📰 AI 资讯

亚马逊云科技扩展了 DevOps 代理，新增基于 AI 的发布管理功能，可在代码投入生产前进行验证

2026-07-14 11:36

亚马逊云科技<a href="https://aws.amazon.com/blogs/aws/aws-devops-agent-adds-release-management-capabilities-to-assess-code-changes-before-production-preview/" title data-type="link">宣布</a>对 <a href="https://aws.amazon.com/devops-agent/" title data-type="link">AWS DevOps Agent</a> 服务进行重大扩展，推出了新的发布管理功能，旨在评估代码变更并在软件进入生产环境前进行自主测试。这些新功能（发布就绪性审查和自主发布测试）目前处于预览阶段。它们将 DevOps Agent 的应用范围从部署后运维扩展至软件交付管道，使工程团队能够在代码合并前评估生产就绪性，执行组织标准，并生成针对具体变更的测试用例。这一公告反映了软件工程团队在 AI 时代面临的日益严峻的挑战。随着 AI 编码助手大幅增加了生成的代码量和拉取请求数量，传统的代码审查和测试流程已经难以跟上这一步伐。亚马逊云科技认为，虽然 AI 加速了代码的生成，但软件交付却受到人工审查瓶颈、合规性检查和发布验证的制约。增强版的 DevOps Agent 旨在通过充当由 AI 驱动的发布工程师来弥合这一差距。该工具能够在代码变更进入生产环境之前对其进行审查、验证和测试。新的发布管理功能基于 AWS DevOps Agent 现有的运维功能构建。该代理原本已经具备调查生产环境故障、执行根本原因分析以及推荐修复步骤的能力。随着最新预览版的推出，该代理现在能够更早地介入软件生命周期，在代码开发过程中实时分析代码变更，而非等到部署完成后才进行分析。发布就绪审查（Release Readiness Review）功能会根据生产环境要求、跨存储库依赖关系、组织工程标准以及 AWS Well-Architected 最佳实践，对每一处代码变更进行评估。该代理不仅依赖静态分析，还会构建关联存储库的知识图谱，理解服务之间的交互方式，并识别可能引发下游故障或安全风险的变更。工程标准可以使用自然语言定义，这使组织能够将安全、合规、网络、可观测性和运维策略进行规范化，而不需要专门的“策略即代码”框架。除了代码审查外，亚马逊云科技还推出了自主发布测试（Autonomous Release Testing）功能。该功能可针对每次代码变更生成并执行量身定制的测试计划。与运行静态回归测试套件不同，DevOps Agent 会分析代码变更内容，并构建针对功能行为、集成场景以及与此次修改相关的潜在回归问题的测试。测试在客户部署的类生产环境中执行，并生成包含日志、跟踪信息、指标和执行摘要的结构化输出。亚马逊云科技表示，这使得审核人员不仅能了解代码是否通过了测试，还能了解应用程序在验证过程中的行为表现。测试结果会直接显示在 <a href="https://github.com/" title data-type="link">GitHub</a> 和 <a href="https://about.gitlab.com/" title data-type="link">GitLab </a>的拉取请求以及 AWS DevOps Agent 控制台中，或通过集成 <a href="https://kiro.dev/" title data-type="link">Kiro</a> 和 <a href="https://claude.com/product/claude-code" title data-type="link">Claude Code</a> 等工具在受支持的 IDE 中显示。这次发布体现了软件工程领域正在发生的广泛变革。在过去的两年时间里，AI 编码助手极大地降低了编写软件所需付出的精力。然而，代码审查、验证、测试和部署已经日益成为软件交付过程中的瓶颈。亚马逊云科技认为，AI 现在应当着力解决这些下游瓶颈。DevOps Agent 并非仅仅生成更多的代码，而是致力于确保在开发人员合并代码之前，生成的代码是安全的、符合规范的且生产环境就绪的。通过将验证环节直接嵌入到拉取请求工作流中，亚马逊云科技希望在减轻审查疲劳的同时，提高发布信心并加速交付进程。尽管在代码进入生产环境之前，系统仍然需要人工审批，但这标志着向日益自动化的软件交付管道又迈进了一步——在这样的管道中，AI 代理会持续评估风险、验证行为并提供建议，而工程师则保留最终决策权。在 AI 时代不断演进持续集成/持续交付（CI/CD）平台，不只是亚马逊云科技在这样做。GitHub 推出了 <a href="https://www.infoq.com/news/2025/06/github-ai-agent-bugfixing/" title data-type="link">Copilot Autofix</a>，可以让 AI 在漏洞影响生产环境之前，针对 CodeQL 检测出的问题提出安全修复方案。微软已经将这些功能<a href="https://www.infoq.com/news/2026/06/azuredevops-copilot-autofix/" title data-type="link">扩展</a>至 Azure DevOps，而 CircleCI 则在最近推出了 <a href="https://www.infoq.com/news/2026/06/circleci-chunk-sidecars/" title data-type="link">Chunk Sidecars</a>，将 CI 级别的验证直接融入了 AI 编码工作流。Dropbox 的 <a href="https://www.infoq.com/news/2026/06/dropbox-nova-ai-coding-agents/" title data-type="link">Nova</a> 平台同样支持编码代理在隔离的开发环境中运行，而且这些环境可以连接到真实的构建系统和验证管道。尽管各平台解决问题的途径各不相同，但它们都有一个共同的目标：将 AI 的应用范围从代码生成扩展到软件保障。这些平台不再仅仅致力于帮助开发人员更快地编写代码，而是越来越注重确保由 AI 生成的软件能够像使用传统方法开发的应用程序一样经过审查、验证、测试和发布，并具备同等甚至更高的可信度。对于工程团队而言，挑战已经不再是快速产出代码，AI 已经在很大程度上解决了这一问题。如今更大的挑战在于，在不牺牲安全性、可靠性或治理的前提下，对日益增长的 AI 生成的软件流进行验证。亚马逊云科技推出的扩展版 DevOps Agent 表明，未来的软件管道将越来越依赖 AI，不仅用于构建应用程序，还用于决定应用程序何时准备好投入生产环境。原文链接：<a href="https://www.infoq.com/news/2026/07/aws-devops-ai-agent/" title data-type="link">https://www.infoq.com/news/2026/07/aws-devops-ai-agent/</a>

🔗 查看原文 ↗

← 返回资讯列表