收益：
- 能够区分 DevOps 链（管道、配置、脚本、日志）中人工智能的哪些位置可以实时节省时间，以及哪些影响生产的决策留给人类，具体取决于任务风险级别。
- 能够应用一门学科，通过将每个人工智能输出连接到源、干燥运行以及通过系统过滤器的步骤来验证每个人工智能输出。
- 能够养成从不将秘密粘贴到请求上、屏蔽它们以及仅在授权系统上用于防御目的的习惯。
一天晚上 03:14 你的电话响了：支付服务瘫痪了，金钱和声誉每一分钟都在损失。另一天，一个错误的命令重新启动了数千台服务器。这是 DevOps 专业人员的世界 - 负责软件从代码存储库（存储软件源的地方）直到到达客户手中的所有管道、自动化和待命。 DevOps 是“开发”和“运营”这两个词的组合：它是一种文化和一组实践，将软件开发和运行纳入一个快速、可靠的流程。此流程的每个步骤都会生成一个命令、一个配置文件、一个脚本。人工智能（AI——从历史数据中提取模式并生成文本、代码和预测的软件）可以在如此丰富的文本中为您节省大量时间。
但这个模块的一开始就很明确：人工智能是助手、草稿生成器和决策支持工具；您负责决定什么进入现场环境（生产、真实客户使用的系统）、何时以及在半夜按下哪个按钮。在 DevOps 中，错误的成本不是几分钟，而是停机、数据丢失和安全漏洞。这就是为什么在第一个单元中我们将重点关注学科，而不是工具。
人工智能在 DevOps 链的哪个环节派上用场？
让我们将 DevOps 作业分为两个大集群。第一组：重复性、文本性和结构化工作。编写 CI/CD（持续集成/持续交付 - 自动测试和发布代码的管道）描述，起草 Dockerfile（将应用程序打包到容器中的配方文件），解释复杂的 Terraform（将基础设施定义为代码的工具）块，总结日志堆栈（系统生成的事件记录）并标记异常，起草 bash 脚本。在这些任务中，人工智能将分钟缩短为秒，而且不会感到疲倦。
第二组：导致破坏、金钱或安全的决策。版本是否会发布到产品中，哪些服务将在半夜重新启动，如何存储秘密，哪些资源将通过削减成本而关闭。这些决策需要背景、系统知识和责任。在这里，人工智能让选择和风险变得可见——但你按下“应用”按钮。
让我们用一句话来澄清区别：AI 强于“这个配置做什么以及如何编写”问题；当涉及到诸如“我是否应该将此应用于产品以及谁将为其提供担保？”之类的问题时，您可以做出决定。
提示：在将工作外包给人工智能之前，问问自己：“如果这个输出错误，我会损失什么？”如果答案是“几分钟”，请随意委托。如果答案是“生产中断、数据丢失或泄漏”，让人工智能生成草案，你验证决策和实施。
一步一步：人工智能驱动的 DevOps 业务如何运作？
- 收集上下文。哪个云（AWS、Azure、GCP）、哪个工具版本、什么限制？如果你给AI不完整的上下文，你将得到不完整且危险的输出。
- 定义明确的任务。不是“写管道”；说，“使用 GitHub Actions，在主分支中编写一个工作流，该工作流在推送时运行、运行测试、构建 Docker 映像，但不部署它。”
- 制作草稿。让 AI 编写第一个版本。
- 核实。检查语法，查看机密信息是否已泄露，使用空运行进行测试（一种实际显示应用程序要做什么的模式）。
- 在沙盒中尝试一下。永远不要在产品中进行第一次尝试；在测试/登台环境中运行。
- 逐渐应用并监测。通过监控指标和日志来使其上线。
验证纪律：三步
AI说话流利、自信；这并不意味着这是真的。人工智能偶尔会产生幻觉——将不存在的命令标志、云服务名称或配置密钥编成真实的。在 DevOps 中，虚假的 --force 标志可以删除数据，而虚假的 IAM（身份和访问管理）权限会造成安全漏洞。反射：
- 将其连接到源。 AI给出的每一个命令和flag真的都是官方文档中的吗？询问“告诉我这个标志是哪个版本以及它在官方文档中的名称”；如果不确定，请不要相信它。
- 干涸。看看在不实际应用 terraform plan、kubectl --dry-run、--check 等 mod 的情况下会发生什么。
- 将其通过系统过滤器。输出是否与您的体系结构、安全策略和可用资源名称匹配？您的领域知识是最终的过滤器。
注意：“AI这么写”并不是理由。如果出现产品中断，责任不属于人工智能，而属于未经验证而运行该命令的人。未经验证的 AI 命令与未经读取而执行的 rm -rf 一样有风险。
安全与秘密：永不泄露
DevOps 中最重要的隐私规则是关于秘密的。秘密;它是密码、API 密钥、数据库连接字符串、私有证书等机密信息，如果被泄露，可以打开您的整个系统。不要将任何真正的秘密粘贴到人工智能提示中。如果代码块包含实际的 AWS 访问密钥、.env 文件的内容或生产数据库密码，请在将它们提供给 AI 之前使用占位符（例如 <AWS_ACCESS_KEY> 而不是 AKIA... 来屏蔽它们）。
另请检查人工智能生成的代码：为了方便起见，人工智能有时会生成将秘密直接硬编码到代码中的示例。这是一个安全漏洞。事实上，秘密保存在秘密保管库（Vault、AWS Secrets Manager、Azure Key Vault）中，并在运行时作为环境变量注入。
该领域的另一个道德和法律限制：防御性使用。使用 AI 强化您的系统、扫描漏洞并从日志中提取攻击痕迹。未经授权访问他人系统、未经授权的扫描或创建攻击工具都是非法的，超出了本平台的范围。始终在您有权并通过合同获得书面许可的系统中工作。
哪些数据进入哪辆车？
数据类型
例子
合适的车辆
开放数据
官方文档，开源代码
每辆车
内部数据（不是秘密）
通用架构图、通用管道
机构批准的车辆
机密/敏感
秘密、产品 IP/拓扑、客户数据
仅是机构签约的车辆，其数据不用于培训；通过掩蔽
三个迷你箱子
案例 1——在正确的地方赢得了时间。一位 DevOps 工程师花了 6 个小时将旧的 300 行 Jenkins 管道迁移到 GitHub Actions。他通过让人工智能一步步解释并打出草稿，将工作时间缩短到了 90 分钟。他用节省下来的时间，一一验证人工智能在分阶段中产生的每一个步骤。 AI采取了机械翻译；验证仍然由人类来完成。
案例 2 — 验证避免了灾难。一个团队向 AI 请求 Terraform 清理脚本。 AI给出了流畅的代码；但当工程师运行 terraform 计划时，他发现该脚本还计划删除正在使用的一个生产数据库——AI 错误地输入了资源过滤器。空运行可防止数小时的数据丢失。
案例3——秘密泄露归来。在询问“为什么会出现部署错误”时，一名实习生将整个 .env 文件粘贴到一个公共工具中，其中包含实际的生产数据库密码。高级工程师立即旋转并重新生成了密钥。正确的方法是使用 <DB_PASSWORD> 屏蔽密码并仅共享错误消息。
四个可复制模板
1）岗位适宜性评估：
您的角色：高级 DevOps/SRE 顾问。我将为您描述一个角色。告诉我 (1) 这是一个可以安全地委托给人工智能的起草/分析任务，还是一个影响产品的关键决策； （2）如果出现问题，说出最坏的结果； (3)告知实施前需要完成的验证步骤。任务：[HERE]
2）安全上下文给出（秘密屏蔽）：
下面分析一下错误。我用<PLACEHOLDER>掩盖了所有的秘密；您还建议永远不要在解决方案中生成真正的秘密，使用占位符并将秘密嵌入到代码中，从秘密库中读取。错误/日志：[屏蔽内容]
3）命令验证：
向我解释这个命令：写下每个标志的作用、它适用于哪个工具版本以及它最危险的副作用。最后列出在产品中运行之前需要执行的 3 项检查。命令：[此处]
4）学习/概念查询：
我[概念：例如解释[蓝绿部署]的概念，就像向 DevOps 工程师解释它一样：它的作用、何时使用它、何时不使用它，2 个典型错误。简短而具体。
弱提示/强提示
弱：“给我写一个部署脚本。”
结论：不清楚哪个云、哪个工具、哪个环境；人工智能会生成一个通用的、可能非生产的脚本，将秘密嵌入到代码中。
Strong：“编写部署到 AWS ECS（弹性容器服务）的 bash 脚本草稿。区域为 eu-central-1，映像来自 ECR。切勿在代码中嵌入机密，请从 AWS Secrets Manager 中读取它们。如果每一步都出现错误，请停止 (set -euo pipelinefail)。在 prod 中运行脚本之前编写所有 3 个验证步骤。”
区别：第二个提示给出了云、工具、环境、安全规则和验证期望——输出是直接有用且安全的。
常见错误
- 将实际的秘密粘贴到提示中。最常见和最危险的错误。总是戴面具。
- 无上下文提示。如果不指定云、版本、环境，所需的输出通常属于错误的版本或错误的架构。
- 跳过干跑。在没有计划的情况下实施/--dry-run 是 DevOps 中最昂贵的捷径。
- 在产品中进行第一次尝试。每个新的人工智能输出都应该首先在测试/预演中运行。
- 用“人工智能说”来委派责任。责任始终由实施工程师承担。
- 相信幻觉的旗帜。不查询而执行不存在的命令标志。
综上所述
DevOps 和云人工智能；它是一个助手，可以在管道、配置、脚本和日志等文本密集型任务中提供极快的速度。但影响产品、秘密管理和最终实施的决策的责任仍然由有能力的工程师承担。三步验证（连接源、干运行、通过系统过滤器）、永不泄露秘密、仅在授权系统上用于防御目的是该模块的指导原则。
应用任务
从您自己的工作（或示例项目）中选择最近的 DevOps 任务。 （1）使用上面的“工作适宜性评估”模板向AI描述这个任务并读取其分类。 (2) 如果它包含秘密，则通过屏蔽它来准备上下文文本。 （3）通过三步验证检查AI的输出，并用一句话记下你在每一步纠正的内容。
清单
- [ ] 我将我的任务分类为“委派工作”或“关键决策”。
- [ ] 我没有将任何实际的秘密粘贴到提示中；我用占位符掩盖了它们。
- [ ] 我在提示中添加了有关云、工具版本和环境的上下文。
- [ ] 在应用之前，我通过预演/计划检查了 AI 输出。
- [ ] 我在测试/登台环境中进行了第一次尝试，而不是在生产环境中。
- [ ] 出于防御目的，我只在我拥有权限的系统上工作。