基础设施即代码公司Pulumi Corp.表示,希望通过使用智能体人工智能来加速云基础设施管理自动化。
为此,该公司宣布推出了云行业首个"平台工程智能体",该智能体旨在管理任何公共云、私有云或混合云平台上的基础设施。
这个名为Pulumi Neo的新智能体是一个AI云工程助手,基于该公司的旗舰IaC技术构建。企业使用这项技术来简化云计算基础设施的配置和管理。Pulumi的工具使云工程团队能够使用代码自动配置基于云的服务器,无需手动调整数百个不同的设置。
IaC技术具有很大优势,因为它大大加速了为云应用程序准备基础设施的过程。手动完成这些工作既复杂又繁琐,工程师需要配置应用程序将使用的每个资源,还需要定义安全规则并设置每个应用程序的各个组件。所有这些任务都可以通过使用代码来简化。
通过Pulumi Neo,该公司将云基础设施自动化提升到了一个新水平,为团队提供了一个完全理解云依赖关系的智能体,它可以执行变更、监控结果并在整个基础设施生命周期中维护合规性。它作为Pulumi Cloud平台中的AI队友出现,工程师可以要求它执行各种不同的管理任务,并且完全可以确信它会遵守所有安全策略和治理设置,这得益于其企业级防护措施。
该公司表示,这将IaC转变为完全智能体化的工作流程,使工程师能够在批准、交互式指导和完整任务历史记录的支持下启动短期和长期任务。用户将能够为Neo执行的所有操作生成预览,确保其工作不会产生任何意外问题。它自动理解每个客户的多云环境,涵盖包括亚马逊网络服务、谷歌云和微软Azure在内的提供商,以及基于私有云的Kubernetes环境。
云基础设施瓶颈问题
Pulumi创始人兼首席执行官Joe Duffy表示,AI在不到一年的时间里几乎完全改变了应用程序的构建方式。得益于GitHub Copilot、Cursor和Windsurf等生成式AI编码工具,开发人员的生产力快速提升。鉴于此,平台工程方面需要找到追赶的方法。
Duffy引用了Gartner Inc.最近的一项预测,该预测显示,到2026年,超过80%的大型软件工程组织将雇用专门的平台工程团队来帮助跟上应用程序交付的步伐,而2022年这一比例仅为45%。但他表示这还不够,基础设施瓶颈往往是限制新应用程序部署速度的主要约束。
星座研究公司的Holger Mueller告诉SiliconANGLE,基础设施平台每月都在变得更加复杂,而组织招聘管理这些平台所需人才变得比以往任何时候都更加困难。
这位分析师表示:"任何能够帮助平台工程师自动化基础设施管理的技术不仅受欢迎,而且现在对于组织成功运营来说可能是必不可少的。Pulumi正在通过Neo的智能体能力引领平台工程的这一变革,这些能力基于其强大的基础设施即代码资产。"
Duffy说:"Pulumi Neo基于Pulumi经过验证的产品基础来确保可靠性和安全性,并将最佳的前沿模型与云环境、工具和工作流程相结合,使其能够自动化整个关键任务。过去需要几周时间完成的任务现在可以在几分钟内自信地完成。"
Pulumi表示,Neo在测试阶段就受到了早期采用者的热烈欢迎,客户报告称能够交付比以前多10倍的基础设施,应用程序部署速度提高了75%。此外,该公司声称Pulumi Neo的自动化治理平均减少了90%的策略违规。
物流公司Werner Enterprises Inc.是首批使用Pulumi Neo的公司之一,表示能够将基础设施配置时间从平均每个应用程序三天缩短到仅四小时。
Werner的云架构主管Jason Harris表示:"我们对AI能力有很高的容忍度,我们正在积极寻找可以集成AI而不损害基础设施治理和可靠性要求的地方。"
Pulumi表示,Neo今天开始向所有客户提供预览版本,在正式发布之前将免费使用。客户可以通过Pulumi Cloud访问它,或者通过AWS市场中提供的Pulumi模型上下文协议服务器以及Cursor和Cognition Inc.的Devin等AI编码助手来访问。
Q&A
Q1:Pulumi Neo是什么?它能做什么?
A:Pulumi Neo是Pulumi公司推出的云行业首个平台工程智能体,是一个基于基础设施即代码技术构建的AI云工程助手。它能够完全理解云依赖关系,执行变更、监控结果并在整个基础设施生命周期中维护合规性,帮助工程师自动化管理任何公共云、私有云或混合云平台上的基础设施。
Q2:使用Pulumi Neo能带来什么效果?
A:根据早期采用者的反馈,使用Pulumi Neo能够交付比以前多10倍的基础设施,应用程序部署速度提高75%。自动化治理功能平均减少90%的策略违规。物流公司Werner Enterprises将基础设施配置时间从平均每个应用程序三天缩短到仅四小时。
Q3:如何获得Pulumi Neo?费用如何?
A:Pulumi Neo目前向所有客户提供预览版本,在正式发布之前完全免费使用。客户可以通过Pulumi Cloud平台直接访问,也可以通过AWS市场中的Pulumi模型上下文协议服务器,或者通过Cursor和Devin等AI编码助手来使用这项服务。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。