Saya naik naik banding selama gangguan yang menghancurkan akhir pekan, duduk post-mortem yang tampak seperti terapi dan melihat kasus-kasus di mana hanya satu baris surat kabar yang akan menghemat enam jam debugging. Pengalaman ini bukan kasus puncak; Mereka adalah standar dalam sistem produksi modern.

Kami telah jauh dari google Rekayasa Keandalan Situs Cadangan ketersediaan kriminal sebagai disiplin teknik. Anggaran kesalahan, kemampuan observasi, dan otomatisasi telah membuat perangkat lunak konstruksi dan eksekusi lebih sehat.

Tapi inilah kebenaran yang tidak nyaman: Sebagian besar sistem produksi selalu reaktif secara fundamental. Kami mendeteksi sesudahnya. Kami menjawab terlalu lambat. Kami membubarkan konteks melalui alat dan orang.

Kami terlambat untuk seperempat pekerjaan.

Sistem produksi harus:

• Beri tahu kami saat ada sesuatu yang salah
• Menjelaskan
• Menariknya
• Dan bantu kami Perbaiki.

Era Rekayasa Keandalan Berikutnya adalah apa yang saya sebut “Gesper getaran.” Ini adalah siklus umpan balik yang ketat dan asli dari penulisan kode, mengamatinya dalam produksi, belajar dan memperbaikinya dengan cepat.

Pengembang sudah “atmosfer” atau merekrut co -pilot untuk membantu membentuk kode dalam kolaborasi. “Vibe Ops” memperluas konsep yang sama ke DevOps.

Loop Getaran Juga Memperluas konsep yang sama untuk rekayasa keandalan produksi untuk menutup insiden insiden untuk wawasan untuk meningkat tanpa memerlukan lima dasbor.

Ini bukan alat, tetapi model baru untuk bekerja dengan sistem produksi, di mana:

• Instrumentasi dihasilkan dengan kode
• Observabilitas meningkat ketika insiden terjadi
• Bintik -bintik buta telah muncul dan diselesaikan secara otomatis
• Telemetri menjadi adaptif, fokus pada sinyal, bukan noise
• Post-Mortes bukan artefak tetapi entri untuk sistem pembelajaran

Langkah 1: Undang alat codegen AI Anda ke instrumen

Dengan alat -alat seperti kursor dan co -pilot, kode tidak perlu dilahirkan buta. Anda dapat – dan harus – mendorong co -pilot Anda ke instrumen selama konstruksi. Misalnya:

• “Tulis manajer ini dan sertakan rentang opentelemetry untuk setiap langkah utama.”
• “Lacak coba lagi dan catat kode status API eksternal.”
• “Buat konter untuk cache dan DB Aid.”

Tujuannya adalah kemampuan observasi default.

OpenTelemetry memungkinkan hal ini. Ini adalah standar de facto untuk instrumentasi pemasok terstruktur dan agnostik. Jika Anda tidak menggunakannya, mulailah sekarang. Anda akan ingin memberi makan loop debugging masa depan Anda dengan data yang kaya dan standar.

Langkah 2: Tambahkan lapisan konteks model

Telemetri mentah tidak cukup. Alat AI membutuhkan konteks, Bukan hanya data. Di sinilah Model Context Protocol (MCP) datang. Ini adalah standar yang diusulkan untuk berbagi informasi tentang model AI untuk meningkatkan kinerja dan konsistensi antara berbagai aplikasi.

Pertimbangkan MCP sebagai lem antara kode Anda, infrastruktur Anda, dan kemampuan diamati Anda. Gunakan untuk menjawab pertanyaan seperti:

• Layanan apa yang ada?
• Apa yang telah berubah baru -baru ini?
• Siapa itu?
• Apa yang waspada?
• Apa yang gagal sebelumnya dan bagaimana diperbaiki?

Server MCP menyajikannya secara terstruktur dan diinterogasi.

Ketika sesuatu rusak, Anda bisa bertanya:

• “Mengapa kasir di tempatnya?”
• “Apakah skema kegagalan ini sudah terjadi?”
• “Apa yang telah kita pelajari dari insiden 112?”

Anda akan mendapatkan lebih dari grafik sederhana; Anda akan mendapatkan alasan yang melibatkan insiden masa lalu, rentang berkorelasi dan perbedaan penyebaran baru -baru ini. Ini adalah jenis konteks yang akan dibawa oleh insinyur terbaik Anda, tetapi langsung tersedia.

Sebagian besar sistem diharapkan untuk segera mendukung MCP, yang membuatnya mirip dengan API. Agen AI Anda dapat menggunakannya untuk menyatukan konteks pada beberapa alat dan alasan tentang apa yang mereka pelajari.

Langkah 3: Tutup loop umpan balik observabilitas

Di sinilah Vibe Loop menjadi kuat: AI tidak hanya membantu Anda memahami produksi; Ini membantu Anda membuatnya berkembang.

Itu dapat mengingatkan Anda sudut mati dan menawarkan tindakan korektif:

• “Kamu menangkap dan mencoba 502 lagi di sini, tapi jangan mencatat jawabannya.”
• “Lingkup ini tidak memiliki atribut utama. Apakah Anda ingin memberi anotasi?”
• “Jalur kesalahan ini belum pernah dilacak – apakah Anda ingin saya menambahkan instrumentasi?”

Ini membantu Anda memotong lemak::

• “Baris surat kabar ini dibuat 5 m bulan ini, tidak pernah ditanyai. Tempatkan itu?”
• “Jejak -jejak ini disampel tetapi tidak digunakan. Kurangi kardinalitas?”
• “Peringatan ini sering dipicu tetapi tidak pernah dapat dieksploitasi. Apakah Anda ingin menghapus?”

Anda tidak lagi melanjutkan setiap jejak; Anda mengatur telemetri dengan niat.

Observabilitas tidak lagi reaksioner tetapi adaptif.

Dari insiden ke wawasan melalui perubahan kode

Yang membuat lingkaran kamar berbeda dari aliran kerja tradisional Kecepatan dan kontinuitas. Anda bukan hanya pertarungan api, lalu tulis dokumen. Anda mengencangkan loop:

1. Kejadian terjadi
2. Investigasi, berkorelasi dan permukaan potensi penyebab dalam
3. Dia mengingat acara serupa dan resolusi mereka
4. Ini menawarkan perubahan instrumentasi atau atenuasi
5. Ini membantu Anda menerapkan perubahan kode ini langsung

Sistem sebenarnya membantu Anda mempelajari insiden dan menulis kode yang lebih baik setelah setiap kegagalan.

Seperti apa hari demi hari

Jika Anda seorang pengembang, ini adalah seperti apa:

• Anda mendorong Anda untuk menulis layanan dan instrumen itu sendiri.
• Seminggu kemudian, latency Peak menyerang produksi.
• Apakah Anda mengundang: “Mengapa Centile ke -95 melompat ke UE setelah jam 10 pagi”?
• AI menjawab: “Digantikan pada jam 9:45, menambahkan satu lingkaran untuk mencoba lagi. Layanan hilir B membatasi tarif.”
• Anda setuju dengan hipotesis dan tindakan.
• AI menyarankan agar Anda menutup loop: “Apakah Anda ingin merekam header dan mengurangi upaya?”
• Anda bilang ya. Ini menghasilkan permintaan traksi.
• Anda menggabungkan, menggunakan dan menyelesaikan.

Tidak ada tiket jira. Tidak ada transfer. Tidak ada kelupaan.

Ini lingkaran kamar.

Refleksi akhir: Keandalan situs telah mengajarkan kita apa yang harus dituju. Loop getaran sampai di sana.

Vibe Loop bukanlah agen AI tunggal tetapi jaringan agen yang mendapatkan tugas spesifik dan dapat direproduksi. Mereka menyarankan hipotesis dengan ketepatan yang lebih besar dari waktu ke waktu. Mereka tidak akan menggantikan insinyur tetapi akan memungkinkan insinyur rata -rata untuk beroperasi di tingkat ahli.

Ini tidak sempurna, tetapi untuk pertama kalinya, alat kami mengejar kompleksitas sistem yang kami arahkan.