部落格
🌐 English關於軟體工程、雲端架構、SRE 與建構可靠系統的見解。
-
當 AI 加入團隊，誰該負責什麼？用 RACI 重新定義人機分工RACI 矩陣是為人類設計的。當多 Agent AI 加入工作流程，加一欄「AI」遠遠不夠——那是個陷阱。學習如何在 AI 執行、人類永遠擁有結果的世界中，重新設計問責架構。
-
Layer 4：人類監督 — 工程判斷層在自主系統中，人類並不消失——他們上升。學習如何設計控制自動化並處理系統無法做的事情的判斷層。
-
Layer 3：不可變基礎設施 — 使自我修復成為安全不可變基礎設施是安全自動化修復的先決條件。學習容器、IaC 和 GitOps 如何創建可以自我修復的系統。
-
Layer 2：SLO 作為控制迴圈 — 從指標到治理將 SLO 從報告指標轉變為活躍的控制信號。學習 SLO 違反如何驅動部署、擴展和資源分配的自動決策。
-
Layer 1：運行手冊自動化 — 從文檔到執行用運行手冊自動化來自動化已知故障。學習如何設計安全、可靠的自動化修復，消除日常工作同時保持人類監督。
-
Layer 0：可觀測性 — 自主運維的基石可觀測性不是監控。它是使自主運維成為可能的架構學科。學習如何用 OpenTelemetry、Prometheus、ELK 和 Grafana 建立可觀測性。
-
邁向零人工介入運維：這是一種架構，不是一套產品零人工介入運維不是你能購買的產品，而是需要五個相互依存層次的架構目標。大多數組織以錯誤的順序嘗試建構它們。
-
那剩下的 10%：為什麼 AIOps 讓 SRE 工程師更不可或缺當 AI 接手 90% 的運維事件，剩下的 10% 反而變得空前關鍵——負責那 10% 的工程師亦然。AIOps 為何提升而非降低 SRE 人才的價值。
-
傳統軟體工程師的終結：人機協作工程師的崛起傳統的軟體工程師角色正在消失。取而代之的是：與 AI 共同創作的人機協作工程師——指揮、審查並與機器智慧攜手架構系統。
-
從工廠車間到 AI 流水線：軟體能從製造業學到什麼製造業的工業化花了兩個世紀，軟體的 AI 轉型卻只需數年。這些平行對照——以及其中的教訓——值得我們關注。
-
第一性原理在軟體工程中的思維與應用大多數軟體決策都是靠類比做出的：「別的公司這樣做。」第一性原理思維剝除假設，從根本事實重新推導。