Zaawansowany kontekst w agencie SRE platformy Azure

Głęboki kontekst to skumulowana wiedza agenta na temat środowiska — kodu, infrastruktury, procedur zespołu i tego, co wydarzyło się w poprzednich badaniach. W przeciwieństwie do ogólnego asystenta sztucznej inteligencji, który zaczyna się od zera za każdym razem, agent tworzy coraz większy obraz sposobu działania systemów.

Wskazówka

  • Kontekst głęboki oznacza, że agent rozumie our kod, infrastrukturę i historię operacyjną — nie tylko ogólną wiedzę Azure
  • Tworzy to zrozumienie za pomocą trzech filarów: analizy kodu, pamięci trwałej i analizy w tle
  • Połączone repozytoria kodu źródłowego (GitHub, Azure DevOps) zapewniają agentowi bezpośredni dostęp do odczytu, wyszukiwania i nawigowania po bazie kodu

Narzędzia obszaru roboczego (operacje na plikach, polecenia terminalu, wykonywanie Python) wymagają włączenia. Skontaktuj się z administratorem agenta lub włącz go za pośrednictwem strony Ustawienia eksperymentalne w portalu.

Kontekst głęboki nie jest jedną włączoną funkcją — jest to kombinacja trzech filarów, które współpracują ze sobą automatycznie.

Filar Do czego służy Jak to się kompiluje
Analiza kontekstu Odczytuje kod, wyszukuje wiedzę i nawiguje po środowisku w czasie rzeczywistym Połączone repozytoria + baza wiedzy i preferencje użytkownika
Pamięć trwała Zapamiętuje wcześniejsze badania, kontekst zespołu i wzorce operacyjne Nauka konwersacji i pliki wiedzy
Analiza w tle Stale uczy się ze środowiska — nawet wtedy, gdy nikt nie rozmawia Analiza bazy kodu + generowanie szczegółowych informacji i wzbogacanie źródła danych

Dlaczego kontekst głęboki ma znaczenie

Doświadczenie Twojego zespołu znajduje się w kilkunastu różnych miejscach — kod źródłowy w GitHub, dzienniki w Azure Monitor, konfiguracje w plikach YAML, elementy Runbook w witrynie typu wiki, których nikt nie aktualizuje, i plemienna wiedza w szefach starszych inżynierów. W przypadku wystąpienia zdarzenia najtrudniejsza część nie polega na rozumowaniu problemu — ale na zebraniu wystarczająco dużo kontekstu, aby móc zacząć rozumować na początek.

Głęboki kontekst rozwiązuje ten problem, zapewniając agentowi ciągły dostęp do wszystkich tych źródeł i możliwość zapamiętania tego, czego uczy się z każdej interakcji.

Filar 1: Analiza kontekstu

Agent ma ciągły, bezpośredni dostęp do połączonych repozytoriów, bazy wiedzy i preferencji użytkownika. Nie czeka na zadawanie pytania przed przeczytaniem kodu — eksploruje repozytoria, uczy się struktury projektu i aktywnie buduje zrozumienie.

W dowolnym momencie możesz dodać więcej kontekstu:

  • Połączenie repozytoriów — GitHub lub Azure Repos, aby agent mógł odczytać kod źródłowy. Zobacz Łączniki.
  • Przekazywanie dokumentów wiedzy — dodawanie elementów Runbook, przewodników dotyczących architektury i procedur zespołu. Zobacz Pamięć i wiedza.
  • Poinformuj agenta, żeby zapamiętał — wpisz #remember na czacie, aby zapisać fakty, które agent powinien znać. Zobacz Pamięć i wiedza.
  • Tworzenie umiejętności — pakowanie procedur rozwiązywania problemów z narzędziami. Zobacz Umiejętności.

Zabezpieczenia

Wszystkie operacje obszaru roboczego są uruchamiane w środowisku piaskownicy. Wykonywanie kodu odbywa się w izolowanych kontenerach, a nie na hoście agenta. Azure CLI polecenia zapisu wymagają jawnego zatwierdzenia użytkownika przed wykonaniem.

Filar 2. Pamięć trwała

Agent pamięta to, czego się uczy. Po każdej konwersacji agent wyodrębnia ustrukturyzowane aspekty — współczynniki powodzenia narzędzi, główne przyczyny, kluczowe informacje i które Azure usługi były zaangażowane. Są one przechowywane jako trwała wiedza i używane do ulepszania przyszłych badań.

Dowiedz się więcej: Pamięć i wiedza

Filar 3: Inteligencja w tle

Agent stale buduje wiedzę operacyjną — nawet wtedy, gdy nikt nie rozmawia — za pośrednictwem trzech systemów w tle:

Analiza bazy kodu

Po połączeniu repozytorium kodu agent automatycznie analizuje je — strukturę projektu, stos technologii, konfiguracje wdrożenia i zależności usług. SREAGENT.md Tworzy plik jako żądanie ściągnięcia do repozytorium.

Generowanie szczegółowych informacji

Usługa w tle okresowo agreguje dane z wielu źródeł — wcześniejszych konwersacji, zdarzeń, kontekstu obszaru roboczego i używa semantycznego dopasowania do generowania, uzgadniania i rozwijania szczegółowych informacji operacyjnych w czasie.

Wzbogacanie schematu Kusto

Po połączeniu klastra Azure Data Explorer (Kusto) agent automatycznie odnajduje bazy danych i tabele, dokumentuje schemat każdej tabeli, generuje opisy czytelne dla człowieka i tworzy szablony zapytań KQL.

Treści powiązane

Następne kroki

Połączenie repozytorium GitHub

  • Last updated on