编程 AI 时代的基础设施即代码:当任何人都可以部署时,什么仍然重要

2026-09-06 12:12:23

AI 时代的基础设施即代码:当任何人都可以部署时,什么仍然重要

Stack Overflow 播客邀请了 IBM 开发者倡导者 Rosemary Wang,探讨当 AI 开始编写和部署基础设施即代码(Infrastructure-as-Code, IaC)时,这个领域会发生什么变化。讨论涵盖了为什么安全护栏仍然滞后于采用速度、"任何人都可以部署"意味着什么,以及为什么深度系统知识在 AI 时代仍然至关重要。

AI 如何改变 IaC

从手写代码到 AI 生成

传统的 IaC 工作流是:

  1. 开发者学习 Terraform/Pulumi/CloudFormation 等工具
  2. 手写基础设施定义代码
  3. 提交代码审查
  4. 通过 CI/CD 流水线部署

AI 改变了这个流程:

  • AI 可以根据自然语言描述生成 IaC 代码
  • AI 可以自动修复配置错误
  • AI 可以推荐最佳实践和安全配置
  • AI 可以自动执行部署

这意味着编写 IaC 的门槛大幅降低,更多人可以参与基础设施的定义和部署。

"任何人都可以部署"的含义

Rosemary Wang 指出,AI 让"任何人都可以部署"成为可能。这带来了几个重要变化:

  1. 角色边界模糊:开发者、运维工程师、甚至产品经理都可以定义和部署基础设施
  2. 部署频率增加:更低的门槛意味着更多的部署请求
  3. 知识分布变化:基础设施知识不再集中在少数运维专家手中
  4. 创新速度提升:团队可以更快地试验新的基础设施配置

护栏仍然滞后于采用

安全问题

尽管 AI 让 IaC 变得更容易,但安全护栏(guardrails)仍然滞后于采用速度:

  • AI 生成的代码可能不安全:AI 可能生成包含安全漏洞的配置,如开放的安全组、未加密的存储
  • 策略即代码(Policy-as-Code)覆盖不足:很多组织的 OPA/Sentinel 策略没有覆盖所有场景
  • 人工审查瓶颈:更多的部署请求意味着更多的代码审查需求,但审查人员没有增加
  • 合规性风险:AI 生成的配置可能不符合行业合规要求(HIPAA、GDPCI 等)

成本问题

AI 生成的 IaC 还可能带来成本问题:

  • 过度配置:AI 可能推荐过大的实例类型或过多的资源
  • 资源蔓延:更容易的部署意味着更多的资源被创建但未被清理
  • 缺乏成本意识:非运维背景的用户可能不了解云资源的成本结构

深度系统知识仍然重要

AI 不能替代的东西

Rosemary Wang 强调,尽管 AI 可以生成 IaC 代码,但深度系统知识仍然至关重要:

  1. 理解底层原理:AI 可以生成代码,但理解为什么这样配置需要深度知识
  2. 故障排查:当部署失败或系统出现问题时,需要深度系统知识来定位和修复
  3. 架构决策:选择合适的架构模式、权衡不同方案需要经验和判断力
  4. 安全思维:识别潜在的安全风险、设计纵深防御需要专业知识
  5. 成本优化:在满足需求的前提下优化成本需要对云服务定价模型的深入理解

AI 是增强工具而非替代品

正确的定位是:AI 是增强工具,不是替代品。AI 可以:

  • 加速重复性的配置工作
  • 提供最佳实践建议
  • 自动检测常见错误
  • 生成初始配置模板

但人类专家需要:

  • 审查和验证 AI 生成的配置
  • 做出架构层面的决策
  • 处理复杂的故障场景
  • 确保安全和合规要求
  • 优化成本和性能

实践建议

1. 加强护栏建设

  • 实施策略即代码(OPA、Sentinel、CloudFormation Guard)
  • 建立自动化安全扫描(Checkov、tfsec、kics)
  • 设置成本告警和预算限制
  • 实施审批工作流,特别是生产环境的部署

2. 投资知识传承

  • 建立内部知识库和最佳实践文档
  • 定期进行技术分享和培训
  • 实施导师制度,帮助新人建立深度系统知识
  • 记录架构决策(ADR)和故障复盘

3. 人机协作模式

  • AI 生成初始配置,人类专家审查和优化
  • AI 处理重复性任务,人类专注于架构决策
  • AI 提供建议,人类做出最终判断
  • AI 辅助故障排查,人类主导根因分析

4. 渐进式放权

  • 先在非生产环境允许 AI 辅助部署
  • 建立信任后逐步扩大范围
  • 始终保留人工审批的关键节点
  • 定期评估 AI 生成配置的质量和安全性

总结

AI 正在深刻改变基础设施即代码的实践。它降低了门槛,让"任何人都可以部署"成为可能,加速了创新速度。但安全护栏仍然滞后于采用,带来了安全和成本风险。更重要的是,深度系统知识在 AI 时代仍然至关重要——AI 可以生成代码,但理解底层原理、排查复杂故障、做出架构决策仍然需要人类专家。正确的做法是把 AI 作为增强工具,加强护栏建设,投资知识传承,建立人机协作模式,而不是试图用 AI 完全替代人类专家。

来源:https://stackoverflow.blog/2026/07/08/what-s-left-for-infrastructure-as-code-after-ai-moves-in/

推荐文章

程序员茄子在线接单