Paul Stack: I'll Never Write Infrastructure as Code Again
三句話摘要
AI Agent改變基礎設施即程式碼的做法,並透過自動化運維告警流程,讓SRE將精力從繁瑣的脈絡蒐集轉向專業判斷。 以Agent做為運維力量倍增器——自動化告警脈絡蒐集的繁瑣工作,讓人類專注系統思維與專業判斷,才是運維未來的正確姿態。 --- 備註:此摘要基於AI Native Dev播客與Paul Stack在AI DevCon上的完整演講。所有專有名詞、模型名稱、成本數據均為逐字稿原意。 Agent優於傳統基礎設施即程式碼的遷移能力:人類需學習兩層知識(雲端SDK與程式碼抽象層),稱「200%問題」;Agent無此認知負擔,只需知道「起點→終點」,將Swamp用於四次生產環境遷移(Railway→DigitalOcean App→DO Kubernetes→GCP),每次都無縫且完整遷移資料。
重點整理
Agent優於傳統基礎設施即程式碼的遷移能力:人類需學習兩層知識(雲端SDK與程式碼抽象層),稱「200%問題」;Agent無此認知負擔,只需知道「起點→終點」,將Swamp用於四次生產環境遷移(Railway→DigitalOcean App→DO Kubernetes→GCP),每次都無縫且完整遷移資料。
告警工廠自動化脈絡蒐集流程:運維從被頁面喚醒到做決策的前30分鐘繁瑣工作,完全可自動化——驗證告警、去重、關聯已知事件、決策可行性。建立「燈亮工廠」讓人類多點介入決策,「燈滅工廠」讓Agent全程處理告警,結果精準觸發頁面(案例:同份憑證過期告警,次日重發時Agent判定為重複,不喚醒人員)。
模型分層與成本優化:用小型模型Jev進行簡單分類(告警該關閉否)降低成本91%(1次Claude呼叫=1365次Jev呼叫),只在分類後才用大模型進行複雜分析;且Agent永不觸及生產控制,僅做決策提案,人類保持最終判定權。
人類專業性的力量倍增而非被取代:Agent執行重複工作不厭倦,人類需專注架構判斷、業務知識、系統思維;藉由編碼運維知識(訪談資深工程師提取隱性知識),將每個流程步驟轉為可重複行為(Behavior),每次告警生成結構化資訊讓人類快速判定下一步。
實用技巧與重點
- 工具與技術:
- Swamp:基礎設施管理平台,核心概念是「Behaviors」(可重用的intent編碼片段,含schema、workflow、資料結構)
- Jeval:決策樹小型模型,成本為Claude的1/1365
- 告警來源:GCP、Axiom(指標工具)、Grafana、webhook
- 決策架構:Jev做初層分類,Claude做複雜分析
- 通知渠道:Discord、頁面推播
- 告警流程步驟:
- 告警驗證(HMAC簽章核對)
- 去重(hash ID相同告警)
- 關聯(與已知事件、已解決事件、進行中事件關聯)
- 自動閉案(無需人介入)
- 可行性判定(Jev決策)
- 完整分類(real triage loop)
- 驗證與套用分類
- 多渠道通知(僅當完整流程通過才推播)
- 成本數據:
- 兩個月告警費用:$0.23(Jev額度用不完)
- 使用模型組合後整體成本下降91%
- 生產環境遷移案例:
- Railway → DigitalOcean App Platform → DigitalOcean Kubernetes → GCP
- 每次包含完整資料遷移(PostgreSQL伺服器、entire S3桶)
- 六個月內四次遷移,每次「完全無縫、完全流暢」
- 安全措施:
- Agent權限最小化:僅讀取存取
- 使用vault結構包裝認證資訊,Agent無法看到明文密鑰
- 告警文本與標籤標記為untrusted data(非LLM指令)
- LLM輸出必須通過特定schema驗證
- 有提問權限檢查(Discord查詢前驗證使用者權限)
結論
以Agent做為運維力量倍增器——自動化告警脈絡蒐集的繁瑣工作,讓人類專注系統思維與專業判斷,才是運維未來的正確姿態。 --- 備註:此摘要基於AI Native Dev播客與Paul Stack在AI DevCon上的完整演講。所有專有名詞、模型名稱、成本數據均為逐字稿原意。
完整解析
Paul Stack在Swamp公司主導打造了一套透過AI Agent革新運維實務的系統。他過去協助建構Terraform、Pulumi,對基礎設施自動化有深厚經驗。今年創辦Swamp,核心洞察是:過往人們試圖改造現有程式碼框架去適配Agent,但Swamp反其道而行——直接用Agent作為一等公民管理系統。
傳統基礎設施即程式碼的痛點在於複雜的抽象層級。人類要在雲端SDK與Terraform/Pulumi之間切換認知模式,Paul稱之為「200%問題」——需學兩套知識。但Agent無此包袱,只需從目前狀態推導至目標狀態。Swamp團隊已實踐四次生產環境遷移:從Railway到DigitalOcean App平台、再到DO Kubernetes、最後到Google Cloud Platform。每次遷移包括PostgreSQL伺服器與整個資料桶的完整移轉,過程卻「完全無縫、完全流暢」。反觀傳統基礎設施即程式碼做雲端遷移是噩夢——Paul直言「我再也不寫基礎設施即程式碼了」。
更具體的應用是告警管理「工廠」。運維人員被頁面驚擾通常要花30分鐘蒐集脈絡:查日誌、追溯上游依賴、檢查部署記錄、檢視組態變更、查上游狀態頁、翻閱runbook。Swamp建立了自動化流程:每份告警進入後先驗證HMAC簽章(防攻擊)、去重(同類告警hash合併)、關聯(判斷是否重複、已解決或與進行中事件相關)。關鍵的是——關閉決策不由Agent做,而是由決定性的業務邏輯程式碼執行,Agent僅提供證據。之後用小型模型Jeval進行分類(這是告警該關閉還是深入調查),再進入完整的分類流程(談話runbook、查依賴、檢查日誌)。只有在完整流程通過後,才會發送Discord通知與頁面推播。
一個真實案例:萬聖節晚上21:53 UTC,Grafana憑證更新逾期告警觸發。系統立即找到關聯因果。同份告警今早11:48 UTC再次觸發,系統判斷為重複(4.6天未更新 vs 之前的24小時),關聯到已開啟事件,決定不喚醒任何人。
成本優化亮點:初期用Claude進行分類,改用Jeval後成本下降91%——因為1次Claude呼叫相當於1365次Jeval呼叫。Jeval作為決策樹引擎非常高效,兩個月只用掉$0.23額度。之後才將複雜分析交給大型模型。
人類角色並未消失,反而獲得力量倍增。Agent執行重複工作不厭倦,人類專注於架構判斷、業務推理、系統思維。Swamp的「Behaviors」機制將運維知識編碼化——透過訪談資深工程師提取隱性知識,將每個流程步驟轉為可重複行為,定義清晰的schema與workflow。每次告警產生結構化的「Dossier」(有標題、事件分類、相關信號、觸發次數等),讓睡眼惺忪的值班工程師能快速掃過,立即明白狀況與下一步。
安全防護也經過設計:Agent僅有讀取權限,認證資訊用vault結構包裝使Agent無法看到明文密鑰;告警文本標記為untrusted data以防提示注入;Agent輸出必須通過schema驗證。最關鍵的是——Agent永不觸及生產環境控制開關,不會自動回滾、自動關閉服務,只提供分析與建議,決策權留給人類。
Paul提到1979年IBM訓練幻燈片上的一句話:「電腦永不可被問責,因此電腦必不可做管理決策。」將此套用於LLM:Agent應強化運維人員的決策,而非代替判斷。每次事件發生後也要更新系統——在事後檢討中加入「我們如何強化系統」的反饋迴圈,讓下次告警更精準。


