Flashduty SRE Agent:24 篇生产级工程实践
Flashduty AI SRE 如何构建生产级 SRE Agent?从会话运行时、内网执行、权限安全到评测和记忆治理,了解 24 篇工程实践中的设计与取舍。
汇总 Flashcat 博客中与 AI SRE 相关的文章,方便按主题连续阅读实践、案例、选型和产品更新。
Flashduty AI SRE 如何构建生产级 SRE Agent?从会话运行时、内网执行、权限安全到评测和记忆治理,了解 24 篇工程实践中的设计与取舍。
Agent 应该记住什么、如何遗忘?介绍记忆收录纪律、删除后的重复抽取防护,以及记忆库改写的校验、人工审阅与发布流程。
告警风暴中,如何让相似事件共享一次 AI 根因分析?介绍相似度判定、完成后窗口、单次分析容量及失败降级。
如何避免系统提示不断膨胀?介绍 Agent Prompt 的版本冻结、灰度和回滚,以及如何依据具体失败决定指引该放在哪里。
将基准测试容器接入生产 Agent 执行链路:介绍 SWE-Bench Pro 与 Terminal-Bench 的 Runner 适配、结果收集和评测发现的生产问题。
每天面对大量 Agent 会话,如何找到值得审计的失败?从系统事件、用户反馈和发言中筛选案例,并分析信号覆盖与盲区。
线上审计和离线评测如何共用 Agent 失败分类?介绍稳定 ID、不同消费者、历史数据兼容和评测版本比较的限制。
模型服务故障切换后,如何保持客户计费档位稳定?介绍切换链校验、异步账本、定点数计价和 credit 换算。
Agent 沙箱闲置多久可以销毁?从工具调用间隔的生产数据出发,解释 600 秒阈值、长命令心跳、会话分档和长尾风险。
从 72 个孤儿沙箱的清理经历出发,介绍远端反向对账、完整分页、部署归属标签与 15 分钟宽限期如何减少遗漏和误删。
团队隔离能保护什么,不能保护什么?区分独立账号、专属 Runner 与个人凭据,讨论记忆污染和删除生效的限制。
管理员维护团队资源前为什么需要加入团队?通过使用、创建、编辑、转移和共享等场景,解释团队资源的权限边界。
Agent 能执行 Bash、读取文件时,团队知识的权限应在哪里检查?拆解知识广告面、落盘面与加载面,以及按需加载的边界。
当 Agent 缺少访问凭据时,如何向用户请求授权并继续任务?介绍结构化授权信封、用户与模型的指引及恢复流程。
介绍 Bash Guard 如何限制 Agent 泄露凭据、转储环境变量和执行高风险命令,以及字符串匹配的威胁模型与防护边界。
通过 CLI 凭据注入让 Agent 使用 GitHub 和 GitLab,介绍多组织 token 路由、凭据过期、长任务认证及两种接入方式的差异。
SRE Agent 如何在客户内网执行任务?介绍云端推理与 BYOC Runner 的分工、连接机制、跨环境协作和部署取舍。
日志和命令输出过大时,Agent 如何控制上下文和成本?介绍工具侧截断、完整结果落盘、读取指引与总量限制。
知识文件持续变化时,Agent 如何发现最新内容?介绍移除静态逐文件目录、保留稳定指引与按需发现的原因,以及缓存方面的取舍。
模型拒绝超长请求后,如何恢复 Agent 会话?通过原地替换工具结果控制长度,保留调用配对、编号和顺序,不改动存档历史。