导读

在不懈追求快速可靠的软件交付过程中，DevOps团队面临着巨大挑战。本次会议探讨了生成式人工智能如何革新DevOps实践，加快部署频率，缩短变更前置时间，最小化服务中断，并降低变更失败率。通过现场演示，亲眼见证Amazon Q和Amazon Bedrock的变革力量如何简化工作流程，自动化任务，并增强协作。与会者将获得实用策略，学习如何利用这一前沿技术推动团队的DevOps卓越表现。

演讲精华

以下是小编为您整理的本次演讲的精华。

这次演讲以Julie Gunderson和两位Chris Williams的热情欢迎开场。他们介绍了利用生成式人工智能来增强DevOps实践的主题。他们阐明了DevOps在当代软件开发中的重要性，通过文化、流程和技术将开发和运维相结合，以加快交付速度、提高代码质量和可靠性、加强协作，并使其能够适应市场波动。

Julie强调了DevOps所解决的关键挑战:规模、可靠性、协作、安全性，以及持续集成和部署的必要性。HashiCorp的Chris Williams随后阐述了如何使用DORA(DevOps研究与评估)规定的四个关键指标来衡量DevOps成熟度:变更的前置时间、部署频率、变更失败率和平均恢复时间(MTTR)。他强调了自动化、基础设施即代码、测试、监控、版本控制、代码审查和自我修复系统对于优秀的DevOps组织的重要性。

Julie将生成式人工智能引入为DevOps的下一个变革力量，增强了问题解决能力、提高了运营效率、实现了自适应学习，并提供了可扩展性。她阐述了生成式人工智能堆栈，包括基础设施、类似于Amazon Bedrock的抽象层，以及由生成式人工智能模型驱动的应用程序。

亚马逊云科技的Chris Williams随后演示了如何使用Amazon CodeWhisperer(以前称为Amazon Q Developer)等生成式人工智能工具来加速软件交付。他展示了它如何理解代码上下文、重构代码和生成单元测试，从而大大提高了开发人员的生产力。随后，他利用生成式人工智能分析从他们的问题跟踪器导出的CSV文件，识别出软件开发生命周期中的瓶颈和需要改进的领域。

Chris接着演示了如何使用生成式人工智能来自动化票证验证、将大型功能分解为子任务，并提供清晰的描述和验收标准。这是通过由票证创建触发的亚马逊云科技 Step Function工作流程实现的，利用Amazon Bedrock来评估和增强票证详细信息。

转向运维方面，HashiCorp的Chris Williams展示了如何使用生成式人工智能来改善代码质量审查、增强监控和简化事件响应。他演示了如何使用Amazon CodeGuru与生成式人工智能一起提供全面的代码审查反馈，考虑了业务需求和最佳实践。然后，他使用Amazon Q根据性能目标建议适当的监控指标。

在事件响应方面，Chris展示了如何使用生成式人工智能来诊断问题、提出解决方案，并通过分析聊天记录和CloudTrail事件自动生成详细的事件报告。此外，它还可以通过矢量化过去的事件报告来创建动态运行手册，从而加快解决类似未来事件的速度。

在整个演示过程中，演讲者强调了生成式人工智能加速DevOps实践的力量，从提高开发人员生产力和软件交付到改善运维和事件管理。他们为与会者提供了探索Amazon Q Developer、Amazon Bedrock和亚马逊云科技 Builders计划的资源。

总之，这次演讲展示了生成式人工智能如何通过自动化认知任务、提供智能解决方案、实现自适应学习和扩展自动化来彻底改革DevOps，应对不断发展的技术挑战。演讲者演示了生成式人工智能在整个软件交付生命周期中的实际应用，从编码和测试到监控和事件响应，突出了它极大地改革DevOps实践的潜力。

演讲者接着阐述了组织在软件开发生命周期中所面临的挑战，主要障碍是技术债务、延迟、缺乏自动化以及难以准确界定挑战。他们将这些挑战归纳为三个任务:加速工程生产力、解决软件开发生命周期中的瓶颈以及减少开发人员的分心。

为了解决第一个任务，亚马逊云科技的Chris Williams演示了如何使用Amazon CodeWhisperer通过理解代码上下文、重构代码和生成单元测试来提高生产力。他展示了该工具如何在代码库中精确定位特定逻辑的位置，并提出重构解决方案来消除冗余代码。此外，它还可以生成单元测试，这是开发人员经常推迟的任务，从而提高代码质量和可靠性。

对于第二个任务，Chris利用生成式人工智能分析从他们的问题跟踪器导出的CSV文件，识别出可以缓解软件开发生命周期中瓶颈的模式和见解。分析发现了任务复杂性的问题，即任务缺乏足够的信息，导致反复澄清;以及时间分配问题，即功能花费的时间远远超过了bug修复或增强。这些见解使团队能够主动解决这些瓶颈。

为了解决第三个任务，Chris演示了如何使用生成式人工智能在他们的问题跟踪器中自动化票证验证和子任务创建。一个由Amazon Bedrock驱动的自定义DevOps机器人会根据预定义的标准评估票证描述，确保其包含必要的信息，如测试标准和验收标准。如果描述不充分，机器人会提供反馈并将票证重新分配给请求者以供澄清。此外，对于较大的功能，机器人还可以自动创建具有清晰标题和描述的子任务，从而实现更高效的任务管理，减少开发人员的分心。

转向运维方面，HashiCorp的Chris Williams展示了如何使用生成式人工智能来增强代码质量审查、监控和事件响应。他演示了如何使用Amazon CodeGuru与生成式人工智能一起提供全面的代码审查反馈，考虑了业务需求、最佳实践以及潜在问题，如缺乏日志记录或监控。经过组织特定指南和示例训练的生成式人工智能模型可以主动识别需要改进的领域，并提供可操作的建议。

在监控方面，Chris利用Amazon Q根据性能目标和业务考虑因素建议适当的指标。通过利用自然语言处理，开发人员可以轻松获得相关的监控建议，而无需进行大量手动研究。

在事件响应领域，Chris展示了如何使用生成式人工智能来简化整个流程。在发生事件时，团队可以在Slack频道中使用自然语言命令来诊断和解决问题，生成式人工智能会提供详细的解决步骤。解决事件后，生成式人工智能可以通过分析聊天记录和CloudTrail事件自动生成全面的事件报告，捕获所有相关细节、补救步骤和经验教训。

此外，Chris演示了如何使用生成式人工智能通过矢量化过去的事件报告来创建动态运行手册。当将来发生类似事件时，系统可以利用这些矢量化报告提供量身定制的运行手册，从而加快解决速度，缩短平均恢复时间(MTTR)。

在整个演示过程中，演讲者强调了生成式人工智能在DevOps实践中的变革潜力，从加速软件交付和提高开发人员生产力到改善运维、监控和事件管理。他们为与会者提供了探索Amazon Q Developer、Amazon Bedrock和亚马逊云科技 Builders计划的资源，鼓励他们亲身体验生成式人工智能的力量。

总之，这场在亚马逊云科技 re:Invent 2024上的演讲展示了生成式人工智能如何通过自动化认知任务、提供智能解决方案、实现自适应学习和扩展自动化来彻底改革DevOps实践，应对不断发展的技术挑战。演讲者演示了生成式人工智能在整个软件交付生命周期中的实际应用，从编码和测试到监控和事件响应，突出了它极大地改革DevOps实践并在该领域推动创新的潜力。

我们正处在 Agentic AI 爆发前夜。 2025 亚马逊云科技中国峰会提出，企业要从 " 成本优化 " 转向 " 创新驱动 " ，通过完善的数据战略和 AI 云服务，把握全球化机遇。亚马逊将投入 1000 亿美元在 AI 算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在 AI 时代突破。