既然有了 Llama 3.1，我就把所有的私有 SOP 都做了智能化重构。今天这套报错自愈脚本跑通了，感觉像是给自己装了个机械心脏。以前爬虫挂了我得半夜爬起来看日志，现在脚本自己会调用 GPT-4 去分析错误，然后尝试用三种不同的策略去修复，修复不了才给我发报警。这他妈才是真正的“躺赚”，虽然我躺下的时候脑子里还在过 API 调用链。
2019年那会儿，我团队里三个程序员，一个爬虫挂了能吵一上午。谁动了我 DOM 解析的 XPath？为什么代理池又空了？这种问题现在扔给大模型，它五秒钟就能给你理清是编码问题、网络问题还是反爬升级。但我得说，这种便利让人恐慌。我过去七年练就的那套“人肉调试大法”——看异常堆栈、猜业务逻辑、凭经验下断点——正在以肉眼可见的速度贬值。上个月我试着不用任何 AI 辅助去修一个陈年旧坑，手生了，真的生了。那种指尖在键盘上犹豫的瞬间，很可怕。
这套系统的核心其实不复杂，就是个加了决策树的自动化运维脚本。但它吃掉了我们过去三年积累的所有错误日志和解决方案。第一步，监控捕获到异常退出码或特定错误关键词。第二步，把最近的 50 行日志、相关代码片段和上下文配置打包，扔给 LLM（现在是 Llama 3.1 和 GPT-4 Turbo 双路调用，做个交叉验证）。Prompt 是关键，我写了快二十个版本，核心指令就三条：“你是资深 SRE，请用中文分析根本原因”、“给出三种具体的、可脚本化的修复方案，按可行性排序”、“必须只输出 JSON 格式，包含 ‘root_cause’ 和 ‘action_plan’”。
最费劲的是第三步，让脚本能安全地执行“action_plan”。你不能让它随便 rm -rf 或者乱改数据库。所以我做了个白名单动作库：重启服务、切换代理 IP、清理缓存目录、重跑某个数据补全模块、发个告警抑制指令。LLM 返回的方案必须映射到这些白名单动作上，映射不上就 fallback 到人工。这里用了大量的正则和语义相似度匹配，光调试这个映射规则就搞了两周。
但效果也是直接的。上周一个数据管道因为上游 API 突然要求加个新的认证头而崩溃，系统在凌晨两点检测到，自动分析了返回的 401 错误，从历史方案里找到了类似的 OAuth 2.0 流程更新记录，然后给脚本补上了那个缺失的 header 参数，重试三次后成功。全程我没收到电话。早上看到通知的时候，有一种诡异的失落感，好像自己的一部分功能被阉割了。但更多的是后怕：如果 2020 年我有这个，是不是就不会因为半夜的连环告警搞到心率失常，最后不得不把团队解散了？
自愈力才是 2023 年的生存底牌。这句话我现在信了。以前拼的是谁更能熬、谁经验多、谁见过更多奇葩的坑。现在拼的是谁能最快地把自己的经验和 SOP 喂给 AI，让它长出你的触手和本能。这不是取代，这是进化。你从一个救火队员，变成了设计消防系统的人。但代价是，你必须持续地、疯狂地学习，去理解这些你创造出来的“黑盒”如何思考，怎么让它更可靠。Llama 3.1 的开源让我能本地部署一些核心分析模块，成本降了，但心智负担一点没少。我好像从代码的泥潭里爬了出来，又跳进了提示词工程和智能体架构的深水区。
这大概就是我们的命。技术永远在叛变，背叛你过去的荣光。你能做的，就是亲手打造背叛自己的工具，然后跑得比过去的自己更快一点。
