工程師每天都在查資料、看監控、執行固定流程,最後再整理成報告。這些工作通常有明確的 SOP,卻很吃時間。這 30 天,我會從實際工作場景出發,拆解每項任務的輸入、判斷流程與輸出,實作能使用工具、蒐集證據並產生結果的 AI Agent。過程也會記錄 AI 猜錯、資料不足與重新驗證,看看哪些工作適合自動化,以及人類需要保留哪些權限與安全邊界。
上一篇把壓測情境、驗收結果、K6 summary 與服務 metrics 都打包成 bundle.json。接下來要讓 AI 根據這份 bundle.json...
上一篇把實作的部分都說明完了,今天要來看看報告的內容,尤其是第五章由 AI 整理的 findings 與選圖結果品質如何。 這次測試的目標是模擬發薪日情境,讓...
這次要講的情境,也是我以前在工作現場遇過的需求:每日環境巡檢。 主管要求維運人員每天早上進辦公室後,先檢查多個環境的 Kubernetes 與周邊監控系統。確認...
上一篇已經把每日巡檢的需求整理完。 維運人員每天早上主動執行 Skill,系統檢查從上一份報告到現在的完整期間,最後產生一份可以直接閱讀的巡檢報告。整個過程只會...