VicroCode
让代码创造价值
VicroCode是一个轻量级代码在线发布、交易平台,开箱即用,免部署、免服务器、免备案,支持接入智能体、通用管理系统、游戏等多种项目
稍候片刻,您可先学习AI编程手册
正在加载中...

市场信息

AI + SRE ≠ AISRE:AI 如何真正进入生产运维闭环|QCon上海

点击查看原文>

www.infoq.cn · 2026-10-06T10:00:00+00:00

从「构建 AI」到「驾驭 AI」,100+ 实战案例拆解 AI Native 时代的工程新实践! 2026 年 QCon 全球软件开发大会大会 · 上海站 将于 10 月 22 日—24 日 举办,聚焦 Harness AI 时代的工程实践,围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向,邀请全球技术社区与产业一线的实践者,系统性分享前沿洞察与实战经验,共同探索 AI 从能力到系统、从实验到生产的真实路径。

在这一背景下, 2026 年 QCon 全球软件开发大会大会 · 上海站 正式启动。本次大会将于 10 月 22 日—24 日 举办,聚焦 Harness AI 时代的工程实践,围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向,邀请全球技术社区与产业一线的实践者,系统性分享前沿洞察与实战经验,共同探索 AI 从能力到系统、从实验到生产的真实路径。

携程 & 大数据平台 SRE 总监周昕毅已确认出席 “ 理性驾驭 AI 的 SRE 可靠性工程 ” 专题,并发表题为 《 AI + SRE ≠ AISRE:AI 如何真正进入生产运维闭环 》 的主题分享。 AI 正快速进入研发、测试与运维场景,但“给 SRE 加一个 AI”并不等于真正的 AISRE。

尤其在大数据平台中,故障链路复杂、组件依赖繁多、运维知识高度依赖专家经验,AI 从“辅助分析”走向“生产执行”仍面临信任、知识与闭环等问题。本次分享将结合携程大数据平台的实践,围绕稳定性、运维效率与成本治理三个典型场景,分享 AI 如何真正进入 SRE 的生产闭环。

周昕毅,携程大数据平台 SRE 总监。毕业于同济大学软件学院,在云计算、大数据、基础设施运维及 SRE 等领域有 20 年工作经验。

目前负责携程大数据基础平台建设及运维管理相关工作。参与编写 SREelite《SRE 实践白皮书》。

他在本次会议的详细演讲内容如下: 演讲提纲 1. 开场:AI 到底能不能接管 SRE?从三个真实问题切入: 告警来了,AI 能不能自己判断?

服务异常,AI 能不能自己修?存储成本上涨,AI 能不能自己找出浪费?

结论:AI 能回答 SRE 的问题,不代表 AI 能承担 SRE 的工作。 2. 从 AI 辅助到 AI 闭环:SRE 的 AI 化到底意味着什么?

AI 看懂告警、日志、指标 AI 关联上下文并定位根因 AI 生成处置方案 AI 调用工具执行操作 AI 验证执行结果并形成反馈 结论:真正的 AISRE,不是增加一个 AI Copilot,而是让 AI 进入完整的运维闭环。 3. 实践一:从“告警”走向“自愈”——AI 如何参与生产故障处置?

痛点还原 告警噪音大,定位慢,人工处置依赖经验 闭环体系设计 告警收敛与分级策略 根因定位:从"报警"到"给答案" 自愈执行:预案库加自动触发机制 人工审核兜底:人监督 AI 的落地形式 效果 平台故障 MTTR 降低 50% 关键踩坑点:自愈误操作的防护机制 4. 实践二:从“专家经验”到“智能诊断”——核心组件故障如何让 AI 真正理解?痛点还原 组件种类多,问题现象分散,诊断依赖资深专家 工具设计思路 诊断知识的结构化沉淀,包含案例库、规则库 AI 辅助分析:日志理解加指标关联 工具化设计:诊断能力作为可调用服务 效果与经验 新人上手时间缩短,on-call 压力下降 踩坑点:AI 给出错误诊断建议的处理机制 5. 实践三:从“资源监控”到“成本治理”——AI 如何参与存储优化决策?

痛点还原 存储成本持续膨胀,人工治理效率低 工具建设思路 数据访问特征采集与冷热识别模型 自动化分级存储策略推荐 与业务方的协作闭环 效果 存储单价下降 20% 踩坑点:冷热判断误判对业务的影响及补救措施 6. 总结:从 AI 辅助走向 AI 原生运维 AISRE ≠ AI + SRE 的简单叠加 三个实践背后的共同基础 演进路径与未来展望 实践痛点 1. 自动化执行的信任建立需要过程 告警自愈闭环上线初期,工程师对"AI 自动操作生产环境"普遍存在顾虑。需要经历"只看不动→人工确认后执行→低风险操作自动执行"的渐进式信任建立过程,不能一步到位 2. 知识沉淀是需要建立闭环机制而非一次性工程 智能诊断工具的核心是知识库,但故障经验高度依赖老专家,提炼和结构化的过程阻力大、耗时长,且随着组件版本迭代需要持续维护,容易出现"知识库上线即过时"的问题。

  1. 效果评估的量化存在难度 目前虽然通过 MTTR 可以进行一定程度的量化,但 MTTR 的影响因素不能完全归因于 AISRE 的相关实践 演讲亮点 SRE 相关实践具有普适性,对其他 SRE 团队有参考价值,不只是晒成果,而是给同行一套可复用的方法论 听众收益 1. 一个可复用的方法论框架 “数据友好→开发友好→运维友好”三层递进模型,帮助听众评估自身团队的 AI 落地成熟度,避免跳步建设的陷阱 2. 三个可落地的工程实践 告警+自愈闭环的设计思路与防误操作机制 大数据组件智能诊断工具的知识结构化方法 Storage Insight 冷热数据识别的实现路径 每个实践均来自携程生产环境,有具体踩坑经验可借鉴。 3. 一个清醒的认知校准 明确“AISRE ≠ AI + SRE 简单叠加",帮助听众识别团队当前瓶颈到底是 AI 能力不足还是基础设施不够成熟,避免在错误的层面投入资源 4. 真实的效果数据参照 MTTR 降低 50%、存储单价下降 20%,为听众在内部推动类似项目时提供可引用的行业参照数据 除此之外,本次大会还策划了 Loop Engineering 、 千行百业 Agent 创新实践 、 Agent 自主进化:从记忆到持续学习 、 Agent as a Service 、 Vibe Coding 时代的新质量债 、 理性驾驭 AI 的 SRE 可靠性工程 、 金融 AI Native工程实践:从研发提效到业务破局 、 AI Infra:算力效率决定规模化落地 、 AI Native 架构 等 20 个专题论坛,届时将有来自不同行业、不同领域、不同企业的 100+资深专家在现场带来前沿技术洞察和一线实践经验。

查看更多详情可扫码或联系票务经理 18514549229 进行咨询。

返回 AI 市场导读

来源:infoq.cn