生成式 AI 讓 DevOps 團隊能夠消除乏味的重複、加強自動化並將複雜的工作流程壓縮為簡單的對話操作。
#生成式 AI 的概念描述了機器學習演算法，這些演算法可以從最少的手動輸入中創建新內容。該領域在過去幾年發展迅速，文字作者工具 ChatGPT和逼真圖像創建器 DALL-E2等項目引起了主流關注。
不過，生成式 AI 不只適用於內容創作者。它也準備好轉變軟體工程和 DevOps 領域的技術工作。例如，備受爭議的「AI 配對程式設計師」GitHub Copilot 已經在促使人們重新考慮程式碼的編寫方式，但協作 AI 的潛力在 DevOps 領域仍未充分開發。
在本文中，我們將展望一個未來，在這個未來，生成式AI能夠使 DevOps 團隊消除乏味的重複，加強他們的自動化，並將複雜的工作流程壓縮為簡單的對話操作。但在此之前，讓我們先深入探討生成式 AI 可以改進的 DevOps 問題。
DevOps 遠未解決。儘管 DevOps 思想的採用逐年快速增長，但該過程仍然依賴許多工具、有限的人才庫和僅部分自動化的重複性任務。
DevOps工程師可能會將太多時間花在不會貢獻顯著業務價值的瑣碎工作上，例如批准部署、檢查環境狀態和建立基本設定檔。儘管不可避免，但這些工作是雜務，不會直接對最終產品做出貢獻。它們也是生成AI 處理的絕佳候選者，ChatGPT 和Copilot（或構建Copilot 的OpenAI Codex）都可能減輕一些壓力：
然而，現有系統受限於它們對內容產生的狹隘關注。如果 DevOps 助理還提供基於意圖和基於操作的體驗來觸發工作流程步驟並應用狀態更改，那麼它們將更加強大。例如，想像一下將 Copilot 的程式碼作者身份與雙向對話介面合併時的體驗：
重要的是，這些能力並沒有取代人類或從根本上改變他們的角色。這種形式的 AI 透過處理平凡且一致地執行安全機制來增強工程能力。它解放了 DevOps 團隊，使其能夠在更短的時間內完成更有意義的工作。
生成式 AI 具有重新定義 DevOps 運作方式的巨大潛力。以下是它將主導的三個特定領域。
對於開發人員和維運人員來說，失敗是一個老生常談的問題。它們是不可預測的中斷，會強制立即進行上下文切換以優先修復。不幸的是，這會影響生產力，延緩發布進度，並在補救工作未按計劃進行時導致挫折感。
人工智慧代理可以偵測故障並調查其原因。此外，他們可以將他們的分析與生成能力和對過去失敗的了解相結合，以建議在顯示警報的上下文中立即採取行動。
考慮一個簡單的 Kubernetes範例：助理注意到生產中斷；意識到 Pod 由於資源限制已被驅逐；並提供操作按鈕來重啟 Pod、擴展集群或終止其他廢棄的資源。團隊只需單擊即可解決事件，而無需花費幾分鐘手動進行故障排除。
生成式 AI 編寫程式碼的能力提供了難以置信的價值。分層對話意圖使其更易於存取和方便。例如，您可以透過在聊天介面中寫入一條簡短訊息來要求 AI 代理程式設定新專案、設定檔或 Terraform 狀態定義。代理可以提示您為任何範本佔位符提供值，然後通知適當的利害關係人內容已準備好進行審查。
獲得批准後，AI 可以通知原始開發人員，將專案啟動到即時環境中，並提供查看部署的連結並開始對其進行迭代。這將幾個不同的序列壓縮為開發人員的一個自助服務操作。營運團隊無需事先手動配置專案資源，讓他們可以專注於自己的任務。
下一代 AI 代理超越了簡單的文字和照片創建，支援完全自動化的提示驅動工作流程。例如，雙向 AI 讓您可以使用自然語言啟動流程，例如「重新啟動生產叢集」以與您的 AWS ECS 資源進行互動。無需告知 AI 您正在使用哪個平台或它應該運行的特定步驟。例如，在 Kubiya.ai，我們已經充分利用了這一點，現在為我們的客戶提供了透過自然語言提示創建任何 DevOps 工作流程的選項。
這些代理程式的語言模型是根據您的雲端服務的詞彙進行訓練的。當您要求重新啟動叢集時，代理會使用其領域知識來解釋您的話。例如，它知道您的「生產」叢集在 AWS 上運行，並且它必須檢索叢集的詳細信息，然後進行正確的API 呼叫以重新啟動它，例如ecs.UpdateService等。您的話直接轉化為功能齊全的工作流程.
此外，雙向方面意味著 AI 代理會隨著時間的推移變得更加強大。一旦你開始運行你的工作流程，代理人也會針對它們進行訓練，允許它為未來的場景建議類似的過程並描述每個工作流程的實際作用。
這種方法可以讓開發人員在不涉及維運團隊的情況下做更多事情。 AI 代理程式在人類和基礎設施平台之間進行調解，允許任何人在不影響安全性的情況下一致地啟動工作流程。作為工作流程的一部分，代理可以在相關點提示輸入，例如當您要求它「新增虛擬機器」時，要求您選擇雲端帳戶、資料中心區域、機器類型和定價層。
生成式 AI 的 DevOps 用例可加速主要任務，同時提高可訪問性、安全性和可靠性。此外，它們使開發人員能夠專注於推進新功能，而不是重複執行熟悉的流程並等待結果。
智慧程度足以維持對話的座席就像您團隊中的另一位成員一樣。他們為可能不熟悉某些工具的開發人員提供支持，同時確保完全遵守組織的安全性和合規性政策。這些安全措施保護程式碼庫，讓開發人員相信他們可以啟動任何工作流程。此外，減少與 DevOps 團隊的互動次數可以提高效率，收緊回饋循環。
生成式 AI 也不是靜態體驗。隨著時間的推移，它會變得更好，因為它會分析互動以更準確地確定使用者意圖。例如，如果建議在您第一次鍵入查詢時不合適，您可以期望隨著您和其他人重複要求並採取不同的行動方案，它們會得到改進。
人工智慧代理也支援缺失的人類知識。它們讓開發人員即使在不熟悉所涉及的某些步驟、工具或術語時也可以啟動流程。人工智慧可以填補諸如「哪些實例失敗了？」等問題的空白。計算您指的是生產叢集中的 Kubernetes Pod。這些能力讓人工智慧有效地補充了人類的能力，使其成為團隊支持性提示的來源。
經常使用人工智慧的組織可能會取得最好的結果，因為他們的代理人會更善於預測他們的需求。但是，在將 AI 添加到工作流程中時不要過度使用也很重要。最成功的採用 將專注於解決真正的業務需求。首先，評估您的流程以確定開發和營運團隊之間的瓶頸，然後使用 AI 瞄準那些重複的用例。
您選擇的解決方案應該可以幫助您達到 KPI，例如關閉更多問題或更快地解決事件。否則，AI 代理將得不到充分利用，阻礙您的自然操作程序。
生成式 AI 是當今成熟最快的技術之一。因此，隨著越來越多的研究人員、消費者和組織開始探索其功能， ChatGPT 獲得了一定程度的傳播。 DALL-E2 也取得了同樣 驚人的成果，超過 120 萬名開發人員在其前 12 個月內使用了 GitHub Copilot。
這三種技術都展示了明顯的革命性潛力，但從長遠來看，DevOps 的混合且高度複雜的工作流程可能受益最大。例如，DevOps 將程式碼和配置等新資產的建立與部署批准和審查請求等順序流程結合。
與一些局外人的預測相反，用於 DevOps 的生成式 AI 將超越普通文件片段的簡單模板，以提供完整的工作流程自動化。使用簡單的會話短語，您可以指示您的代理代表您採取特定操作，從配置新的雲端資源到檢查生產效能。因此，代理商將提供即時雙向回饋循環，以改善協作、提高生產力並減輕開發人員面臨的日常壓力。
以上是DevOps 的生成式人工智慧：一個現實的視角的詳細內容。更多資訊請關注PHP中文網其他相關文章！
