一言以蔽之，Karpor 是一个现代化的 Kubernetes 可视化工具，核心特性聚焦在 搜索、洞察、✨ AI ，目标是更方便快捷地连接平台和多集群，并用 AI 赋能 Kubernetes，从大量集群资源中提炼关键性的洞察提供给开发者和平台团队，帮助他们更好地理解集群并做出决策。
Karpor 的设计初衷是降低 Kubernetes 使用的复杂性，让开发者和平台团队能够更高效地从繁杂的集群资源中提取有价值的信息。
? GitHub 地址：
https://github.com/KusionStack/karpor
现如今，Kubernetes 生态系统日益复杂是一个不可否认的趋势，这一趋势越来越难以驾驭。这种复杂性不仅增加了运维的难度，也降低了用户采纳新技术的速度，从而限制了他们充分利用 Kubernetes 的潜力。
作为资深“K8S YAML 工程师”(?)，也许你也遇到过以下苦恼：：
• Kubernetes 集群就像是一个黑箱，有时候它只是一张 KubeConfig 证书，我们看不到它后面发生了什么
• 团队/公司拥有特定的业务领域模型，需要在现有业务系统与 Kubernetes 资源之间建立映射
• 应用部署到了多个 Kubernetes 集群中，但看不到它的部署全貌
• ……
我们陆续使用过几款 Kubernetes 可视化工具，比如 Lens、k9s、kube-explorer、kubernetes dashboard 等，其中要么已经商业化、要么不支持私有化部署、要么太过简陋…… 总之没有遇到一款满意的产品。
最近大模型的出现掀起了新的一波人工智能浪潮，和往年不同，这次 AI 技术真正走进了普通百姓的日常生活。连我的家人也开始用起了大模型，这让我相信我们正处于一个能够重塑传统格局的历史性时刻。
于是我们想到构建一个轻量化的、AI 赋能的船新 Kubernetes 可视化工具，解决上述问题。它应该具有以下特点：
• 使用 AI 全面赋能 Kubernetes
• 可以识别潜在风险，并基于 AI 提供解决方案
• 允许用户自定义逻辑资源视图，适应不同公司/组织的领域模型，比如应用、环境等
• 提供时间线、时光机等功能，快速定位、排查问题
• 以搜索为中心，提供多种更加友好的方式跨集群定位资源，比如关键字、SQL、自然语言
• 低心智负担，它是只读的、对用户集群非侵入的数据面，用户可以无负担的将它部署到私有集群
• 跨集群的资源拓扑关系视图，提供资源的全局视角
我们将这个系统命名为 Karpor。总的来说，我们希望 Karpor 围绕着 ? 搜索、? 洞察和 ✨AI，击穿 Kubernetes 愈演愈烈的复杂性，达成以下价值主张：
目前我们基于这个理念构建了 Karpor 的初始版本，它已经具备以下基本功能：
• 针对 Kubernetes 优化的搜索入口：
• 通过合规报告发现潜在问题：
• 创建自定义逻辑资源视图：
在 Kubernetes 生态系统中，有多种工具和平台提供了对集群的管理和可视化能力。Kubernetes Dashboard 是一个官方提供的通用 Web UI，用于对 Kubernetes 集群进行管理和故障排除。而 Karpor，作为一个新兴的 Kubernetes 可视化工具，旨在提供更先进的功能和用户体验。
以下是 Karpor 与 Kubernetes Dashboard 的一些关键对比：
