跳转到内容
AggregaAggrega
选择语言: 简体中文
本页面由机器翻译。阅读英文原文。

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

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。