01 · 问题
每个团队都自建流水线、环境和规则。上线一个新服务要花几周配置，新开发人员要花几周熟悉。
对 AI 而言，这一点加倍关键：如果项目无法用一条命令完成构建、测试结果也不可信，智能体就无法工作。平台是 AI 开始产生效果的基础。
02 · 适用场景
- 上线一个新服务需要数周
- 各团队用不同方式解决同样的基础设施问题
- 环境无法复现，部署需要手工操作
- 计划引入智能体，却没有运行它们的环境
03 · 分析内容
- 从提交代码到上线生产的路径——步骤、等待、手工操作
- 环境——可复现性、成本、创建耗时
- 标准与模板——是否存在、是否真正被使用
- 可观测性与运维
- AI 就绪度——模型网关、上下文、智能体运行环境
04 · 工作方式
-
步骤 01
评估
度量变更上线生产的路径和开发者体验——找出时间耗在哪里。
-
步骤 02
目标平台
用最小的能力集消除主要损耗——不搞“为平台而平台”。
-
步骤 03
Golden paths
为常见任务提供现成路径——新建服务、创建环境、部署发布。
-
步骤 04
AI 层
在现有流水线之上构建统一的模型接入、上下文体系和隔离的智能体运行环境。
05 · 交付成果
具体交付内容在诊断之后确定。我不会事先承诺效果数字——它们取决于起点，并作为成果标准写入计划。
- 01现有流水线和环境的现状评估
- 02附优先级的平台目标架构
- 03面向常见场景的黄金路径
- 04AI 层架构——模型网关、上下文、智能体运行环境
- 05分阶段实施计划