Saya membiarkan ejen dipacu AI menjalankan saluran paip CI/CD saya selama sebulan. Menjelang akhir tempoh percubaan, ia telah membaiki binaan (build) yang gagal, membuka permintaan tarik (pull request), dan mencetuskan semula tugasan, meninggalkan hanya satu langkah kelulusan manusia. Eksperimen ini menunjukkan bahawa DevOps "agentic" boleh memindahkan triaj rutin daripada bahagian belakang (back-office) kepada otak automatik, tetapi ia juga mendedahkan kepentingan guardrails yang menghalang sistem autonomi daripada menjadi punca risiko baharu.

Mengapa eksperimen ini penting

Kebanyakan pasukan perisian masih menganggap AI sebagai fungsi melengkapkan automatik (autocomplete) yang canggih—sebuah alat yang mencadangkan baris kod atau menjelaskan mesej ralat. Pada tahun 2025, industri sedang beralih daripada "AI yang membantu anda menaip" kepada "AI yang bertindak." Ejen yang bertindak boleh membaca log, memutuskan penyelesaian, melaksanakannya, dan belajar daripada hasil tersebut—semuanya tanpa pembangun perlu menaip satu arahan pun.

Idea asas: saluran paip agentic

Saluran paip agentic bukanlah satu model monolitik tunggal dengan akses tanpa sekatan ke pengeluaran (production). Ia adalah orkestrator khusus yang menyelaraskan alatan pakar, mengekalkan konteks, dan beroperasi di sebalik guardrails yang ketat. Gelung terasnya menyerupai proses penyelesaian masalah manusia:

  1. Persepsi – menarik log, output ujian, dan metrik.
  2. Penaakulan – menganalisis kegagalan, merancang pemulihan yang paling selamat.
  3. Tindakan – memanggil alatan berskop untuk mengenakan tampalan (patch), menaik taraf kebergantungan (dependency), atau menjalankan semula tugasan.
  4. Pembelajaran – merekodkan keputusan supaya keputusan seterusnya lebih bermaklumat.

Seni bina yang memastikan eksperimen ini selamat adalah seperti berikut:

  • Platform CI/CD – menjadualkan dan menjalankan tugasan.
  • Orkestrator – "otak" yang menerima data, menjalankan gelung kawalan, dan memutuskan apa yang perlu dilakukan.
  • Alatan – "tangan" yang melakukan tindakan konkrit (cth., membuka PR, menaik taraf versi).
  • Simpanan konteks – memori ringan bagi kegagalan dan pembaikan terkini.
  • Guardrails – had keras yang menghalang ejen daripada menyentuh pengeluaran secara langsung atau daripada membuat perubahan tanpa kelulusan manusia yang nyata.

Dengan menjauhkan model bahasa besar (LLM) daripada penulisan pengeluaran secara langsung, sistem ini mengurangkan permukaan serangan sambil tetap membolehkan model menaakul tentang masalah tersebut.

Sebulan dalam kehidupan ejen tersebut

Minggu 1 – pemerhatian baca sahaja

Ejen berjalan dalam mod "hanya penjelasan". Setiap binaan yang gagal menghasilkan mesej Slack yang merumuskan ralat dan mencadangkan punca yang mungkin. Tiada kod yang diubah. Fasa ini membuktikan langkah persepsi dan penaakulan berfungsi pada log sebenar dan memberi keyakinan kepada pasukan bahawa ejen tersebut memahami kod sumber (codebase).

Minggu 2 – mencadangkan penyelesaian

Untuk tujuh hari berikutnya, orkestrator membuka permintaan tarik (pull request) untuk masalah berisiko rendah seperti kegagalan linting atau kebergantungan yang lapuk. Jurutera menyemak PR tersebut sebelum penggabungan (merging).

Minggu 3 – tindakan terkawal

Dengan aliran kerja kelulusan yang telah ditetapkan, ejen menerima kebenaran untuk menjalankan semula tugasan dalam persekitaran bukan pengeluaran. Apabila binaan gagal, orkestrator secara automatik menetapkan (pinned) versi yang betul bagi kebergantungan yang rosak, membuka PR dan, selepas PR digabungkan, mencetuskan semula saluran paip tersebut.

Minggu 4 – mengukur impak

Minggu terakhir tertumpu pada pengukuran hasil, menjejaki berapa banyak kegagalan yang telah diselesaikan oleh ejen.

Kelebihan: menghapuskan kerja yang membosankan

Eksperimen menunjukkan bahawa ejen AI boleh mengendalikan bahagian CI/CD yang berulang: membaca log, mengesan corak yang diketahui, menaik taraf versi, dan menjalankan semula tugasan. Jurutera hanya perlu meluluskan perubahan akhir dan menyiasat beberapa kegagalan kes terpencil (edge-case) yang tidak dapat diselesaikan oleh ejen. Dalam praktiknya, ini bermakna kurang panggilan kecemasan di tengah malam, kurang pertukaran konteks, dan gelung maklum balas yang lebih ketat untuk pembangun.

Perangkap dan cara mengatasinya

  • Penyelesaian salah yang yakin – Ejen kadangkala mengenakan tampalan (patch) pada tahap simptom yang menutup pepijat (bug) yang lebih mendalam. Guardrails yang memerlukan kelulusan manusia untuk sebarang perubahan yang menyentuh kod pengeluaran berjaya mengawal risiko ini.
  • Lambakan gangguan (noise) – Pemberitahuan yang tidak ditapis boleh menenggelamkan amaran sebenar.
  • Peluasan skop (scope creep) – Memberikan akses tanpa sekatan kepada model akan membawa kepada kesan sampingan yang tidak diingini dengan cepat. Pengasingan ketat dalam seni bina antara LLM (penaakulan) dan alatan (tindakan) menghalang ejen daripada membuat perubahan sewenang-wenangnya.

Pelan pelaksanaan langkah demi langkah untuk pasukan lain

Jika organisasi anda ingin mencuba saluran paip agentic, ikuti laluan berperingkat ini:

  1. Sediakan orkestrator – perkhidmatan ringan yang boleh memanggil LLM, menyimpan konteks dan memanggil API CI/CD.
  2. Tentukan guardrails – senaraikan putih tugasan CI/CD yang boleh dicetuskan oleh ejen, wajibkan kelulusan PR, dan sekat sebarang penulisan terus ke produksi.
  3. Minggu 1: Mod pemerhatian – masukkan log ke dalam orkestrator dan biarkan ia menghantar ringkasan diagnostik ke saluran sembang.
  4. Minggu 2: Mod cadangan – benarkan ejen membuka PR untuk pembaikan bukan kritikal; pastikan semakan manusia adalah wajib.
  5. Minggu 3: Tindakan terkawal – berikan kebenaran untuk menjalankan semula tugasan dalam persekitaran staging atau ujian selepas PR digabungkan.
  6. Minggu 4: Metrik dan penalaan – jejak kegagalan yang telah ditriaj, positif palsu, dan masa yang dijimatkan; laras ambang amaran dan guardrails sewajarnya.
  7. Iterasi – luaskan set alatan (contohnya, rollback automatik, imbasan keselamatan) hanya selepas setiap keupayaan baharu melepasi semakan keselamatan yang sama.

Hujah balas

Golongan skeptik menyatakan bahawa ejen boleh melakukan kesilapan dengan penuh yakin. Eksperimen ini tidak menghapuskan kebimbangan tersebut; ia sekadar menunjukkan bahawa guardrails yang berdisiplin membolehkan anda menuai manfaat sambil memastikan risiko tetap terkawal.

Rumusan

Ejen AI yang menjalankan gelung kawalan CI/CD boleh mengubah proses triaj manual yang reaktif kepada pipeline yang hampir pulih sendiri, asalkan anda mengasingkan model tersebut, menguatkuasakan langkah kelulusan yang ketat, dan bermula dengan pendekatan berisiko rendah yang mengutamakan pemerhatian. Nilai sebenar bukan terletak pada menggantikan jurutera, tetapi pada mengurangkan beban tugas rutin yang membosankan yang memastikan pipeline sentiasa hijau dan pembangun dapat fokus untuk membina.