本周工作思考
- AI编程在工作上的实践与思考
- Sentry-agent 实现了基于AI分析的Sentry 问题的诊断排除任务分配的整个任务流程
- 这个是基于工作流的agentic 应用,通过AI的推理分析把Sentry,Anasa 的数据整合到了一起,同时也把很多很多繁琐的人工工作自动化了,从最近的实践看确实提高了问题的处理能力。
- 原来需要挨个Sentry问题排查,做出优先级和是否处理的判断,手动的寻找线索,手动利用大模型或者搜索工具,每个问题的处理至少要10分钟,按照排查Top 50个问题看看,就要大概1天的时间,现在每问题的排查时间缩短到1.5分钟左右,至少在问题排查上的时间效率就提升了6倍左右,同时工时提升带来的人力价值的提升。
- 我一直记得东朔老师的一个工作理念:把一项工作做到无比好,以后就再也不要做了。在我看来,Agentic在应用上的实践就是实现了这个理念。
- 下一步增加search agent, code fix agent 并打通 MCP ,可以通过大模型灵活调用各类MCP的工具,Sentry的问题排查将可以实习智能化和自动化。
- uShow-admin 实现了 uShow 数据配置的自动化
- 本周用2天时间实现了这个平台的开发,如果没有AI编程的帮助,这个工具估计要开发至少7个工作日,整个开发效率提升了3.5倍
- 同时这类工具在很大程度上让很多琐碎的工作流程化,集成化,规范化,让整个的工作效率和工作质量都得到了有效提升。
- Sentry-agent 实现了基于AI分析的Sentry 问题的诊断排除任务分配的整个任务流程