写在前面

在此之前我还没有尝试使用过cursor或者windsurf，但是听说vscode+cline（RooCoder）+deepseek可以作为cursor的平替，加之讯飞星火模型在25年3月10日前免费提供deepseek-v3和r1模型的免费api调用，就拿Roo Coder插件来体验一下ai当前对实际开发的提效。

配置

在火星Maas平台上部署Deepseek-R1，并将api-Key配置进Roo Coder里，此处选择第三方openai接口。
个人开发环境是wsl中的ubuntu。

实战

选择一个约在2k star以内的此前不熟悉的项目作为体验ai编程的起点。
这里选择了kuberay，共有1.5k star，随便找了其中的一个issue 3061
我们来看看ai能否帮助我们解决这个问题。

项目介绍

首先让ai帮我们熟悉一下这个项目。

直接向ai提交指令就得到了产出：
项目架构特点：
• 采用Operator模式深度集成Kubernetes
• 支持GPU资源调度（示例中的PyTorch GPU训练）
• 提供Prometheus+Grafana监控方案
• 支持多云环境（AWS/GCP/Aliyun等案例）

典型应用场景：
• 分布式机器学习训练（XGBoost、PyTorch）
• 实时推理服务（图像分类、文本摘要、Stable Diffusion）
• 批处理任务（RayJob批量推理）
• 与Kubeflow/Volcano等MLOps平台集成
企业级特性：
• 通过RBAC实现安全管控（参考apiserver/SecuringImplementation.md）
• 支持持久化存储（Volumes.md）
• 高可用集群部署方案（HACluster.md）
• 服务网格集成（ingress支持）

部署管理：
• 提供Helm Chart标准化部署
• 包含APIServer扩展（简化配置管理）
• 支持CI/CD流水线（CONTRIBUTING.md中的开发规范）

可观测性：
• 内置指标采集（config/prometheus）
• Grafana监控看板（提供多个预设仪表盘）
• 性能测试工具（benchmark目录）

社区生态：
• 与多家云厂商深度合作（Google Cloud、阿里云等）
• 丰富的集成案例（Kubeflow、Volcano、Flyte）
• 活跃的Slack支持渠道（#kuberay-questions）

KubeRay 是专为 Kubernetes 设计的 Ray 集群管理框架，主要包含以下核心能力：
RayCluster 控制器
全自动生命周期管理：秒级创建/销毁计算集群
智能弹性伸缩：基于工作负载自动调整节点数量
自愈机制：自动替换故障节点，保障服务连续性
异构资源支持：可配置CPU/GPU/Memory等资源配额
RayJob 任务引擎
任务编排：自动创建临时集群执行批处理任务
结果持久化：支持将任务输出保存至对象存储
成本优化：任务完成后自动回收计算资源
RayService 服务网格
蓝绿部署：支持无损服务版本升级
流量管理：集成Ingress实现智能路由
金丝雀发布：逐步验证新版本稳定性