课程简介

随着云原生、全球化和AI业务加速发展，企业IT系统正在进入高复杂度、高并发、高频变更和多地域协同的新阶段。一次用户体验问题，往往同时牵涉入口流量、应用服务、数据存储、基础设施、外部依赖和业务链路。传统依赖人工经验、工具拼接和告警驱动的SRE模式，正面临信息过载、上下文分散、跨域协同困难、专家经验难以复用，以及诊断、处置和验证难以形成闭环等痛点。

基于金山办公从传统运维=>DevOps转型=>云原生转型=>SRE确定性运维转型=>AI SRE Infra探索持续演进，以及云服务从0到6亿活跃用户规模的发展实践，系统沉淀总结了AI介入可靠性工程的关键问题：AI如何理解服务与依赖关系，以及围绕可靠性目标组织上下文、调用确定性工具完成受控动作，以及通过验证、审计和人工接管保障生产安全。研究包括服务与数据模型、Agent任务闭环、工具协议、Harness、Skill和可信治理，推动AI能力从信息辅助逐步走向目标驱动、任务执行和持续学习。

本次分享将呈现金山办公AI原生SRE的转型路径、体系思考与场景实践，围绕告警初诊、发布后验证、性能优化和跨域诊断等典型任务，说明AI如何从辅助分析逐步走向可靠性任务闭环。分享希望帮助听众建立一套可迁移的判断框架：以可靠性目标为牵引，以数据和工具为基础，以风险边界和确定性验证为保障，推动可靠性能力从个人经验升级为可复用、可验证、可规模化的组织级生产力。

课程收益

目标：

1、理解AI辅助、AI驱动与AI原生SRE的核心差异和适用边界。

2、掌握通过服务模型、SLO、事件和变更关联，为Agent构建可靠上下文。

3、掌握利用统一任务内核和工具协议，形成从目标到验证的完整闭环。

4、了解Harness与Skill的职责划分，以及权限、审批、回滚、审计和人工接管机制。

5、学习告警初诊、发布后验证和性能诊断等典型场景的落地方法。

6、学习多Agent协作、确定性验证和自治等级控制在复杂运维任务中的应用。

成功要点：

1、以真实、高频、低风险且结果可验证的可靠性场景作为AI落地起点； 以统一服务模型、任务模型和证据链打通分散的运维数据与工程工具。可以让模型推理与确定性工具协同工作，避免将生产决策完全交给模型。

2、AI SRE团队通过最小权限、沙箱、审批、超时、回滚、验证和审计机制控制自动化风险。 可有效让任务完成质量、可靠性目标和人工接管情况持续评估并迭代AI能力。

启示：

AI SRE不是采购一个工具或更换一个模型，而是可靠性生产系统的系统性重构。先建设数据、工具和治理底座，再依据场景风险逐步提升自治等级。将专家经验沉淀为可复用、可评测、可审计的Skill，是推动个人能力转化为组织能力的关键。

2、只有做到数据可理解、工具可调用、动作可控制、结果可验证，AI才真正具备生产价值。

受众人群

运维工程师，软件研发开发者，DevOps负责人，SRE负责人，工程效能负责人，架构师，资深研发工程师以及其他对运维感兴趣的从业者。

课程周期

 0.5天（3H）

课程大纲