KubeEdge 春季带薪远程实习来了!2025 年 LFX Mentorship 开启申请

LFX Mentorship 计划,由 Linux Foundation 组织,从 19 年开始为 CNCF 各个开源社区中的开发人员持续提供带薪实习和指导。往年已获 16w+申请,发起 1200+课题,毕业近千名实习生,发放超过 300 万美金报酬。

2025 年春季申请时间为 2 月 5 日-2 月 18 日,远程实习将从 3 月 3 日开始为期三个月。参与到 LFX Mentorship 计划中,为开源项目做贡献、获得开源社区的认可同时,完成工作还能获取报酬 (位于中国的开发者报酬为 $3000 美金,约合¥20000 人民币)。

今年 KubeEdge 社区在 LFX Mentorship 计划中准备了多个课题,感兴趣的读者可于 2 月 18 日前点击阅读全文,或到官方平台申请:https://mentorship.lfx.linuxfoundation.org/
KubeEdge 社区介绍
KubeEdge 社区已经连续 5 年参与 LFX Mentorship 计划,过去已为学员提供 25+个项目。KubeEdge 是业界首个云原生边缘计算框架、云原生计算基金会内部唯一毕业级边缘计算开源项目。在 GitHub 获得 8k+Stars 和 2.2k+Fork,吸引了全球来自 35+国家的 100+贡献组织及 16 万+开发者。
近年来,KubeEdge 社区持续开拓创新,完成业界最大规模云原生边云协同高速公路项目(统一管理 10 万边缘节点/50 万边缘应用)、业界首个云原生星地协同卫星、业界首个云原生车云协同汽车、业界首个云原生油田项目,开源业界首个分布式协同 AI 框架 Sedna 及业界首个边云协同终身学习范式、开源业界首个分布式协同 AI 基准测试 Ianvs。
在 LFX Mentorship 2025 春季计划,KubeEdge 期待再次和计算机领域新生力量一起,开拓数字未来。
面向对象
春季计划申请者需在 2025 年 2 月 18 日前在 LFX 官网完成 Mentee 注册及项目申请。若被接收作为 Mentee,您将能在开源社区经验丰富、积极贡献的 Mentor 指导下为开源项目做出贡献。依据官方规定[1],对 Mentee 的申请者有以下要求:
计划开始时至少年满 18 周岁
所在单位和组织不禁止该实习
未参加另外的 Linux Mentorship 计划
开发者以个人身份参与(在校或已毕业均可)
具备所注册国家中工作权利且所注册国家未被计划禁止 (中国已获许可)
并非社区中高于最低限度贡献成员(如 Maintainer、Recurring Contributor)
满足具体所属项目中提及的其它前置需求
课题参与方式
根据官方安排 [2],LFX Mentorship 2025 年春季活动流程如下:
Mentee 注册与项目申请 2 月 5 日-2 月 18 日
申请者评审及人事工作 2 月 19 日-2 月 25 日
实习启动及任务发放 3 月 3 日
中期考核及首次津贴支付 4 月 16 日
结项考核、实习生报告提交,最终津贴支付批准 5 月 28 日
活动结束 5 月 30 日
申请者需要在 2 月 18 日前完成 Mentee 注册和项目申请,流程详见 [3]:https://docs.linuxfoundation.org/lfx/mentorship/mentee-guide/how-to-apply
实习申请结果预计将在 2 月 26 日通知到申请人。主线开发日期为 2025 年 3 月 3 日 – 5 月 28 日,全程线上协作,无需线下参与。结项需要在 2025 年 5 月 28 日前以 PR 的形式提交到项目所在的开源社区仓库中并完成合并。
KubeEdge 课题
最后,向各位申请者推荐 CNCF KubeEdge 社区下列课题:
▍KubeEdge: Enhance KubeEdge testing coverage (2025 Term 1)
课题描述:
为更好地维护代码质量并减少缺陷的引入,本课题希望将单元测试覆盖率提高到 60%到 70%(目前单元测试覆盖率为 38.69%)。需要注意的是,除了要求 KubeEdge 整体的单元测试覆盖率满足要求外,每个核心代码目录(cloud/、edge/、keadm/和 pkg/)的单元测试覆盖率也需要超过 60%。
预计输出件:
UT 覆盖率提升至 60%-70%
前置技能:
KubeEdge, Go, Testing
课题导师:
Elias Wang (@wbc6080)
wangbincheng4@huawei.com
Fisher Xu (@fisherxu)
fisherxu1@gmail.com
课题链接:https://mentorship.lfx.linuxfoundation.org/project/a85be883-5139-4e69-8859-6662f7ffd71d
Github Issue:https://github.com/kubeedge/kubeedge/issues/6101
▍KubeEdge: KubeEdge Dashboard Enhancement - BFF (2025 Term 1)
课题描述:
为 KubeEdge Dashboard 设计的 BFF(Backend for Frontend) 中间层,旨在连接前端 UI 层与 KubeEdge 后端 API,作为数据的中转和处理中心,为前端提供一个专门设计的后端服务,简化前端的数据获取逻辑并提升性能与安全性。
此外,为了让开发者更快速地体验并部署 Dashboard,我们需要与 kubeedge/keink 项目进行深度集成,仅需一条命令即可启动 Dashboard 环境,实现对功能的完整演示和验证。
预计输出件:
一键运行与持续集成
一键部署: 借助 keink 项目,仅需一条命令即可快速拉取并运行 Daily 发布的容器镜像,让开发者或体验者无需额外环境配置。
持续发布机制: Daily 镜像能够持续整合最新的功能更新和修复,开发者可以及时获取最新版本,快速验证和测试功能,从而优化研发流程。
数据处理:
对从后端获取的数据进行统一的格式化、过滤和处理,以满足前端的展示需求,避免在前端编写重复或复杂的逻辑。
错误处理与重试(可选)
前置技能:
KubeEdge, JavaScript, React
课题导师:
Chen Su (@ghosind)
ghosind@gmail.com
Elias Wang (@wbc6080)
wangbincheng4@huawei.com
课题链接:https://mentorship.lfx.linuxfoundation.org/project/16217666-64ec-45e7-842b-9df5ceb07382
Github Issue:https://github.com/kubeedge/dashboard/issues/37
▍KubeEdge: Domain-specific large model benchmarks: the edge perspective (2025 Term 1)
课题描述:
业界通用大模型基准测试往往聚焦于云。随着大模型进入规模化应用时代,云端为大模型提供了基础设施和服务。客户进一步提出了边缘侧的针对性应用需求,包括个性化、数据合规性和实时性,使得不同边侧单位往往构建自有行业大模型或知识库。但目前针对边侧数据开展的大模型基准测试并未成型。由于数据在不同边缘的分布,预计通用大模型在多样边侧行业场景将产生大幅性能波动。本课题旨在为边缘 AI 服务和应用定位行业大模型性能波动,以便用于匹配特定大模型、定位问题乃至选择适用边侧场景。
预计输出件:
行业大模型边侧测试数据集、测试套件、使用说明
(进阶) 测试指标设计与开发
(进阶)测试方法研究,测试调研与研究报告
前置技能:
KubeEdge-Ianvs, Python, LLMs
课题导师:
Zimu Zheng (@MooreZheng)
zimu.zheng@hotmail.com
Shijing Hu (@hsj576)
sjhu21@m.fudan.edu.cn
课题链接:https://mentorship.lfx.linuxfoundation.org/project/e3fc44d9-9ddd-42e6-a9be-8f6c2a114672
Github Issue:https://github.com/kubeedge/ianvs/issues/177
▍KubeEdge: Enhance Dependency Management and Documentation for KubeEdge-Ianvs (2025 Term 1)
课题描述:
Ianvs 目前正面临着较为紧迫的依赖管理问题。随着 Python 版本、依赖库以及 Ianvs 特性的持续演进,许多先前的 examples 已无法运行,导致大量相关的 Issue 被提出;现有的项目文档中也存在不少过时内容,这对新用户来说较为困扰。Ianvs 需要对已有 examples 的依赖进行梳理,并构建一套更加完善的依赖管理机制,降低新用户上手 Ianvs 的门槛。
预计输出件:
更加完善的 Contributing Guide
基于大语言模型云边协同推理示例打造的全新 Quick Start Example
其他 Paradigm 依赖修复和文档完善
前置技能:
KubeEdge, Python
课题导师:
Yu Fan (@FuryMartin)
furymartin9910@outlook.com
Shijing Hu (@hsj576)
sjhu21@m.fudan.edu.cn
课题链接:https://mentorship.lfx.linuxfoundation.org/project/8961c0b4-0e34-43be-9022-384a4847f5d3
Github Issue:https://github.com/kubeedge/ianvs/issues/178
▍KubeEdge: Community Website Comprehensive Upgrade Project: Homepage Renewal… (2025 Term 1)
课题描述:
为提高 KubeEdge 官网的用户体验和访问效率,官网优化项目将聚焦于首页设计优化、新页面的增加以及社区资源的改进。该项目的目标是提升网站的易用性、增加用户粘性,并通过增强培训内容和硬件兼容性支持,吸引更多用户使用 KubeEdge。
预计输出件:
官网首页的设计与优化,包含设计和代码更新
新增页面:课程培训视频的展示,包含设计和代码更新
新增页面:”硬件兼容”展示页,包含设计和代码更新
partner 页面设计与优化,包含设计和代码更新
优化社区资源,改善文档和入门体验,确保用户能够轻松上手并有效使用 KubeEdge。
前置技能:
KubeEdge, JavaScript, Docusaurus
课题导师:
Hongbing Zhang (@HongbingZhang)
hongbing.zhang@daocloud.io
Shelley Bao (@Shelley-BaoYue)
baoyue2@huawei.com
课题链接:https://mentorship.lfx.linuxfoundation.org/project/576c6710-942b-41cc-9e51-113c1957fc02
Github Issue:https://github.com/kubeedge/website/issues/665
如果对课题内容有任何问题,欢迎在 GitHub 仓库提交 Issue 或者添加社区小助手微信向社区提问。
今年春季,KubeEdge 社区期待在 LFX Mentorship 见到您!
参考资料:
[1] LFX Mentorship - Application Requirement:https://docs.linuxfoundation.org/lfx/mentorship/mentee-guide/am-i-eligible
[2] LFX Mentorship - Program Readme:https://github.com/cncf/mentoring/blob/main/programs/lfx-mentorship/2025/01-Mar-May/README.md
[3] LFX Mentorship - Mentee Application Guideline:https://docs.linuxfoundation.org/lfx/mentorship/mentee-guide/how-to-apply
【更多 KubeEdge 资讯推荐】玩转 KubeEdge 保姆级攻略——环境搭建篇
玩转 KubeEdge 保姆级攻略——环境搭建篇
《玩转 KubeEdge 保姆级攻略——环境搭建篇》课程主要介绍如何通过华为云服务快速搭建一套 KubeEdge 边缘计算开发平台及部署 Sedna、EdgeMesh 等 KubeEdge 生态组件。
课程免费学习链接:https://connect.huaweicloud.com/courses/learn/course-v1:HuaweiX+CBUCNXNX022+Self-paced/about
KubeEdge 社区介绍:KubeEdge 是业界首个云原生边缘计算框架、云原生计算基金会(CNCF)唯一毕业级边缘计算开源项目,社区已完成业界最大规模云原生边云协同高速公路项目(统一管理 10 万边缘节点/50 万边缘应用)、业界首个云原生星地协同卫星、业界首个云原生车云协同汽车、业界首个云原生油田项目,开源业界首个分布式协同 AI 框架 Sedna 及业界首个边云协同终身学习范式,并在持续开拓创新中。
KubeEdge 网站 : https://kubeedge.io
GitHub 地址 : https://github.com/kubeedge/kubeedge
Slack 地址 : https://kubeedge.slack.com
邮件列表 : https://groups.google.com/forum/#!forum/kubeedge
每周社区例会 : https://zoom.us/j/4167237304
Twitter : https://twitter.com/KubeEdge
文档地址 : https://docs.kubeedge.io/en/latest/
评论