Dynatrace把“人”从运维循环中移除了，这意味着什么？

Trust&far Technology

点击蓝字 关注我们

银信科技

数据中心IT基础设施服务总包商

股票代码：300231

前言

7月29日，Dynatrace宣布其子项目Bluebox.ai向早期客户开放。这个项目的核心目标很直接：把人类从整个软件交付和运维生命周期中移除。

这不是一个概念演示，而是已经向企业客户开放的产品。可观测性Agent和编码Agent协同工作，从写代码到部署到故障修复，全程由AI Agent自主完成，不需要人类插手。

这件事对于我们运维人来说意味着什么呢？我们一起来分析。

01 Bluebox是什么？

Bluebox是Dynatrace旗下的子品牌，专门面向“Agent主导”的IT运营模式。在传统模式（Dynatrace称之为“模式一”）中，AI辅助人类完成日常工作——比如自动发现故障根因、推荐修复方案，但最终决策和操作仍由人来做。

Bluebox代表的是“模式二”：AI Agent主导一切，人类完全退出。

具体来说，Bluebox的工作流程是这样的：

Dynatrace的可观测性Agent和SRE Agent持续从生产环境采集数据、指标、日志；

这些数据被加工成高精度的上下文信息，喂给编码Agent；

编码Agent据此修改代码、提交变更、触发测试；

测试通过后自动部署到生产环境；

部署后，可观测性Agent持续监控，发现问题后自动触发新一轮调查和修复；

整个循环不需要人工介入。

02 技术上的关键思路

AI Agent自主操作最大的风险是“幻觉”——给出一堆看似合理但完全错误的输出。Bluebox在技术架构上采用了几个关键思路来应对这个问题：

第一，不依赖单一AI模型

Dynatrace的策略是：能用确定性算法的地方，就不用AI。确定性算法是可验证、可预期的，没有“猜”的成分。只有在需要推理和决策的地方，才引入AI Agent。这种“确定性算法+AI”的混合架构，是目前AI在运维领域落地的主流思路之一。

第二，提高输入质量

Bluebox的底层架构中，有一层专门负责把海量的生产环境数据提炼成高精度的上下文信息，再喂给AI Agent。输入越精准，输出越可靠——这个原则适用于所有AI运维工具，无论底层具体叫什么名字。

第三，用特性开关做安全网

所有通过AI生成的代码变更，都会通过特性开关来控制发布范围，配合AB测试逐步放量。一旦发现问题，可以快速回滚。这种灰度发布机制正在成为AI驱动运维的标配安全网。

03 对运维人的启示

Dynatrace的这个项目，本质上是把过去几年行业一直在讨论的两个趋势：AIOps和AI辅助编程，合并成了同一个闭环。

过去，这两个领域是分开的：

AIOps帮你发现生产环境的问题

AI编程助手帮你写代码

但问题是：发现了问题之后呢？修还是得人修。写了代码之后呢？部署后的表现如何，AI不知道。

Bluebox做的事情，是把这两件事串起来了——让“发现问题”和“修复问题”之间的链路变短，中间不再需要人来传递信息。

这个思路本身并不神秘，但它的实现难度在于：

需要同时打通运维数据和代码库

需要让AI理解生产环境的真实状态

需要建立足够的安全机制防止误操作

对于运维人来说，这件事的意义在于：“发现问题→定位原因→修复问题”这条链路正在被AI逐步打通。

过去运维人的核心价值之一，是“我知道系统怎么运作，所以我能快速定位问题”。但当一个AI Agent能从生产环境获取数据、分析根因、甚至直接修改代码并验证效果时，这个核心价值正在被重新定义。

写在最后

Dynatrace Bluebox的出现，只是AI运维大趋势中的一个节点。类似的方向，其他厂商也在探索。

对于运维人来说，真正值得关注的不是某一家公司的某个产品，而是背后那个明确的方向：AI正在从“告诉你问题在哪”走向“帮你把问题修好”。

这个转变还在早期阶段。距离完全自主运维还有很长的路，但它正在发生。

对运维人而言，挑战不在今天，但方向已经清晰。

关于我们

北京银信长远科技股份有限公司 (简称: 银信科技，股票代码: 300231)成立于2004年，数据中心IT基础设施服务总包商。从成立伊始，银信科技一直专注于数据中心IT基础设施运维服务领域，助力客户在数字化转型中实现可持续发展。

“本文配图由AI生成”

= END =

扫码关注

银信科技

视频号丨银信科技300231

抖音号丨银信科技