Condividi tramite

Contesto profondo nell'Agente SRE di Azure

Deep Context è la comprensione accumulata dell'agente dell'ambiente, ovvero il codice, l'infrastruttura, le procedure del team e ciò che è successo nelle indagini precedenti. A differenza di un assistente di intelligenza artificiale generico che inizia da zero ogni volta, l'agente crea un quadro crescente del funzionamento dei sistemi.

Suggerimento

  • Deep Context significa che l'agente comprende il tuo codice, infrastruttura e cronologia operativa, non solo conoscenze generiche su Azure.
  • Questa comprensione viene compilata attraverso tre pilastri: analisi del codice, memoria persistente e intelligenza in background
  • I repository del codice sorgente connesso (GitHub, Azure DevOps) consentono all'agente di accedere direttamente alla lettura, alla ricerca e all'esplorazione della codebase

Gli strumenti dell'area di lavoro (operazioni file, comandi del terminale, esecuzione di Python) richiedono l'abilitazione. Contattare l'amministratore dell'agente o abilitare tramite la pagina Impostazioni sperimentali nel portale.

Il contesto profondo non è una singola funzionalità abilitata: è la combinazione di tre pilastri che interagiscono automaticamente.

Pilastro Funzionamento Come avviene la costruzione
Analisi del contesto Legge il codice, cerca le conoscenze e esplora l'ambiente in tempo reale Repository connessi + base di conoscenze + preferenze dell'utente
Memoria persistente Memorizza le indagini precedenti, il contesto del team e i modelli operativi Apprendimento da conversazioni e file di conoscenza
Intelligenza di supporto Impara continuamente dall'ambiente, anche quando nessuno sta chattando Analisi codebase + generazione di informazioni dettagliate + arricchimento dell'origine dati

Perché il contesto profondo è importante

L'esperienza del team risiede in una dozzina di posizioni diverse: codice sorgente in GitHub, log in Monitoraggio di Azure, configurazioni in file YAML, runbook in un wiki che nessuno aggiorna, e conoscenze tribali nella testa dei vostri ingegneri senior. Quando si verifica un evento imprevisto, la parte più difficile non è ragionare sul problema, ma raccogliere abbastanza contesto per poter iniziare a farlo.

Il contesto profondo risolve questo problema concedendo all'agente l'accesso continuo a tutte queste origini e alla possibilità di ricordare ciò che apprende da ogni interazione.

Pilastro 1: Analisi del contesto

L'agente ha accesso diretto e continuo ai repository connessi, alla knowledge base e alle preferenze utente. Non attende che tu faccia una domanda prima di leggere il tuo codice: esplora i tuoi repository, apprende la struttura del progetto e sviluppa una comprensione proattiva.

È possibile aggiungere più contesto in qualsiasi momento:

  • Connettere i repository, collegare GitHub o Azure Repos in modo che l'agente possa leggere il codice sorgente. Vedere Connettori.
  • Caricare documenti di conoscenza: aggiungere manuali di procedure operative, guide di architettura e procedure del team. Vedere Memoria e conoscenza.
  • Indicare all'agente di ricordare: digitare #remember nella chat per salvare i fatti che l'agente deve conoscere. Vedere Memoria e conoscenza.
  • Creare competenze: creare pacchetti di procedure di risoluzione dei problemi con gli strumenti. Vedi Competenze.

sicurezza

Tutte le operazioni dell'area di lavoro vengono eseguite in un ambiente in modalità sandbox. L'esecuzione del codice avviene in contenitori isolati, non nell'host dell'agente. interfaccia della riga di comando di Azure i comandi di scrittura richiedono l'approvazione esplicita dell'utente prima dell'esecuzione.

Pilastro 2: Memoria persistente

L'agente memorizza ciò che impara. Dopo ogni conversazione, l'agente estrae aspetti strutturati, come le percentuali di successo degli strumenti, le cause radice, gli apprendimenti chiave e i servizi Azure coinvolti. Queste informazioni vengono archiviate come conoscenze persistenti e usate per migliorare le indagini future.

Altre informazioni: Memoria e conoscenze

Pilastro 3: Intelligenza contestuale

L'agente crea continuamente la comprensione operativa, anche quando nessuno sta chattando, attraverso tre sistemi in background:

Analisi della base di codice

Quando si connette un repository di codice, l'agente lo analizza automaticamente, ovvero la struttura del progetto, lo stack di tecnologie, le configurazioni di distribuzione e le dipendenze del servizio. Crea un file SREAGENT.md come richiesta pull al proprio repository.

Generazione di informazioni dettagliate

Un servizio in background aggrega periodicamente i dati di più origini, ovvero conversazioni passate, eventi imprevisti, contesto dell'area di lavoro, e usa la corrispondenza semantica per generare, riconciliare ed evolvere le informazioni operative nel tempo.

Arricchimento dello schema Kusto

Quando si connette un cluster Esplora dati di Azure (Kusto), l'agente individua automaticamente i database e le tabelle, documenta lo schema di ogni tabella, genera descrizioni leggibili e compila modelli di query KQL.

Contenuti correlati

Passo successivo

Connettere un repository di GitHub

  • Last updated on