Meta 的值班 AI 队友如何逐项获得自主权

Meta 工程师 Chinmay Gandhi、Swaapnika Motapothula 和 Vlad Tsvang 介绍了面向值班轮值的 AI 队友。他们希望关联告警、工单、部署和事故历史，让工程师收到证据和需要作出的决定。

在一个凌晨两点的示例事故中，十二个告警同时到来。普通助手可以按要求调查，但工程师仍要选择每一步并串联发现。所提出的队友会更早开始分诊，准备假设、证据和可能的修复。

独立的告警、工单、部署和事故工具分别掌握部分上下文。团队提出每个轮值配备一个队友，拥有自己的身份、团队共享记忆和人工审批关口。

自主权阶梯从只调查和提出建议开始。下一层由智能体起草修复，交人审批。第三层允许它处理选定的低重要性工作，而高重要性的生产决策仍由人负责。

只有当错误成本低、容易发现，而且智能体在具体操作上已有可靠记录时，才会获得更多自主权。代码变更仍需经过正常审查和持续集成。

一个示例看板展示 23 个输入事项，其中三个需要人工决定、两个正在处理、18 个已处理。讲者使用的是合成示例数据，并未把这些数字当成实测生产节省。

三个自动化循环分别负责分诊新信号、查找卡住或失败的运行，以及准备交接班。系统可以把告警、任务或测试失败交给合适的调查者，并在需要帮助时通知人。

团队可以提供自己的智能体、技能和运行手册。每次运行都会记录，使其他工程师能够检查过程或继续对话，而不必从头开始。

队友属于整个轮值，而不是某一个人。团队拥有的身份只获得团队授予的访问权限，共享记忆则把有用决定和纠正带到下一班。

随着情况变化，记忆必须保持有用：条目可以被评分、提升或淘汰。有人纠正答案时，工作可以重新打开，纠正也成为团队的新证据。

团队说，值班负担减轻的早期迹象令人期待，但要等严格研究后才会给出节省数字。下一步包括改善获批准的缓解措施、吸收反馈并衡量节省时间。