KeyFrame內部研究專用

Paul Stack: I'll Never Write Infrastructure as Code Again

Tessl AI英文
觀看原始影片

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

  1. 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。

  2. 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)。

  3. 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。

  4. 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。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。