AI+SRE真正≠AISRE：AI如何进入生产运维闭环｜QCon上海

从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！ 2026 年 QCon 全球软件开发大会大会 · 上海站 " 将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。 在这一背景下， 2026 年 QCon 全球软件开发大会大会 · 上海站 "正式启动。本次大会将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。 携程 & 大数据平台 SRE 总监周昕毅已确认出席 “ 理性驾驭 AI 的 SRE 可靠性工程 "” 专题，并发表题为《 AI + SRE ≠ AISRE：AI 如何真正进入生产运维闭环 "》的主题分享。AI 正快速进入研发、测试与运维场景，但“给 SRE 加一个 AI”并不等于真正的 AISRE。尤其在大数据平台中，故障链路复杂、组件依赖繁多、运维知识高度依赖专家经验，AI 从“辅助分析”走向“生产执行”仍面临信任、知识与闭环等问题。本次分享将结合携程大数据平台的实践，围绕稳定性、运维效率与成本治理三个典型场景，分享 AI 如何真正进入 SRE 的生产闭环。 周昕毅，携程大数据平台 SRE 总监。毕业于同济大学软件学院，在云计算、大数据、基础设施运维及 SRE 等领域有 20 年工作经验。目前负责携程大数据基础平台建设及运维管理相关工作。参与编写 SREelite《SRE 实践白皮书》。他在本次会议的详细演讲内容如下： 演讲提纲1. 开场：AI 到底能不能接管 SRE？从三个真实问题切入：告警来了，AI 能不能自己判断？服务异常，AI 能不能自己修？存储成本上涨，AI 能不能自己找出浪费？结论：AI 能回答 SRE 的问题，不代表 AI 能承担 SRE 的工作。2. 从 AI 辅助到 AI 闭环：SRE 的 AI 化到底意味着什么？AI 看懂告警、日志、指标AI 关联上下文并定位根因AI 生成处置方案AI 调用工具执行操作AI 验证执行结果并形成反馈结论：真正的 AISRE，不是增加一个 AI Copilot，而是让 AI 进入完整的运维闭环。3. 实践一：从“告警”走向“自愈”——AI 如何参与生产故障处置？痛点还原告警噪音大，定位慢，人工处置依赖经验闭环体系设计告警收敛与分级策略根因定位：从"报警"到"给答案"自愈执行：预案库加自动触发机制人工审核兜底：人监督AI的落地形式效果平台故障 MTTR 降低 50%关键踩坑点：自愈误操作的防护机制4. 实践二：从“专家经验”到“智能诊断”——核心组件故障如何让 AI 真正理解？痛点还原组件种类多，问题现象分散，诊断依赖资深专家工具设计思路诊断知识的结构化沉淀，包含案例库、规则库AI辅助分析：日志理解加指标关联工具化设计：诊断能力作为可调用服务效果与经验新人上手时间缩短，on-call 压力下降踩坑点：AI 给出错误诊断建议的处理机制5. 实践三：从“资源监控”到“成本治理”——AI 如何参与存储优化决策？痛点还原存储成本持续膨胀，人工治理效率低工具建设思路数据访问特征采集与冷热识别模型自动化分级存储策略推荐与业务方的协作闭环效果存储单价下降 20%踩坑点：冷热判断误判对业务的影响及补救措施6. 总结：从 AI 辅助走向 AI 原生运维AISRE ≠ AI + SRE 的简单叠加三个实践背后的共同基础演进路径与未来展望实践痛点1. 自动化执行的信任建立需要过程告警自愈闭环上线初期，工程师对"AI自动操作生产环境"普遍存在顾虑。需要经历"只看不动→人工确认后执行→低风险操作自动执行"的渐进式信任建立过程，不能一步到位2. 知识沉淀是需要建立闭环机制而非一次性工程智能诊断工具的核心是知识库，但故障经验高度依赖老专家，提炼和结构化的过程阻力大、耗时长，且随着组件版本迭代需要持续维护，容易出现"知识库上线即过时"的问题。3. 效果评估的量化存在难度目前虽然通过 MTTR 可以进行一定程度的量化，但 MTTR 的影响因素不能完全归因于AISRE的相关实践演讲亮点SRE 相关实践具有普适性，对其他 SRE 团队有参考价值，不只是晒成果，而是给同行一套可复用的方法论听众收益1. 一个可复用的方法论框架“数据友好→开发友好→运维友好”三层递进模型，帮助听众评估自身团队的 AI 落地成熟度，避免跳步建设的陷阱2. 三个可落地的工程实践告警+自愈闭环的设计思路与防误操作机制大数据组件智能诊断工具的知识结构化方法Storage Insight 冷热数据识别的实现路径每个实践均来自携程生产环境，有具体踩坑经验可借鉴。3. 一个清醒的认知校准明确“AISRE ≠ AI + SRE 简单叠加"，帮助听众识别团队当前瓶颈到底是 AI 能力不足还是基础设施不够成熟，避免在错误的层面投入资源4. 真实的效果数据参照MTTR 降低 50%、存储单价下降 20%，为听众在内部推动类似项目时提供可引用的行业参照数据 除此之外，本次大会还策划了 Loop Engineering "、 千行百业 Agent 创新实践 "、 Agent 自主进化：从记忆到持续学习 "、 Agent as a Service "、 Vibe Coding 时代的新质量债 "、 理性驾驭 AI 的 SRE 可靠性工程 "、 金融 AI Native工程实践：从研发提效到业务破局 "、 AI Infra：算力效率决定规模化落地 "、 AI Native 架构 "等20个专题论坛，届时将有来自不同行业、不同领域、不同企业的100+资深专家在现场带来前沿技术洞察和一线实践经验。 查看更多详情可扫码或联系票务经理 18514549229进行咨询。