AI 时代的平台工程

news2026/5/24 2:41:10
两个月前正是我 Aha moment 不断多巴胺爆炸的时刻每天都会记录下很多灵感和想法准备在未来写成文章或者开发成工具。其中有一条是这样的AI 时代的平台工程CLISkillMCP可访问所有基础设施比如拉取知识库读取 story拉取流水线信息并修复所有的点都集中到了 CLI 工具上CLI 就是 AI 时代的平台门户这个想法一直躺在 to do 列表的最底下优先级被无限拉低。因为我觉得这个想法太超前了现在的开发人员甚至还不愿意离开 IDE 去拥抱 CLI。然而就在今天客户发来了一个需求希望能在 Claude Code 里把需求列出来代码开发完质量流水线检查通过mr 发起且成功进入 release部署到测试环境。这个链条全 AI 化。更进一步本地可以启动多个 Agent其中一个得去检查我的代码构建流水线是不是通过了如果没通过得自动去修复我的开发分支才行。看完客户的需求我知道是时候了。CLI 带来的想象我当时盯着这条需求看了很久。不是因为它有多复杂。这种程度的自动化单拆每一个步骤技术上都没什么新鲜的。Jenkins 能跑流水线GitLab 能发 MRKubernetes 能部署这些早就是标配了。但把这些东西串成一条链让 Agent 在 CLI 里一口气跑完中间不需要人插手这事儿就有点不一样了。你想想看这个画面。你坐在电脑前打开终端跟 Claude Code 说「帮我实现这个需求」。Agent 去读 story理解要做什么然后打开代码库开始写。写完跑测试挂了自己修。修完发起 MRMR 的流水线又挂了它去查日志定位问题再修。全部通过之后合并进 release 分支触发部署到测试环境。整个过程里你没有打开 Jira 看任务状态没有打开 GitLab 看 MR 进度没有打开 Jenkins 看流水线日志。甚至没有打开 IDE。所有的东西在一个界面里完成。用自然语言说话就行。这听起来像科幻吗说实话两个月前我也觉得像。但那个礼拜我搞了 7 个智能体之后我意识到一件事。markdown 即需求skill 即功能大模型即解释器命令行即软件。那个只有几个 .md 文件的 folder 里发生的事情和客户的这个需求其实是同一件事。只是规模不同。这么做可行吗说到这我需要正经聊聊这个架构的可行性。不然你肯定觉得我只是在画饼。CLI 作为入口skill 封装业务能力MCP 连接外部系统。这三件套听起来挺抽象的但每一层都有对应的东西在。CLI 这层不用多说。Claude Code、Codex CLI这些工具已经证明了开发者可以在命令行里完成从需求到代码的全过程。不是「可以」是「已经在发生」。我自己过去两个月的日常工作几乎都在 Claude Code 里完成IDE 打开的次数屈指可数。Skill 这层其实就是前阵子我说的「skill 即功能」。每个 skill 是一个 markdown 文件描述了在特定场景下 Agent 应该怎么做。操作 GitLab 的是一个 skill查询 Jenkins 流水线的也是一个 skill部署到 Kubernetes 的还是一个 skill。它们不是代码是自然语言写的行为说明书。但大模型能读懂并执行。MCP 的作用是让 Agent 可以标准化地访问外部系统比如文件系统、数据库、API 服务。以前你要让 Agent 操作 GitLab得写一堆 API 调用代码。现在有了 MCP你告诉 Agent「用 GitLab MCP 去查一下这个项目的流水线状态」它就知道怎么做了。这三层加在一起形成了一个完整的平台工程能力栈。CLI 是开发者天天在用的环境。Skill 是平台能力的原子单元。MCP 是连接基础设施的通用插头。它不是要取代 Jira、GitLab、Jenkins 这些东西。而是让 Agent 能够统一地、自然地操作这些东西。就像你不需要知道 USB 协议的细节就能用手机充电一样开发者不需要知道 GitLab API 的每一个细节就能让 Agent 去操作它。那么开发者门户呢你肯定会问既然要整合这么多能力为什么不干脆做一个漂亮的 Web 界面开发者门户不香吗坦率的讲这个疑问我也有过。传统的平台工程答案确实是开发者门户。Backstage、Port做得都挺好的。统一的界面有目录有文档有自助服务。应用团队想看部署状态点开页面就能看到。想申请一个环境填个表单就行。但这里有一个问题。开发者门户始终是一个「额外的」东西。你需要打开浏览器登录找到对应的功能点击填表单等待结果。半年前看还是能够节省你去各个平台找页面的时间的但现在来看每一步都在把你从当前的工作流里拉出来。你在写代码突然要去看一下流水线状态你得切换窗口、切换思维、切换注意力。看完再回到代码里刚才的思路已经断了一半。CLI 不一样。你本来就在终端里工作。Agent 就在你手边。你不需要切换上下文不需要改变习惯。打个比方。开发者门户像是一个办事大厅你要办什么业务得走过去取号排队填表。CLI 像是一个贴身的秘书你随口说句话它就去办了。当然办事大厅有它的用处。有些业务确实需要正式的流程需要审批需要留痕。但日常的大部分事情秘书模式显然更高效。而且CLI 里的 Agent 可以并行工作。客户说的「本地可以启动多个 Agent」这在 CLI 环境里是很自然的事情。一个 Agent 写代码另一个 Agent 在后台监控流水线发现问题自动修复。它们通过文件系统或者简单的消息机制通信不需要复杂的协调框架。在 Web 门户里你很难实现这种「贴身且并行」的体验。门户的设计假设是「一个用户在一个页面里做一件事」。那么IDE 呢说到这另一个问题也来了。既然不想离开开发环境那直接集成在 IDE 里不是更自然吗这个问题更有意思。因为最近 IDE 的变化确实有点不一样。VS Code 最新版开始走 Agent 优先的设计路线。Cursor 直接默认就是 Agent 模式。以前AI Agent 是 IDE 的一个插件。你在 VS Code 里装个 Copilot它帮你补全代码。AI 是 IDE 的附属品是锦上添花。但现在角色正在翻转。Cursor 的本质不是「一个更好的 IDE」。它是「一个能写代码的 Agent」。IDE 只是 Agent 用来操作文件的一个工具。Agent 才是主角IDE 在变成配角。IDE 正在变成 Agent 的一个插件。而且像 Codex 桌面版这样的工具已经完全摒弃了 IDE Agent 插件这样的设计它就是一个 Agent或者说是一个有界面的 CLI。它不需要 IDE。我大胆预测一下IDE 将在2026年迎来它的终结。AI 时代的平台工程聊到这我想起平台工程这个概念本身的演变。几年前的平台工程主要解决的是 DevOps 的混乱。每个团队有自己的 CI/CD 配置重复造轮子。平台工程团队的做法是抽象出通用的平台能力然后通过开发者门户暴露给应用团队。这个思路是对的。但它有一个隐含的假设平台能力必须通过一个「门户」来交付。AI 时代的到来让这个假设开始松动了。如果 Agent 可以直接操作基础设施如果自然语言可以替代表单和按钮如果开发者不需要学习一套新的界面就能使用平台能力那「门户」这个中间层还有必要存在吗我觉得CLISkillMCP 架构下的平台工程不是在现有门户上加一层 AI而是重新思考平台能力的交付方式。Skill 就是平台能力的原子单元。一个操作 GitLab 的 skill一个查询流水线的 skill一个部署的 skill。这些 skill 可以被组合被复用被不同的 Agent 调用。它们的目标用户不是「人」而是「Agent」。这有点像从 SOA 到微服务的演变。以前我们以为服务必须通过统一网关暴露后来我们发现服务之间可以直接通信。同样平台能力以前必须通过门户暴露现在 skill 之间可以直接协作CLI 只是一个最自然的入口。当然我不是说开发者门户会消失。需要可视化、需要审批、需要非技术人员参与的场景门户仍然有价值。但对于开发者日常的工作流CLIAgent 可能是更优的体验。CLI 即门户写到这里我回头去看客户那条需求。我现在觉得这个需求描述的不是一个「功能」而是一种「工作方式」。在这种方式里开发者不再是各个环节的搬运工。他们提出需求Agent 负责执行。开发者的角色从「操作者」变成了「指挥者」。两个月前我在那个只有 markdown 文件的 folder 里看到了个人工具的极简形态。今天我又看到了这种极简形态在团队工程实践里的投射。也许几周之后我们实现了这套围绕 CLI 的平台工程之后我会有更多的心得分享。时代的瞬变最后我想聊聊最近几个月的飞速变化。两个月前我自认为超前的想法在两个月后已经被客户提出来了。这说明什么敏捷二十年我们仍然是行业领先。DevOps十年我们仍然可以吃到时代红利。然而AI时代仅仅两个月客户就和我们站在了同一起跑线上。这说明AI 时代的技术变革正在以肉眼可见的速度发生。我们不再是站在时代的边缘看风景而是直接被卷入了这场风暴。作为咨询师我们必须躬身入局置身事内亲历风暴中心get your hands dirty。否则被超越和被取代只是时间问题。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2636240.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…