Первоначально опубликовано в инженерном блоге Навида Ахмеда. Команды DevOps автоматизируют инфраструктуру уже много лет. У нас есть Terraform, Kubernetes, конвейеры CI/CD и десятки инструментов мониторинга. И все же инженеры по-прежнему тратят удивительные суммы...
Первоначально опубликовано в инженерном блоге Навида Ахмеда.
Команды DevOps автоматизируют инфраструктуру уже много лет.
У нас есть Terraform, Kubernetes, конвейеры CI/CD и десятки инструментов мониторинга.
Тем не менее, инженеры по-прежнему тратят удивительно много времени на изучение повторяющихся предупреждений, проверку изменений конфигурации и сбор контекста во время инцидентов.
Агенты ИИ могут помочь снизить эту рабочую нагрузку.
Но предоставление агенту ИИ доступа к производственной инфраструктуре порождает другую проблему: как обеспечить безопасность его работы?
Недавно я исследовал этот вопрос, когда писал о масштабировании DevOps в эпоху искусственного интеллекта.
Вот самые важные архитектурные уроки.
1. От ручных операций к проектированию с помощью искусственного интеллекта
Традиционная автоматизация хорошо работает, когда известны шаги.
ИИ может помочь в задачах, в которых инженерам сначала необходимо собрать и интерпретировать контекст.
Например, рабочий процесс инцидента с помощью ИИ может:
Сбор событий Kubernetes Pod
Изучите причины перезапуска контейнера
Запрос метрик Прометея
Сравните недавние развертывания
Кратко изложите вероятные причины
Порекомендуйте подходящий Runbook
Это может сократить усилия по расследованию при условии, что выходные данные сверяются с реальными данными системы.