。
core/security/keycloak
- keycloak-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个以数据库为后端的身份服务器——生成合成的 Kubernetes 清单。
core/security/nemo-guardrails
- ai-gateway-prompt-injection-shield(
start)— 支持助手的用户可以输入任何内容,其中有些内容试图让模型忽略它所收到的指令。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。
core/security/nemoguard-jailbreak-detect
- nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。
core/security/openbao
- openbao-secrets(
start)— 本示例将一个小型的真实栈——单个 OpenBao 机密服务器——从一个由开发者编写的Aggregate编译到 Kubernetes,以官方 OpenBao Helm chart 为后端。
core/security/presidio-analyzer
- ai-gateway-log-masking(
start)— 一个支持助手必须处理客户的姓名和电子邮件地址,因此它调用的模型必须看到这些信息。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。
core/security/presidio-anonymizer
- ai-gateway-log-masking(
start)— 一个支持助手必须处理客户的姓名和电子邮件地址,因此它调用的模型必须看到这些信息。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。
core/security/sealed-secrets
- sealed-secrets-controller(
start)— 本示例将一个小型的真实栈——sealed-secrets 控制器——从一个由开发者编写的Aggregate编译到 Kubernetes,以从 HTTPS chart 仓库提供的官方 sealed-secrets Helm chart 为后端。
core/security/trustyai-huggingface-detector
- ai-gateway-prompt-injection-shield(
start)— 支持助手的用户可以输入任何内容,其中有些内容试图让模型忽略它所收到的指令。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。
core/storage/barman-cloud-plugin
- datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。
core/storage/s3-object-store
- datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - module-boundary-routing(
advanced)— 本示例从一个由开发者编写的Aggregate编译两项能力——基于对象存储的 Thanos 指标读取层和使用 MongoDB 线协议的文档数据库——并通过 Release 将每项能力放入各自的边界。 - s3-object-store(
start)— 本示例将一个 S3 兼容对象存储,即core/storage/s3-object-store组件,编译为它的两种自托管实现。 - thanos-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——Thanos 指标系统的读取/查询层——生成合成的 Kubernetes 清单。
core/storage/velero
- datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。
按能力
multi-target
一个 Aggregate 为两个或更多目标构建,或以两种或更多方式实现。
- aws-rds-and-ecs-service(
advanced)— 一个 Aggregate 包含一个 PostgreSQL 数据库和读取它的服务器。 - credential-secretkeyref(
start)— 一个 PostgreSQL 数据库,其密码由凭据子系统提供,按 provider 分别展示。 - credential-shape-per-target(
authoring)— 凭据如何到达运行中的容器,是你部署在哪里的属性,而不是应用的属性。 - cross-boundary-networking(
advanced)— 一个双组件栈——Adminer 数据库 UI 和 PostgreSQL 数据库——分布在两个边界上,Adminer 必须跨越边界接缝访问数据库。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - fluent-bit-to-fluentd(
start)— 本示例将一条真实的日志管道——一个通过 forward 协议向 Fluentd 聚合器发送记录的 Fluent Bit 转发器——从一个由开发者编写的Aggregate编译为两种实现。 - fluentd-aggregator(
start)— 本示例将一个 Fluentd 日志聚合器——日志管道的接收端——从一个由开发者编写的Aggregate编译为两种实现。 - grafana-dashboards(
start)— 本示例将单个 Grafana 仪表板与可视化服务器从一个由开发者编写的Aggregate编译为两种实现。 - mariadb-adminer(
authoring)— 本示例将一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI——从单个由开发者编写的Aggregate编译到两个平台。 - mcp-address-from-secret(
authoring)— 一些由他人运行的 Model Context Protocol 服务器从它们自己的地址读取密钥——https://mcp.example.com/mcp?api_key=<key>——而不是从请求头读取。 - memcached-cache(
start)— 这个精简示例将单个 Memcached 内存缓存从一个由开发者编写的Aggregate编译为两种实现。 - mysql-standalone(
start)— 这个精简示例将单个 MySQL 数据库从由开发者编写的Aggregate编译到两个目标。 - nats-messaging(
start)— 本示例将单个 NATS 消息服务器(发布-订阅、请求-应答、队列)从一个由开发者编写的Aggregate编译为两种实现。 - nginx-gateway(
start)— 本示例将一个小型的真实栈——一个位于 Web 后端前面的 NGINX 反向代理网关——从一个由开发者编写的Aggregate编译到两个目标。 - policy-render-verdict(
advanced)— 一条附加在render-verdict角色上的内部规则,评判一次构建为四个目标写出的文件,并拒绝在每个目标中植入的违规。 - postgres-three-realizations(
authoring)— 一个 PostgreSQL 数据库和读取它的应用,从同一个未改动的 Aggregate 以三种不同方式部署:在集群中运行的 PostgreSQL、作为托管云实例的 PostgreSQL,以及在部署此 Release 之前就已存在的 PostgreSQL 服务器。 - prometheus-scrape(
start)— 本示例将一个小型的真实栈——一个抓取两个 Grafana 仪表板服务器的 Prometheus 指标服务器——从一个由开发者编写的Aggregate编译到两个目标。 - rabbitmq-broker(
start)— 本示例将单个 RabbitMQ 消息代理(AMQP)从一个由开发者编写的Aggregate编译到两个目标。 - redis-cache(
start)— 这个精简示例将单个 Redis 内存缓存(Redis 线协议)从一个由开发者编写的Aggregate编译为两种实现。 - s3-object-store(
start)— 本示例将一个 S3 兼容对象存储,即core/storage/s3-object-store组件,编译为它的两种自托管实现。 - task-run-on-demand(
start)— 一个带有core/manual-trigger的任务,在 Kubernetes、Docker Compose、Terraform 和 CloudFormation 上部署后不会启动,旁边是一个不带任何附件的任务,并给出在每个目标上启动一次运行的命令。 - valkey-cache(
start)— 这个精简示例将单个 Valkey 内存缓存(Redis 线协议)从一个由开发者编写的Aggregate编译为两种实现。
recipe-selection
Manifest 选择由哪个 Recipe 实现一个组件,或由哪个 FeatureRecipe 实现一个附件:按类型、按实例或按目标。
- credential-shape-per-target(
authoring)— 凭据如何到达运行中的容器,是你部署在哪里的属性,而不是应用的属性。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - import-agent-framework (
start) — 一个 Microsoft Agent Framework 声明式智能体 — 一个基于 OpenAI 模型、通过 MCP 服务器搜索文档的智能体 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。 - import-mcp (
start) — 一个 Claude Code.mcp.json,列出三个 Model Context Protocol 服务器 — 两个通过命令行启动,一个由他人运行 — 由aggrega import起草为 Aggrega 文件,每个服务器都映射到与其运行方式对应的实现,并为 Kubernetes 构建。 - per-instance-recipe-override(
authoring)— 本示例讲授一项 Manifest 功能:name映射层级,它为单个组件实例覆盖 Recipe,而同一类型的其他每个实例仍保留批量的type层级 Recipe。 - postgres-three-realizations(
authoring)— 一个 PostgreSQL 数据库和读取它的应用,从同一个未改动的 Aggregate 以三种不同方式部署:在集群中运行的 PostgreSQL、作为托管云实例的 PostgreSQL,以及在部署此 Release 之前就已存在的 PostgreSQL 服务器。
modules
作为模块导入的目录 Aggregate。
- apisix-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个动态 API 网关——生成合成的 Kubernetes 清单。 - ferretdb-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个暴露 MongoDB 线协议的文档数据库——生成合成的 Kubernetes 清单。 - harbor-stack(
start)— 本示例将一个真实的容器镜像仓库从一个由开发者编写的Aggregate编译为 Kubernetes 清单。 - import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。 - keycloak-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个以数据库为后端的身份服务器——生成合成的 Kubernetes 清单。 - kong-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个以数据库为后端的 API 网关——生成合成的 Kubernetes 清单。 - module-boundary-routing(
advanced)— 本示例从一个由开发者编写的Aggregate编译两项能力——基于对象存储的 Thanos 指标读取层和使用 MongoDB 线协议的文档数据库——并通过 Release 将每项能力放入各自的边界。 - thanos-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——Thanos 指标系统的读取/查询层——生成合成的 Kubernetes 清单。
connections
通过 uses 插座连接的组件,值沿每条边传递。
- adhoc-uses-socket(
start)— 本示例讲授一行内容,以及它的两半。 - ai-agent-and-model-router(
start)— 一个智能体应用通过一个集群内路由器访问两个上游提供商的模型,编译为 Kubernetes 清单。 - ai-gateway-log-masking(
start)— 一个支持助手必须处理客户的姓名和电子邮件地址,因此它调用的模型必须看到这些信息。 - ai-gateway-prompt-injection-shield(
start)— 支持助手的用户可以输入任何内容,其中有些内容试图让模型忽略它所收到的指令。 - ai-gateway-semantic-cache(
start)— 一个支持助手整天被人用略有不同的措辞问同样的问题。 - apisix-token-budget(
start)— 一个团队把两个 OpenAI 模型放在一个网关之后,希望为网关每天在它们上面的花费设定上限,以 token 计数。 - aws-rds-and-ecs-service(
advanced)— 一个 Aggregate 包含一个 PostgreSQL 数据库和读取它的服务器。 - catalog-only(
start)— 本示例通过仅引用标准库目录实体部署一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI。 - connection-credentials(
start)— 一个语义记忆存储访问两个模型,并向每个模型出示不同的密钥,编译为 Kubernetes 清单。 - cross-boundary-networking(
advanced)— 一个双组件栈——Adminer 数据库 UI 和 PostgreSQL 数据库——分布在两个边界上,Adminer 必须跨越边界接缝访问数据库。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。 - fluent-bit-to-fluentd(
start)— 本示例将一条真实的日志管道——一个通过 forward 协议向 Fluentd 聚合器发送记录的 Fluent Bit 转发器——从一个由开发者编写的Aggregate编译为两种实现。 - import-agent-framework (
start) — 一个 Microsoft Agent Framework 声明式智能体 — 一个基于 OpenAI 模型、通过 MCP 服务器搜索文档的智能体 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-compose (
start) — 一个 Compose 文件,运行一个 API、该 API 存放笔记的 PostgreSQL 数据库和一个 Redis 缓存,由aggrega import起草为 Aggrega 文件 — 连接、数据库的设置、作为变量引用的密码以及每个镜像的标签均被沿用 — 并为 Docker Compose 构建。 - import-crewai (
start) — 一个采用经典布局的 CrewAI 项目中的智能体与任务声明 — 两个智能体共用一个 OpenAI 模型,各有一个任务 — 由aggrega import起草为 Aggrega 文件,crew 程序运行所在的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-flowise (
start) — 一个 Flowise 聊天流 — 一个 ChatOpenAI 节点、一个 Buffer Memory 和一个 Conversation Chain — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-google-adk (
start) — 一个基于 Google Agent Development Kit 构建的应用的 Agent Config — 一个基于 Gemini 的智能体,带有 ADK 自带的 Google Search 工具 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-langflow (
start) — Langflow 的 Basic Prompting 入门项目,以 JSON 导出,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-langgraph (
start) — 一个 LangGraph 应用的langgraph.json— 一个图,将其状态保存在 PostgreSQL 中 — 由aggrega import起草为 Aggrega 文件,图所调用的模型和应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-n8n (
start) — 一个 n8n 工作流 — 一个聊天触发器、一个 AI Agent、一个 OpenAI Chat Model 和一个 Simple Memory — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - mariadb-adminer(
authoring)— 本示例将一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI——从单个由开发者编写的Aggregate编译到两个平台。 - mcp-address-from-secret(
authoring)— 一些由他人运行的 Model Context Protocol 服务器从它们自己的地址读取密钥——https://mcp.example.com/mcp?api_key=<key>——而不是从请求头读取。 - model-api-key-sharing(
start)— 两个 CrewAI 智能体位于同一个兼容 OpenAI 的网关之后。 - model-server-caller-allowlist(
start)— 在集群中运行的模型服务器会应答任何能访问其地址的调用方。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。 - nginx-gateway(
start)— 本示例将一个小型的真实栈——一个位于 Web 后端前面的 NGINX 反向代理网关——从一个由开发者编写的Aggregate编译到两个目标。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - postgres-three-realizations(
authoring)— 一个 PostgreSQL 数据库和读取它的应用,从同一个未改动的 Aggregate 以三种不同方式部署:在集群中运行的 PostgreSQL、作为托管云实例的 PostgreSQL,以及在部署此 Release 之前就已存在的 PostgreSQL 服务器。 - prometheus-scrape(
start)— 本示例将一个小型的真实栈——一个抓取两个 Grafana 仪表板服务器的 Prometheus 指标服务器——从一个由开发者编写的Aggregate编译到两个目标。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。 - quickstart-web (
start) — 一个将笔记保存在 PostgreSQL 中的小型 Web 应用,分四步逐步扩展:它先与数据库一起在你的机器上起步,然后加入 Redis 缓存,接着迁移到 AWS 并将数据库放在 Amazon RDS 上,最后获得备份。
credentials
凭据附件,以及每个目标如何交付它们。
- advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - ai-agent-and-model-router(
start)— 一个智能体应用通过一个集群内路由器访问两个上游提供商的模型,编译为 Kubernetes 清单。 - apisix-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个动态 API 网关——生成合成的 Kubernetes 清单。 - catalog-only(
start)— 本示例通过仅引用标准库目录实体部署一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI。 - connection-credentials(
start)— 一个语义记忆存储访问两个模型,并向每个模型出示不同的密钥,编译为 Kubernetes 清单。 - credential-secretkeyref(
start)— 一个 PostgreSQL 数据库,其密码由凭据子系统提供,按 provider 分别展示。 - credential-shape-per-target(
authoring)— 凭据如何到达运行中的容器,是你部署在哪里的属性,而不是应用的属性。 - grafana-dashboards(
start)— 本示例将单个 Grafana 仪表板与可视化服务器从一个由开发者编写的Aggregate编译为两种实现。 - harbor-stack(
start)— 本示例将一个真实的容器镜像仓库从一个由开发者编写的Aggregate编译为 Kubernetes 清单。 - import-agent-framework (
start) — 一个 Microsoft Agent Framework 声明式智能体 — 一个基于 OpenAI 模型、通过 MCP 服务器搜索文档的智能体 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-compose (
start) — 一个 Compose 文件,运行一个 API、该 API 存放笔记的 PostgreSQL 数据库和一个 Redis 缓存,由aggrega import起草为 Aggrega 文件 — 连接、数据库的设置、作为变量引用的密码以及每个镜像的标签均被沿用 — 并为 Docker Compose 构建。 - import-crewai (
start) — 一个采用经典布局的 CrewAI 项目中的智能体与任务声明 — 两个智能体共用一个 OpenAI 模型,各有一个任务 — 由aggrega import起草为 Aggrega 文件,crew 程序运行所在的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。 - import-flowise (
start) — 一个 Flowise 聊天流 — 一个 ChatOpenAI 节点、一个 Buffer Memory 和一个 Conversation Chain — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-google-adk (
start) — 一个基于 Google Agent Development Kit 构建的应用的 Agent Config — 一个基于 Gemini 的智能体,带有 ADK 自带的 Google Search 工具 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-langflow (
start) — Langflow 的 Basic Prompting 入门项目,以 JSON 导出,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-langgraph (
start) — 一个 LangGraph 应用的langgraph.json— 一个图,将其状态保存在 PostgreSQL 中 — 由aggrega import起草为 Aggrega 文件,图所调用的模型和应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-mcp (
start) — 一个 Claude Code.mcp.json,列出三个 Model Context Protocol 服务器 — 两个通过命令行启动,一个由他人运行 — 由aggrega import起草为 Aggrega 文件,每个服务器都映射到与其运行方式对应的实现,并为 Kubernetes 构建。 - import-n8n (
start) — 一个 n8n 工作流 — 一个聊天触发器、一个 AI Agent、一个 OpenAI Chat Model 和一个 Simple Memory — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - mariadb-adminer(
authoring)— 本示例将一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI——从单个由开发者编写的Aggregate编译到两个平台。 - mariadb-bitnami-credential-set(
authoring)— 一个由 Bitnami Helm chart 实现的 MariaDB 数据库,其密码由一个多键可引用 secret(core/referenced-secret-set)提供。 - mariadb-helm-synth(
start)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的 MariaDB 数据库——无需外部 chart。 - mcp-address-from-secret(
authoring)— 一些由他人运行的 Model Context Protocol 服务器从它们自己的地址读取密钥——https://mcp.example.com/mcp?api_key=<key>——而不是从请求头读取。 - memcached-cache(
start)— 这个精简示例将单个 Memcached 内存缓存从一个由开发者编写的Aggregate编译为两种实现。 - model-api-key-sharing(
start)— 两个 CrewAI 智能体位于同一个兼容 OpenAI 的网关之后。 - multikey-secret-synth(
authoring)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的无状态应用——无需外部 chart。 - mysql-standalone(
start)— 这个精简示例将单个 MySQL 数据库从由开发者编写的Aggregate编译到两个目标。 - nats-messaging(
start)— 本示例将单个 NATS 消息服务器(发布-订阅、请求-应答、队列)从一个由开发者编写的Aggregate编译为两种实现。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。 - policy-payload-leaf-sensitivity(
advanced)— 本示例讲授一条内部规则,以及使其得以表达的那个事实。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。 - quickstart-web (
start) — 一个将笔记保存在 PostgreSQL 中的小型 Web 应用,分四步逐步扩展:它先与数据库一起在你的机器上起步,然后加入 Redis 缓存,接着迁移到 AWS 并将数据库放在 Amazon RDS 上,最后获得备份。 - rabbitmq-broker(
start)— 本示例将单个 RabbitMQ 消息代理(AMQP)从一个由开发者编写的Aggregate编译到两个目标。 - redis-cache(
start)— 这个精简示例将单个 Redis 内存缓存(Redis 线协议)从一个由开发者编写的Aggregate编译为两种实现。 - s3-object-store(
start)— 本示例将一个 S3 兼容对象存储,即core/storage/s3-object-store组件,编译为它的两种自托管实现。 - terraform-rds-module(
authoring)— 与terraform-rds示例相同的 MariaDB 意图,通过 Terraform provider 的 sourced(来源引用)形态渲染:Recipe 不使用内联 HCL 主体,而是指向一个本地 Terraform 模块,编译器原样 vendor 该模块,然后从开发者和运维两大支柱提供其输入变量。 - terraform-rds(
authoring)— 一个作为开发者意图编写一次的 MariaDB 数据库,渲染为一个预置托管 AWS RDS 实例的 Terraform HCL 文件。 - valkey-cache(
start)— 这个精简示例将单个 Valkey 内存缓存(Redis 线协议)从一个由开发者编写的Aggregate编译为两种实现。
parameters
提升为参数、由 Release 填充的值。
- advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - ai-agent-and-model-router(
start)— 一个智能体应用通过一个集群内路由器访问两个上游提供商的模型,编译为 Kubernetes 清单。 - apisix-stack(
start)— 本示例从一个由开发者编写的Aggregate编译出一个小型的真实栈——一个动态 API 网关——生成合成的 Kubernetes 清单。 - connection-credentials(
start)— 一个语义记忆存储访问两个模型,并向每个模型出示不同的密钥,编译为 Kubernetes 清单。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - harbor-stack(
start)— 本示例将一个真实的容器镜像仓库从一个由开发者编写的Aggregate编译为 Kubernetes 清单。 - model-api-key-sharing(
start)— 两个 CrewAI 智能体位于同一个兼容 OpenAI 的网关之后。 - task-run-on-demand(
start)— 一个带有core/manual-trigger的任务,在 Kubernetes、Docker Compose、Terraform 和 CloudFormation 上部署后不会启动,旁边是一个不带任何附件的任务,并给出在每个目标上启动一次运行的命令。 - terraform-declared-sensitivity(
advanced)— 关于某个值携带机密材料的声明只需编写一次,写在 Component 的 schema 上。
features
为凭据以外的目的附加的 Features,例如路由、监控、预算、缓存或脱敏。
- advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - ai-agent-and-model-router(
start)— 一个智能体应用通过一个集群内路由器访问两个上游提供商的模型,编译为 Kubernetes 清单。 - ai-gateway-prompt-injection-shield(
start)— 支持助手的用户可以输入任何内容,其中有些内容试图让模型忽略它所收到的指令。 - ai-gateway-semantic-cache(
start)— 一个支持助手整天被人用略有不同的措辞问同样的问题。 - annotation-driven-monitoring(
advanced)— 本示例将一个监控 Feature 附加到嵌套拓扑中的六个服务,而无需编写任何一个按组件的features:块。 - apisix-token-budget(
start)— 一个团队把两个 OpenAI 模型放在一个网关之后,希望为网关每天在它们上面的花费设定上限,以 token 计数。 - cloudformation-rds-stack(
advanced)— 一个托管数据库和读取它的应用,作为开发者意图编写一次,并组装成 AWS CloudFormation 栈模板。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - envoy-ai-gateway-token-budget(
start)— 一个团队把 OpenAI 的gpt-4o-mini放在集群内网关之后,希望为网关每个日历月在其上消耗的 token 设定上限,并让其智能体指向该网关而不是 OpenAI。 - model-server-caller-allowlist(
start)— 在集群中运行的模型服务器会应答任何能访问其地址的调用方。 - nemo-guardrails-nemoguard-nims(
start)——智能体的模型请求会经过 NVIDIA NeMo Guardrails,它用 NVIDIA 的两个 NemoGuard 模型检查每个请求;这两个模型是 NVIDIA 的授权产品,运行它们需要 NVIDIA 的许可证、NGC API 密钥和 GPU 节点。 - policy-annotation-transform(
advanced)— 一项治理策略为一个商店的每个组件赋予平台的监控和一个 AWS IAM 角色。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - quickstart-ai (
start) — 一个小型 LangGraph 智能体,分四步逐步扩展:它先在带有记忆的本地模型上起步,然后加入一个以本地模型为后备的云端模型,接着在两者前面加上防护措施,最后为 Kubernetes 构建。 - quickstart-web (
start) — 一个将笔记保存在 PostgreSQL 中的小型 Web 应用,分四步逐步扩展:它先与数据库一起在你的机器上起步,然后加入 Redis 缓存,接着迁移到 AWS 并将数据库放在 Amazon RDS 上,最后获得备份。 - task-run-on-demand(
start)— 一个带有core/manual-trigger的任务,在 Kubernetes、Docker Compose、Terraform 和 CloudFormation 上部署后不会启动,旁边是一个不带任何附件的任务,并给出在每个目标上启动一次运行的命令。 - workload-identity-binding(
authoring)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的无状态应用——无需外部 chart。
boundaries
放置在边界中的组件或模块,以及在它们之间跨越的内容。
- advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - annotation-driven-monitoring(
advanced)— 本示例将一个监控 Feature 附加到嵌套拓扑中的六个服务,而无需编写任何一个按组件的features:块。 - cloudformation-rds-stack(
advanced)— 一个托管数据库和读取它的应用,作为开发者意图编写一次,并组装成 AWS CloudFormation 栈模板。 - cross-boundary-networking(
advanced)— 一个双组件栈——Adminer 数据库 UI 和 PostgreSQL 数据库——分布在两个边界上,Adminer 必须跨越边界接缝访问数据库。 - import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。 - module-boundary-routing(
advanced)— 本示例从一个由开发者编写的Aggregate编译两项能力——基于对象存储的 Thanos 指标读取层和使用 MongoDB 线协议的文档数据库——并通过 Release 将每项能力放入各自的边界。
policy
接受或拒绝一次构建的治理策略,在构建期间或针对其输出执行。
- policy-annotation-transform(
advanced)— 一项治理策略为一个商店的每个组件赋予平台的监控和一个 AWS IAM 角色。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - policy-in-ci(
advanced)— 两个开箱即用的规则脚本,读取 Aggrega 构建的输出目录,并在其违反规则时拒绝它。 - policy-label-transform(
advanced)— 治理插件为此工作区部署的每个组件打上标签:其所有者、其环境所获得的支持级别、其备份计划和一个简短标记,从而无需任何开发者手动输入。 - policy-org-overlay(
advanced)— 一个团队的策略、其组织的策略和其流水线的策略在同一次构建中一起运行,各自附加在自己的配置文件中。 - policy-payload-leaf-sensitivity(
advanced)— 本示例讲授一条内部规则,以及使其得以表达的那个事实。 - policy-render-verdict(
advanced)— 一条附加在render-verdict角色上的内部规则,评判一次构建为四个目标写出的文件,并拒绝在每个目标中植入的违规。
guardrails
一个本应中止的 Release,以及它中止时给出的消息。
- adhoc-uses-socket(
start)— 本示例讲授一行内容,以及它的两半。 - ai-gateway-own-webhook-certificate(
advanced)— 这是一个高级示例。 - chart-from-git-repository(
authoring)— Helm chart 不一定来自 chart 注册表。 - cloudformation-rds-stack(
advanced)— 一个托管数据库和读取它的应用,作为开发者意图编写一次,并组装成 AWS CloudFormation 栈模板。 - credential-secretkeyref(
start)— 一个 PostgreSQL 数据库,其密码由凭据子系统提供,按 provider 分别展示。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - extends-wrapper(
authoring)— 本示例只讲授一件事:extends另一个 Component 的 Component 会继承该基础的整个数据契约,因此为该基础编写的每个 Recipe 都已经实现了这个扩展它的 Component。 - memcached-cache(
start)— 这个精简示例将单个 Memcached 内存缓存从一个由开发者编写的Aggregate编译为两种实现。 - policy-annotation-transform(
advanced)— 一项治理策略为一个商店的每个组件赋予平台的监控和一个 AWS IAM 角色。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - policy-label-transform(
advanced)— 治理插件为此工作区部署的每个组件打上标签:其所有者、其环境所获得的支持级别、其备份计划和一个简短标记,从而无需任何开发者手动输入。 - policy-org-overlay(
advanced)— 一个团队的策略、其组织的策略和其流水线的策略在同一次构建中一起运行,各自附加在自己的配置文件中。 - policy-payload-leaf-sensitivity(
advanced)— 本示例讲授一条内部规则,以及使其得以表达的那个事实。 - policy-render-verdict(
advanced)— 一条附加在render-verdict角色上的内部规则,评判一次构建为四个目标写出的文件,并拒绝在每个目标中植入的违规。 - s3-object-store(
start)— 本示例将一个 S3 兼容对象存储,即core/storage/s3-object-store组件,编译为它的两种自托管实现。 - task-run-on-demand(
start)— 一个带有core/manual-trigger的任务,在 Kubernetes、Docker Compose、Terraform 和 CloudFormation 上部署后不会启动,旁边是一个不带任何附件的任务,并给出在每个目标上启动一次运行的命令。
catalog-authoring
为示例编写的 Component、Feature 或 Recipe,放在示例旁边或发布到目录。
- advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - ai-gateway-own-webhook-certificate(
advanced)— 这是一个高级示例。 - chart-from-git-repository(
authoring)— Helm chart 不一定来自 chart 注册表。 - cross-boundary-networking(
advanced)— 一个双组件栈——Adminer 数据库 UI 和 PostgreSQL 数据库——分布在两个边界上,Adminer 必须跨越边界接缝访问数据库。 - extends-wrapper(
authoring)— 本示例只讲授一件事:extends另一个 Component 的 Component 会继承该基础的整个数据契约,因此为该基础编写的每个 Recipe 都已经实现了这个扩展它的 Component。 - mariadb-adminer(
authoring)— 本示例将一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI——从单个由开发者编写的Aggregate编译到两个平台。 - mariadb-bitnami-credential-set(
authoring)— 一个由 Bitnami Helm chart 实现的 MariaDB 数据库,其密码由一个多键可引用 secret(core/referenced-secret-set)提供。 - mcp-address-from-secret(
authoring)— 一些由他人运行的 Model Context Protocol 服务器从它们自己的地址读取密钥——https://mcp.example.com/mcp?api_key=<key>——而不是从请求头读取。 - multikey-secret-synth(
authoring)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的无状态应用——无需外部 chart。 - policy-data-class-route(
advanced)— 一套系统环境运行着一个处理受限客户数据的理赔助手,以及一个不处理此类数据的帮助台助手。 - postgres-three-realizations(
authoring)— 一个 PostgreSQL 数据库和读取它的应用,从同一个未改动的 Aggregate 以三种不同方式部署:在集群中运行的 PostgreSQL、作为托管云实例的 PostgreSQL,以及在部署此 Release 之前就已存在的 PostgreSQL 服务器。 - workload-identity-binding(
authoring)— 一个由 helm provider 的 Workload 合成在 Kubernetes 上渲染的无状态应用——无需外部 chart。 - workload-library-import(
authoring)— 一个无状态 Web 服务,其 Recipe 从共享库条目而不是内联主体合成其 Kubernetes Workload。
cloud-infrastructure
用于托管云服务的 Terraform 或 CloudFormation 输出。
- aws-rds-and-ecs-service(
advanced)— 一个 Aggregate 包含一个 PostgreSQL 数据库和读取它的服务器。 - cloudformation-rds-stack(
advanced)— 一个托管数据库和读取它的应用,作为开发者意图编写一次,并组装成 AWS CloudFormation 栈模板。 - datastore-backup(
start)— 一个 PostgreSQL 数据库,在 Kubernetes 上通过 Velero 和 CloudNativePG 备份,在 AWS 上通过 Amazon RDS 自身的自动备份(在 Terraform 和 CloudFormation 上)以及 AWS Backup 备份,均来自运维人员在每个 Release 中编写的一个core/backup附件,并展示了在没有备份产品的目标上的拒绝。 - policy-payload-leaf-sensitivity(
advanced)— 本示例讲授一条内部规则,以及使其得以表达的那个事实。 - policy-render-verdict(
advanced)— 一条附加在render-verdict角色上的内部规则,评判一次构建为四个目标写出的文件,并拒绝在每个目标中植入的违规。 - postgres-three-realizations(
authoring)— 一个 PostgreSQL 数据库和读取它的应用,从同一个未改动的 Aggregate 以三种不同方式部署:在集群中运行的 PostgreSQL、作为托管云实例的 PostgreSQL,以及在部署此 Release 之前就已存在的 PostgreSQL 服务器。 - quickstart-web (
start) — 一个将笔记保存在 PostgreSQL 中的小型 Web 应用,分四步逐步扩展:它先与数据库一起在你的机器上起步,然后加入 Redis 缓存,接着迁移到 AWS 并将数据库放在 Amazon RDS 上,最后获得备份。 - task-run-on-demand(
start)— 一个带有core/manual-trigger的任务,在 Kubernetes、Docker Compose、Terraform 和 CloudFormation 上部署后不会启动,旁边是一个不带任何附件的任务,并给出在每个目标上启动一次运行的命令。 - terraform-declared-sensitivity(
advanced)— 关于某个值携带机密材料的声明只需编写一次,写在 Component 的 schema 上。 - terraform-rds-module(
authoring)— 与terraform-rds示例相同的 MariaDB 意图,通过 Terraform provider 的 sourced(来源引用)形态渲染:Recipe 不使用内联 HCL 主体,而是指向一个本地 Terraform 模块,编译器原样 vendor 该模块,然后从开发者和运维两大支柱提供其输入变量。 - terraform-rds(
authoring)— 一个作为开发者意图编写一次的 MariaDB 数据库,渲染为一个预置托管 AWS RDS 实例的 Terraform HCL 文件。
external-sources
获取其所渲染内容的 Recipe:上游 chart、git 仓库或模块。
- advanced-platform(
advanced)— 一个多边界的 Kubernetes 平台,从单个由开发者编写的Aggregate出发,在一次构建中组合多种机制:边界作用域的 FeatureRecipes、参数提升、凭据子系统,以及通过 Service DNS 解析的跨边界引用。 - ai-gateway-own-webhook-certificate(
advanced)— 这是一个高级示例。 - aws-rds-and-ecs-service(
advanced)— 一个 Aggregate 包含一个 PostgreSQL 数据库和读取它的服务器。 - cert-manager-tls(
start)— 本示例将一个小型的真实栈——一个 cert-manager 证书控制器——从一个由开发者编写的Aggregate编译到 Kubernetes。 - chart-from-git-repository(
authoring)— Helm chart 不一定来自 chart 注册表。 - contour-gateway(
start)— 本示例将一个小型的真实栈——一个 Contour 入口网关——从一个由开发者编写的Aggregate编译到 Kubernetes。 - external-secrets-operator(
start)— 本示例将一个小型的真实栈——external-secrets operator——从一个由开发者编写的Aggregate编译到 Kubernetes,以官方 external-secrets Helm chart 为后端。 - harbor-stack(
start)— 本示例将一个真实的容器镜像仓库从一个由开发者编写的Aggregate编译为 Kubernetes 清单。 - loki-logging(
start)— 本示例将一个小型的真实栈——一个 Grafana Loki 日志聚合服务器——从一个由开发者编写的Aggregate编译到 Kubernetes,以单二进制形态的官方 Grafana Loki Helm chart 为后端。 - mariadb-adminer(
authoring)— 本示例将一个小型的真实栈——一个 MariaDB 数据库,前面配有 Adminer Web UI——从单个由开发者编写的Aggregate编译到两个平台。 - mariadb-bitnami-credential-set(
authoring)— 一个由 Bitnami Helm chart 实现的 MariaDB 数据库,其密码由一个多键可引用 secret(core/referenced-secret-set)提供。 - openbao-secrets(
start)— 本示例将一个小型的真实栈——单个 OpenBao 机密服务器——从一个由开发者编写的Aggregate编译到 Kubernetes,以官方 OpenBao Helm chart 为后端。 - quickstart-web (
start) — 一个将笔记保存在 PostgreSQL 中的小型 Web 应用,分四步逐步扩展:它先与数据库一起在你的机器上起步,然后加入 Redis 缓存,接着迁移到 AWS 并将数据库放在 Amazon RDS 上,最后获得备份。 - sealed-secrets-controller(
start)— 本示例将一个小型的真实栈——sealed-secrets 控制器——从一个由开发者编写的Aggregate编译到 Kubernetes,以从 HTTPS chart 仓库提供的官方 sealed-secrets Helm chart 为后端。
import
以其他格式编写的项目,由 aggrega import 起草为 Aggrega 文件,然后经审阅并构建。
- import-agent-framework (
start) — 一个 Microsoft Agent Framework 声明式智能体 — 一个基于 OpenAI 模型、通过 MCP 服务器搜索文档的智能体 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-compose (
start) — 一个 Compose 文件,运行一个 API、该 API 存放笔记的 PostgreSQL 数据库和一个 Redis 缓存,由aggrega import起草为 Aggrega 文件 — 连接、数据库的设置、作为变量引用的密码以及每个镜像的标签均被沿用 — 并为 Docker Compose 构建。 - import-crewai (
start) — 一个采用经典布局的 CrewAI 项目中的智能体与任务声明 — 两个智能体共用一个 OpenAI 模型,各有一个任务 — 由aggrega import起草为 Aggrega 文件,crew 程序运行所在的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-dify (
start) — 一个以 Dify DSL 导出的 Dify 聊天应用,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Kubernetes 构建承载该应用的标准库 Dify 安装。 - import-flowise (
start) — 一个 Flowise 聊天流 — 一个 ChatOpenAI 节点、一个 Buffer Memory 和一个 Conversation Chain — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-google-adk (
start) — 一个基于 Google Agent Development Kit 构建的应用的 Agent Config — 一个基于 Gemini 的智能体,带有 ADK 自带的 Google Search 工具 — 由aggrega import起草为 Aggrega 文件,应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-langflow (
start) — Langflow 的 Basic Prompting 入门项目,以 JSON 导出,由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。 - import-langgraph (
start) — 一个 LangGraph 应用的langgraph.json— 一个图,将其状态保存在 PostgreSQL 中 — 由aggrega import起草为 Aggrega 文件,图所调用的模型和应用的镜像在一个应答文件中一次性给出,并为 Docker Compose 构建。 - import-mcp (
start) — 一个 Claude Code.mcp.json,列出三个 Model Context Protocol 服务器 — 两个通过命令行启动,一个由他人运行 — 由aggrega import起草为 Aggrega 文件,每个服务器都映射到与其运行方式对应的实现,并为 Kubernetes 构建。 - import-n8n (
start) — 一个 n8n 工作流 — 一个聊天触发器、一个 AI Agent、一个 OpenAI Chat Model 和一个 Simple Memory — 由aggrega import导入为一个 Aggregate、一个 Release 和一个 Manifest,按原样即可为 Docker Compose 构建。