AI in the Loop - DevOps 現況、轉變與我的嘗試
端到端的價值與增長的技術債 面對遺留的程式碼,若要進行技術、架構或工具上的轉換,你會如何進行? 是規規矩矩地重新改善程式碼,還是先上再說? 這個問題對於工程師或者是開發團隊來說,通常不容易回答! 即便回答了,這個答案也會浮動。這是因為組織需要向著最終的產品價值持續發展,而這也導致研發團隊必需或不得不持續地讓技術債增長。DevOps 從維運在敏捷實務做法上的探索,到開發與維運之間的協作,再到端到端價值的追尋,但這就像雙面刃讓持續地價值追尋也等同於持續地增長技術債務。從 Gartner 的調查1中,可以發現技術債增長的前幾個主要原因(僅列出部分)有: 過度地為了市場的需要而造成軟體架構或設計的脆弱; 追求時效而更甚於軟體品質; 技能落差。 面對這些技術債的問題,研發團隊通常採取的行為,不外乎: 紀錄、追蹤、排入改善時程; 找尋重構機會; 透過測試案例維持最基礎的品質; 監控與偵測,以便即早發現問題並且解決來降地衝擊。 然而,我們真有時間和精力花在這些行為上嗎? 還是單純為了精神上的救贖? 這個問題在 LLMs 橫空出世後貌似有了一個解答,那就是: 用 AI 來提升我們的生產力吧?
繼續閱讀