AI SRE 智能体 112 秒自愈金丝雀部署:ArgoCon 现场演示实录
HowDevelop · x · 2026-11-20
在 ArgoCon 上,演讲者展示了无人干预的「自愈金丝雀部署」:Argo Rollouts 中止了失败的金丝雀,一个 AI SRE agent 从实时集群状态定位原因,并在 112 秒内推送修复,随后同一金丝雀门禁放行了修复版本。
问题:SLO 告警抓不住坏的金丝雀——金丝雀失败率 31.25%,但只占 1% 流量时全服务错误率仅 0.0196%,1% 阈值的 SLO 告警永远不触发;而金丝雀自己的门禁(按 pod hash 范围限定)能抓到,于是把同样的限定信号交给 agent。
架构:
- Argo CD + Argo Rollouts 跨两个集群(staging/prod)
- 金丝雀失败的 notification 唤醒 agent
- agent 通过三个 MCP server 工作:Grafana(Prometheus + Loki,只读)、release ledger、GitHub
- agent 的任务是从限定于金丝雀的信号出发定位根因并提交修复
「编程与Agent」频道最新
- OpenAI 更新 Responses API:智能体可复用推理历史省 token — OpenAIDevs · 2026-11-20
- 开发者一次生成「语义缩放」交互,捏合即可调整文字粒度 — illscience · 2026-11-20
- 开发者用热成像相机验证 AI Agent 真的在操控定制 AI 芯片 — yaroslavvb · 2026-11-20
- OpenSSL 曝 CVSS 9.8 严重堆溢出漏洞,升级 4.0.4/4.1.1 可修复 — rickasaurus · 2026-11-20
- 工程师实测 Hy4-Flash:代码开箱即用,重度使用数小时仅花 0.1 美元 — crusaderky · 2026-11-20
- 「GTA 版旧金山」demo 走红:AI 角色逛初创办公室领折扣码 — julianweisser · 2026-11-20