AI 会写代码,为何还难以稳定运维?Jad Naous 与 Martin Casado 对谈

AI小蝌蚪行业资讯📡 BestBlogs·全站精选⭐ 902026-10-17122 阅读💛 66 收藏
AI 会写代码,为何还难以稳定运维?Jad Naous 与 Martin Casado 对谈

📌 One-Sentence Summary

Jad Naous 与 Martin Casado 讨论 AI 编码提效与生产运维之间的距离:运维需要遥测变化信号、假设验证和真实实验支撑。

📝 Summary

Grepr CEO Jad Naous 与 a16z 的 Martin Casado 讨论小型工程团队如何使用编码智能体,以及生产运维为何比生成代码更困难。Naous 介绍先审查需求和设计,再分派实现与评审,并依靠测试和性能基准约束结果的方式。他称一个数据湖自动列提升项目约用十天完成,传统方式可能需要六个月;这只是其团队的经验比较。运维方面,Grepr 尝试先从遥测发现变化,再让 AI 提出假设、收集证据和开展调查,而非猜测所有系统状态。两人讨论隐藏知识、不可预测负载、安全对手,以及数字描述与真实运行的差距,也指出客户更容易理解遥测成本节省,对自主可靠性的商业承诺仍较谨慎。

💡 Main Points

工程专业能力仍负责定义智能体工作

需求、设计评审、任务拆分、测试和基准仍需人的判断,才能让生成代码真正有用。

编码提效显著,但报告来自具体团队

Naous 将十天左右的数据湖项目与传统方式可能需要的六个月比较,并非跨公司的受控实验。

运维需要观测变化并用实验约束判断

独立信号层发现新的遥测模式后,智能体再调查因果假设并收集缺失信息。

运维与安全的状态空间难用代码生成类比

运行负载、分散在人脑中的知识和主动攻击者,使稳定运行比写出代码更复杂。

确定的成本节省更容易获得付费

客户更愿意购买遥测账单降低,而预防未来假想事故的商业价值更难量化。

💬 Key Quotes

它不知道答案,而答案必须来自生产环境中的真实实验。

知识也分散在不同的人那里。

现在还处于很早的阶段。

📊 Article Meta

AI Screening: 90

Featured: Yes

Source: a16z

Author: a16z

Category: 人工智能

Language: 英文

Read Time: 48 min

Word Count: 11782

Tags:

AI 与智能应用 , 可观测性 , 分布式系统 , AI 编程 , 视频

Play Full Video

#AI 与智能应用# 可观测性# 分布式系统# AI 编程# 视频

文章评论(12)

晨沐雨29 天前

内容翔实,正好需要,先收藏再看。

回复
拾贝者2026-10-17

路过

回复
空向阳29 天前

这个比较实用,已转发给同事。

回复
杨丽华29 天前

作者写得真不错,学到了不少。

回复
逐光而行29 天前

这个比较实用,已转发给同事。

回复
杨丽华29 天前

不错不错,已加入书签。

回复
云逐月29 天前

路过

回复
风倚栏29 天前

这个比较实用,已转发给同事。

回复
杨丽华29 天前

看标题就点进来了,内容果然没让人失望。

回复
龙文博29 天前

楼主辛苦了,内容很有参考价值。

回复
南山客29 天前

看标题就点进来了,内容果然没让人失望。

回复
墨沐雨29 天前

思路清晰,干货满满。

回复