چرا ایجنتهای SRE هنوز به دیوار کانتکست میخورن
هوش مصنوعیخلاصهٔ کاملتر
سانجیو شارما، فیلد CTO شرکت StackGen، تو این پست از یه روز گفتوگو با SREهای ارشد، مهندسهای پلتفرم و مدیرهای مهندسی تو بنگلور مینویسه. سؤالش ساده بود: ایجنتهای AI تو عملیات واقعاً کجای کارن؟ به گفتهٔ خودش جوابی که گرفت داستان تمیز کاهش زمان بازیابی نبود؛ داستانهای شکست ایجنت بود، رانبوکهای بیات، و دانشی که فقط تو ذهن سه تا مهندس زندگی میکنه.
چارچوبی که نویسنده مدام بهش برمیگرده اسمشو گذاشته مسئلهٔ چهارجسمی SRE. هر تصمیم واقعی تو عملیات همزمان به چهار «جسم» وابستهست: کد (هر کامیت، بیلد و تغییر کانفیگ)، وضعیت زیرساخت (شکل واقعی و فعلی کلاسترها، شبکهها، صفها و IAM در برابر چیزی که Terraform ادعا میکنه)، سیگنالهای رانتایم (متریک، لاگ، ترِیس، SLO و آلارم) و دانش عملیاتی (پستمورتمها، ADRها، رانبوکها و تجربهٔ «این کارو ۲۰۲۲ کردیم و ریجن خوابید»).
نکتهٔ اصلی اینه که هر کدوم از این چهارتا جداگانه حل شده — Git، Terraform، استک آبزرویبیلیتی، Confluence — ولی هر تصمیم واقعی درست سر تقاطع اونها میشینه، و برای تقاطع تاریخاً هیچ سیستمی نداشتیم. نویسنده اینو به مسئلهٔ سهجسمی فیزیک تشبیه میکنه: اضافه شدن جسم چهارم مسئله رو کمی سختتر نمیکنه، جنسشو عوض میکنه.
برای روایت این درد، نویسنده یه شب دو نصفهشب رو تعریف میکنه: هشت وندور روی خط، یه اکسل ۲۰۰ ردیفی RACI، و همه داشبورد سبز نشون میدن. ریشهٔ واقعی مشکل تو یه جریان تلمتری شبکهٔ پیمانکاری قایم شده بود که هیچکس تو آبزرویبیلیتیش نیاورده بودش. درسش اینه که هیچ طرفی کل تصویر رو نداره و هیچ آدمی هم نمیتونه ساعت دو نصفهشب کل تصویر رو تو ذهنش نگه داره.
وقتی کانتکست تکهتکهست، ایجنت فقط شکست نمیخوره — به گفتهٔ نویسنده قابلباور شکست میخوره، یعنی خطایی میسازه که از بازبینی هم رد میشه. داستانهایی که تو اون جلسهها شنیده همینو نشون میده: ایجنتی که با اطمینان چیز اشتباهی رو درست میکنه، ایجنتی که تو دمو عالیه و جلوی یه حادثهٔ واقعی وا میده، و ایجنتی که بعداً نمیتونی استدلالشو بازسازی کنی. رانبوک بیات هم از نبودِ رانبوک بدتره، چون به اقدام مطمئن ولی غلط دعوت میکنه.
نتیجهگیری نویسنده اینه که اول باید بستر رو ساخت، نه ایجنت رو: یه گراف دانش یکپارچه و بلادرنگ از هر چهار جسم و یالهای بینشون، چون ارزش تو یالهاست — کامیتی که سرویس رو عوض کرده، دیپلویی که رولاوت شده، ترِیسی که تأخیر نشون میده و حادثهٔ مشابه شش ماه پیش با راهحلش. این گراف باید زنده باشه، چون دیروز دیگه امروز نیست، و نسخهدار باشه، چون هر تصمیم ایجنت روی یه اسنپشات مشخص گرفته شده و باید بشه بازپخشش کرد.
چیزی که روی این بستر اعتماد میسازه هم ردّ تصمیمه (decision trace): برای هر اقدام ایجنت باید ثبت بشه چه ورودیهایی دیده، چه سیاستهایی برقرار بوده، کدوم نسخهٔ مدل اجرا شده، چه فرضیههایی رو رد کرده و آخرش چی کرد و چی شد. نویسنده میگه بدون این، چیزی که اسمشو خودمختاری میذاریم عملاً یه اسکریپته با یه LLM وسطش که پرامپتش سهشنبهٔ پیش فرق داشته — و خودمختاریای که نتونی ازش دفاع کنی، اصلاً خودمختاری نیست.
نکات کلیدی:
- چهار جسم عملیات: کد، وضعیت زیرساخت، سیگنالهای رانتایم و دانش عملیاتی
- هر جسم جداگانه حل شده؛ مشکل تو تقاطع اونهاست که هیچ سیستمی براش نداریم
- کانتکست تکهتکه باعث خطای «قابلباور» میشه، یعنی خطایی که از بازبینی رد میشه
- اول گراف دانش زنده و نسخهدار بساز، بعد ایجنت روش بذار
- ردّ تصمیم (ورودی، سیاست، نسخهٔ مدل، فرضیهها، نتیجه) شرط اعتماد و پاسخگوییه
- به نظر نویسنده تا ۲۰۲۶ به عملیات کاملاً خودمختار نمیرسیم، ولی مسیر روشنه
