Гитлаб спонсировал этот пост.
ИИ быстро преобразует разработку программного обеспечения, но большая часть его ценности фокусируется только на повышении производительности отдельных разработчиков. Кодовая помощь обеспечивает приветствующую эффективность для создания новых проектов, создания лесов и выхода за рамки проблемы «пустого экрана».
Тем не менее, истинное изменение игры для разработки программного обеспечения использует агент AI для реализации потенциала инженерии платформы, что позволяет организациям получить максимальную доходность от своих инвестиций. Этот подход может значительно улучшить качество кода, снизить затраты и повысить производительность разработчиков.
Агент ИИ для инженерии платформы
Все больше команд пытались принять подход к платформе с тесно интегрированными инструментами и процессами, но изо всех сил пытались достичь полного потенциала этих инвестиций. Некоторые из самых больших препятствий являются автоматизацией ручных процессов, масштабируют усилия по стандартизации между командами, поддерживают компоненты платформы и навигация на сложные и нюансированные инженерные среды.
Агент ИИ идеально подходит для инженерии платформы. Многие варианты использования, такие как исправление сбоев, проверка кода, генерация тестирования и охват, документация, политика безопасности, сетевые политики и управление изменениями, выходят за рамки наших ментальных моделей.
Разработка кода в корпоративном программном обеспечении очень нюансированная и контекстуальная. Языки могут иметь совершенно разные проблемы с производительностью. У младших разработчиков может быть недостаточно контекста, чтобы эффективно писать подсказки. Политики безопасности и соответствия могут также создавать неизвестные ограничения. Ни один инженер платформы не может полностью понять все проблемы безопасности, сети и приложений во всех этих вариантах использования.
В отличие от традиционных помощников искусственного интеллекта, которые реагируют только на прямые подсказки, Agentic AI имеет полный контекст в инфраструктуру разработки программного обеспечения команды и может инициировать действия на основе триггеров и штатов, что делает его идеальным дополнением к платформным инженерным рамкам.
Соображения при внедрении агентского искусственного интеллекта
Некоторые из ключевых соображений должны думать о том, когда включить агент AI в рабочие процессы инженерии платформы включают:
Совместимость, масштабируемость и надежность
- Как агенты будут общаться с другими агентами, в том числе через домены продукта поставщика?
- Как агент «сетчат» масштабируется эластично и будет предлагать такую же степень предсказуемости, что и микросервисы в их комиссии и эксплуатации без влияния на производительность?
- Как агенты искусственного интеллекта будут самокорректны, когда они испытывают неожиданные или нежелательные результаты?
- Как они будут справляться с параллелизмом, многопользовательским, возможным согласованностью и другими аренами надежности и сбоя системы?
Безопасность, управление и наблюдение
- Как агенты ИИ будут взаимодействовать с существующими сетевыми политиками, чтобы определить, что они могут и не могут получить доступ?
- Как агенты будут взаимодействовать с множеством источников данных?
- Как вступление и выходные данные агента AI будут работать против существующего управления данными, безопасности и политики конфиденциальности?
- Как будут собираться данные телеметрии агентов ИИ, как будут измерены их производительность и как будет выглядеть исправление, когда они ведут себя неправильно?
Рабочие процессы разработчика
- Как разработчики будут адаптировать свои рабочие процессы для интеграции с агентскими системами?
Обеспечение скорости с агентами ИИ и инженерией платформы
Одна ограниченная команда сталкивается при использовании существующих инструментов искусственного интеллекта, сосредоточенное на индивидуальной производительности, а не на скорости команды. По мере взросления агентов искусственного интеллекта организации могут использовать эти инструменты для вывода и применения контекстов между командами. Эти интеллектуальные и адаптируемые агенты ИИ выходят за рамки фиксированных интерфейсов и предустановленных рабочих процессов.
Одна из областей, где я вижу быстрое поглощение агентского искусственного интеллекта, находится в «технических обязательных» бюджетных областях, которые большинство команд привержены сегодня, такие как сокращение технического долга, исправление уязвимостей безопасности, рефакторинг автоматизации или инфраструктуры и переосмысление устаревших приложений. Все это имеет общее, так это то, что они изобилуют плотными контекстами и создают барьеры для автоматизации, которую может удалить агент AI.
Например, команды часто создают шаблоны для стандартизации и автоматизации процессов на уровне платформы, таких как конвейер CI. Это традиционно включает в себя значительную ручную работу по выявлению правильных процессов для цели — те, которые широко используются, имеют повторяемые шаги и будут оказывать наиболее значительное влияние на между командами. Агент ИИ ограничивает эти ручные шаги.
Вместо того, чтобы полагаться на человеческие усилия по выявлению процессов для стандартизации, агентская система может идентифицировать все проекты на основе Java за прошедший год, проанализировать процессы сборки по каждому и определить лучших кандидатов для автоматизации на основе AI. Затем система может создавать черновые шаблоны, которые команда может настроить и наращивать.
Следующим этапом созревания в агентских системах ИИ является разработка агентской сетки, сложной экосистемы, где агенты ИИ могут открывать друг друга, сотрудничать и решать сложные проблемы ранее невозможными способами. Эти агенты могут отслеживать задания CI, предлагать оптимизацию процессов и реализовать эти рекомендации. Они также могут определить возможности для оптимизации затрат и напрямую корректировать облачные ресурсы в соответствии с моделями спроса.
Platform Engineering принесла значительную ценность, но многие организации достигли потолка в реализации своего полного потенциала. Агент AI — это критический недостающий компонент, который может повысить проектирование платформы, автоматизируя сложные процессы, применяя контекстное понимание в масштабе и обеспечивая истинную скорость команды, а не только индивидуальную производительность.
Gitlab является самой полной платформой Devsecops с AI Devsecops для инноваций в программном обеспечении. Gitlab позволяет организациям повысить производительность разработчиков, повысить эффективность эксплуатации, снизить риск безопасности и соответствия, а также ускорить цифровые преобразования. Узнайте больше последних из Gitlab Trending Stories YouTube.com/ThenewStack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Эмилио Сальвадор — вице -президент по стратегии и девелопередам в Гитлабе. Эмилио занимал роли в Amazon и Microsoft с более чем 20 -летним опытом, и в последнее время он руководил стратегией и операциями для разработчика … Подробнее от Emilio Salvador
