View a markdown version of this page

用於操作和維護的生成式 AI 使用案例 - AWS 方案指引

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

用於操作和維護的生成式 AI 使用案例

在部署軟體之後,焦點會轉移到操作和維護。生成式 AI 可以透過提供更主動、更有效率的系統管理來增強傳統方法。AI 驅動的操作工具會持續監控系統效能,並在影響使用者之前預測潛在問題。當問題發生時,它們會執行自動化根本原因分析,大幅縮短解決的平均時間。AI 也會近乎即時地最佳化系統效能。它會根據不斷變化的負載模式和使用者行為自動調整組態。例如,營運團隊可能會使用 AI 助理來產生預測性維護排程、自動識別可能失敗的元件,並建議先佔動作。AI 也可以透過分析用量趨勢並以高準確度預測未來資源需求,協助規劃容量。

下表顯示您可以使用生成式 AI 和負責這些使用案例的角色來增強的操作和維護使用案例。

子功能:使用案例 角色
事件管理:透過將監控工具與聊天平台整合,讓團隊可以直接在聊天環境中偵測、討論和解決問題,以近乎即時的方式管理事件 站點可靠性工程師
事件管理:允許團隊直接從聊天界面啟動部署、執行指令碼和執行命令,以簡化操作 DevOps 工程師
程式碼升級:升級程式碼相依性和程式庫,以減少手動工作,並確保程式碼庫與最新版本保持最新狀態 軟體開發人員
程式碼最佳化:檢閱程式碼以取得最佳化機會 軟體開發人員
程式碼最佳化:識別程式碼中的瓶頸,並重構或最佳化程式碼以增強效能 軟體開發人員
技術負債管理:將技術負債記錄為開發程序的一部分 產品管理員
技術債務管理:根據影響、風險和成本來優先考慮和解決技術債務,並將其整合到定期衝刺規劃程序中 軟體開發人員
技術負債管理:減少現有應用程式程式碼中的技術負債 軟體開發人員
變更管理:實作變更核准程序,確保所有程式碼變更在部署之前都經過必要的利益相關者的檢閱、測試和核准 變更管理員
變更管理:對提議的變更執行影響分析 DevOps 工程師
反向工程:分析和了解舊版程式碼的結構和行為 解決方案架構師
反向工程:說明現有程式碼並產生文件 軟體開發人員
程式碼現代化:將程式碼從一種程式設計語言轉換為另一種程式設計語言 軟體開發人員
程式碼現代化:將舊版程式碼現代化為最新的程式設計語言 軟體開發人員
效能最佳化:透過最佳化資源配置、負載平衡和重新設定應用程式,持續監控和調整系統效能 站點可靠性工程師
效能最佳化:識別和重構導致效能降低的程式碼,以提高速度和系統回應能力 軟體開發人員