今天是 IT 鐵人賽 DevOps 與 AI 系列的第三天。
就從最基礎、最重要的實踐開始談起 —— CI/CD。🫣

一、Continuous 的精神

CI/CD 的共同關鍵字是 Continuous（持續）。
所謂持續，代表的不只是技術上的流程，而是一種能 不斷獲取回饋、快速修正、隨時準備好交付 的文化。

• 隨時可重複：每一次 commit 都應該能自動觸發 pipeline。
• 快速回饋：測試或部署失敗應立即通知團隊，縮短 debug 週期。
• 風險縮小：以小批次、快節奏來交付，避免大規模變更帶來的高風險。
• 文化共識：讓團隊形成「及早驗證、快速交付」的習慣，而不只是依賴工具本身。

二、常見 CI 的流程與工具

1. 流程範例

• 程式碼提交（commit / PR）
• 自動化測試（unit test、lint、security check）
• 建構（build、package）
• 報告回饋（通知 Slack、Email、GitHub PR 狀態）

2. 工具介紹

• Pipeline 工具：GitHub Actions、GitLab CI、CircleCI、Jenkins
• 測試工具：Jest、SonarQube（程式碼品質檢查）
• 安全檢查：Dependabot、Snyk

三、常見 CD 的流程與工具

1. 流程範例

• CI 結果通過 → 部署到測試環境（Staging）
• 自動化整合測試（integration / e2e）
• 部署到生產環境（Production）
• 健康檢查 / 監控（包含 rollback 機制）

2. 工具介紹

• 部署與 Orchestration：ArgoCD、Spinnaker、FluxCD
• 雲端平台：AWS CodePipeline、GCP Cloud Build、Azure DevOps
• 容器相關：Kubernetes、Helm

四、DevOps 與 AI 的連結點

既然這個系列同時關注 AI，我也想談談 AI 在 CI/CD 中的潛力。

• 智慧測試選擇：AI 可以只針對與程式碼變更相關的測試進行執行，節省時間與成本。
• Log 與 Pipeline 分析：AI 能自動化分析失敗原因，加快除錯流程。
• 可觀測性與部署策略：在系統部署後，AI 能協助監控 log 與效能數據，甚至根據歷史資料預測最佳釋出時機。

換句話說，AI 有機會成為 CI/CD 的「加速器」，不僅讓流程更快，還能讓它更聰明。

五、總結

在我們公司的團隊，其實已經有一套基本的 CI/CD 流程。
但透過這次 IT 鐵人賽，我希望能更完整地理解 CI/CD 的核心價值，並探索更多能提升服務品質或自動化程度的工具。

CI/CD 不僅是工具的堆疊，更是一種文化與思維的轉變。
隨著學習的深入，我也期待能把這些實踐與 AI 結合，讓 DevOps 的自動化更進一步。 🚀