#автоматизация_инфраструктуры — Public Fediverse posts

AgentOps: следующий слой после Infrastructure as Code

Infrastructure as Code научила нас важной дисциплине: инфраструктура не должна жить только в голове. Ресурсы, настройки и изменения надо описывать, хранить в Git, применять повторяемо и обсуждать как код. Это все еще правильная мысль. Terraform хорошо описывает ресурсы. Ansible хорошо описывает действия. CI/CD хорошо описывает путь изменения от репозитория до рабочей среды. Мониторинг хорошо ловит симптомы. Но когда в эксплуатацию входит ИИ-агент, появляется новый вопрос: что агент должен понимать перед действием? Не какую команду выполнить. Не какой ресурс создать. Не какой playbook применить. А именно понимать: куда он попал, что здесь считается правдой, что уже проверено, что только предполагается, какие решения нельзя повторять, какие секреты нельзя читать, что обязательно записать после изменения. Я называю этот слой AgentOps . Это не замена всем старым практикам. Это слой над ними. Если инфраструктура теперь обслуживается агентом, ей нужна не только автоматизация, но и контекст, рассчитанный на агента.

https://habr.com/ru/articles/1030442/

#AgentOps #инфраструктура_как_контекст #ИИагенты #Infrastructure_as_Code #Terraform #Ansible #серверная_память #автоматизация_инфраструктуры #ai #agents

AgentOps: следующий слой после Infrastructure as Code

Infrastructure as Code научила нас важной дисциплине: инфраструктура не должна жить только в голове. Ресурсы, настройки и изменения надо описывать, хранить в Git, применять повторяемо и обсуждать как код. Это все еще правильная мысль. Terraform хорошо описывает ресурсы. Ansible хорошо описывает действия. CI/CD хорошо описывает путь изменения от репозитория до рабочей среды. Мониторинг хорошо ловит симптомы. Но когда в эксплуатацию входит ИИ-агент, появляется новый вопрос: что агент должен понимать перед действием? Не какую команду выполнить. Не какой ресурс создать. Не какой playbook применить. А именно понимать: куда он попал, что здесь считается правдой, что уже проверено, что только предполагается, какие решения нельзя повторять, какие секреты нельзя читать, что обязательно записать после изменения. Я называю этот слой AgentOps . Это не замена всем старым практикам. Это слой над ними. Если инфраструктура теперь обслуживается агентом, ей нужна не только автоматизация, но и контекст, рассчитанный на агента.

https://habr.com/ru/articles/1030442/

#AgentOps #инфраструктура_как_контекст #ИИагенты #Infrastructure_as_Code #Terraform #Ansible #серверная_память #автоматизация_инфраструктуры #ai #agents

AgentOps: следующий слой после Infrastructure as Code

Infrastructure as Code научила нас важной дисциплине: инфраструктура не должна жить только в голове. Ресурсы, настройки и изменения надо описывать, хранить в Git, применять повторяемо и обсуждать как код. Это все еще правильная мысль. Terraform хорошо описывает ресурсы. Ansible хорошо описывает действия. CI/CD хорошо описывает путь изменения от репозитория до рабочей среды. Мониторинг хорошо ловит симптомы. Но когда в эксплуатацию входит ИИ-агент, появляется новый вопрос: что агент должен понимать перед действием? Не какую команду выполнить. Не какой ресурс создать. Не какой playbook применить. А именно понимать: куда он попал, что здесь считается правдой, что уже проверено, что только предполагается, какие решения нельзя повторять, какие секреты нельзя читать, что обязательно записать после изменения. Я называю этот слой AgentOps . Это не замена всем старым практикам. Это слой над ними. Если инфраструктура теперь обслуживается агентом, ей нужна не только автоматизация, но и контекст, рассчитанный на агента.

https://habr.com/ru/articles/1030442/

#AgentOps #инфраструктура_как_контекст #ИИагенты #Infrastructure_as_Code #Terraform #Ansible #серверная_память #автоматизация_инфраструктуры #ai #agents

AgentOps: следующий слой после Infrastructure as Code

Infrastructure as Code научила нас важной дисциплине: инфраструктура не должна жить только в голове. Ресурсы, настройки и изменения надо описывать, хранить в Git, применять повторяемо и обсуждать как код. Это все еще правильная мысль. Terraform хорошо описывает ресурсы. Ansible хорошо описывает действия. CI/CD хорошо описывает путь изменения от репозитория до рабочей среды. Мониторинг хорошо ловит симптомы. Но когда в эксплуатацию входит ИИ-агент, появляется новый вопрос: что агент должен понимать перед действием? Не какую команду выполнить. Не какой ресурс создать. Не какой playbook применить. А именно понимать: куда он попал, что здесь считается правдой, что уже проверено, что только предполагается, какие решения нельзя повторять, какие секреты нельзя читать, что обязательно записать после изменения. Я называю этот слой AgentOps . Это не замена всем старым практикам. Это слой над ними. Если инфраструктура теперь обслуживается агентом, ей нужна не только автоматизация, но и контекст, рассчитанный на агента.

https://habr.com/ru/articles/1030442/

#AgentOps #инфраструктура_как_контекст #ИИагенты #Infrastructure_as_Code #Terraform #Ansible #серверная_память #автоматизация_инфраструктуры #ai #agents

Infrastructure as Code: философия и лучшие практики IaC

Ручное управление серверами, «фиксы по SSH» и конфигурации, которые живут только в голове ушедшего в отпуск админа, — это не просто боль, это прямая угроза бизнесу. В этой статье разбираем, почему Infrastructure as Code перестал быть «модным словом» и стал единственным способом спать спокойно. Реальный кейс: как Knight Capital потерял $440 млн за 45 минут из‑за отсутствия воспроизводимой инфраструктуры. Практические советы, пайплайн с GitOps и лучшие практики внедрения IaC в 2026 году.

https://habr.com/ru/companies/otus/articles/1022164/

#devops #Infrastructure_as_Code #IaC #Terraform #автоматизация_инфраструктуры #AWS #лучшие_практики

Kimi K2.5 на прикладном уровне: те же инфраструктурные эксперименты, что и для GPT-5.2 и Sonnet

В предыдущих статьях я уже подробно описывал, как GPT-5.2 и Anthropic Sonnet справляются с задачами прикладного уровня. В этой статье — Kimi K2.5 с reasoning’ом . Важно сразу обозначить: эксперименты те же самые . Методология не менялась вообще . Менялась только модель.

https://habr.com/ru/articles/990418/

#LLM #прикладной_уровень #DevOps #Kubernetes #ArgoCD #Yandex_Cloud #автоматизация_инфраструктуры #SSH #CLI

Второй уровень автономности ИИ: агент сам управляет облаком и администрирует ВМ по SSH

Я решил проверить следующий уровень — может ли ИИ не советовать, а выполнять действия сам. В этом эксперименте ИИ: управлял Yandex Cloud через yc сам создавал ВМ и Managed PostgreSQL сам подключался по SSH к ВМ администрировал сервер поднимал WordPress в Docker и подключал его к базе, созданной в облаке Без Terraform. Без Ansible. Без ручного выполнения команд человеком. Это не туториал и не реклама. Это практическое исследование второго уровня автономности ИИ , где агент реально работает в инфраструктуре, а человек остаётся в контуре управления.

https://habr.com/ru/articles/988644/

#автономный_ИИ #SSH #DevOps #Docker #Yandex_Cloud #WordPress #PostgreSQL #автоматизация_инфраструктуры #AI_агент