- Published on
智能体化 DevOps 通过将自主 AI 智能体嵌入代码编写、构建维护和运维三个阶段，实现从需求规格到生产故障自动修复的完整闭环工作流。Azure MCP Server 让任何智能体都成为 Azure 专家，GitHub Copilot 编码智能体异步处理基础设施更新，Azure SRE Agent 自动检测、调查和修复生产故障，三者在人类监督下协同工作，彻底改变了软件构建和运营方式。
Devops
全部文章 (6)
- 架构 (76)
- 人工智能 (57)
- 大厂实践 (34)
- 个人成长 (30)
- 认知 (19)
- 最佳实践 (16)
- ai-智能体高可靠设计模式 (14)
- 团队管理 (12)
- 通信 (12)
- 5g (11)
- 数据工程 (10)
- golang (9)
- 领导力 (8)
- 写给互联网工程师的5g书 (8)
- 阅读 (7)
- 思维模型 (7)
- 软件测试 (6)
devops (6)
- 产品管理 (5)
- 设计模式 (5)
- 系统设计 (4)
- 项目管理 (4)
- 敏捷开发 (4)
- 大数据 (4)
- dpdk (4)
- 研发效能 (3)
- 提示工程 (3)
- 云原生 (3)
- 网络 (3)
- ebpf (3)
- git (2)
- python (2)
- 可观测性 (2)
- 技术史 (2)
- 微服务 (2)
- 无人机 (1)
- aiops (1)
- docker (1)
- c (1)
- 网络安全 (1)
- 算法 (1)
- 软件工程 (1)
- 量化交易 (1)
- webassembly (1)
- 建筑 (1)
- 城市 (1)
- openran (1)
- 数据库 (1)
- Published on
AI 智能体正在以更快、更便宜的方式完成 IaC、CI/CD 流水线维护和故障排查等传统 DevOps 工作。本文建议工程师转向三个高价值方向：AI 基础设施/LLMOps 工程师、平台工程师或专注于 AI 的站点可靠性工程师（SRE），以适应 AI 驱动的运维新范式。- Published on
Netflix 通过去中心化的事故管理，将事故从少数 SRE 处理的重大宕机，变成全体工程团队都能参与的日常学习与持续改进机制。本文基于官方技术博客文章进行编译整理，介绍 Netflix 在工具、流程与文化上的实践。- Published on
本文分享了 Booking 的技术团队如何在一年内实现软件交付绩效翻倍提升，且不增加额外资源。基于 DORA 指标进行流程优化，能有效管理组织绩效并提升团队幸福感。- Published on
用代码定义基础设施可以帮助我们方便的构建、跟踪基础设施，但代码本身隐含着逻辑和变化，对于基础设施来说，定义为数据更为恰当。