随着 AI 能力进入 SRE 领域，可靠性工程本身的不可靠因素也在增加。业界公开的 SRE Agent 实践大多停留在告警和故障分析这类只读场景避免对生产环境进行操作，价值有限。LLM 的概率性输出、存在幻觉且难以复现，与 SRE 要求生产环境的确定性、准确性、一致性存在尖锐的矛盾，并且这个矛盾不会因模型变强而消失。我们的解决方案不是让 LLM 变确定，而是用 Harness 工程管控它的不确定性，这也是“理性驾驭”的真实含义。

腾讯游戏基于已完成的游戏应用交付的代码化与 GitOps 引擎建设，发布变更本质上变成了改代码改配置，恰好落在 AI 当前最成熟的能力区间 — Al Coding。这套方案同时给了 Al 稳定的上下文，也给了它一条无法绕过的变更护栏：变更必经 Git 与人工 Review。在此之上，我们让多个 SRE Agent 与人协作，参与到发布变更、扩缩容、配置与基础设施调整、故障修复等基础运维执行的动作中；每次任务的过程被完整记录，经评估后沉淀为可跨业务共享的能力，从而提升整体 SRE Agent 的运维能力。

本次分享结合腾讯游戏的真实案例，分享 GitOps Harness 工程底座与不可绕过的变更护栏、人与多 AI Agent 的协作机制、先评估再沉淀的经验复用设计，以及可复用的落地经验与踩坑教训。

演讲提纲

1. 行业趋势与挑战

• 业界现状：SRE Agent实践普遍停留在只读分析层，本质是只看不动手
• 根本矛盾：LLM 概率性输出与生产环境确定性要求的冲突，不会因模型进化而消失
• 协作缺口：对话框式的单人单线程无法承载团队协作
• 经验难以复用：Agent 完成的任务缺乏质量判定，经验散落在个人与会话中，无法沉淀为组织资产

2. 案例：如何让 SRE Agent 敢碰生产环境

• 工程底座：全面代码化与 GitOps
• Agent 专家团编制
• Harness 四段闭环与变更护栏
• 实践案例：SRE Agent Team 协同完成云基础设施和游戏应用的扩容

3. 案例：如何让 SRE Agent 与人之间协作

• 看板与 Issue 的状态传递机制
• 面向业务而非个人的 Agent 记忆
• 实践案例：端到端告警自愈闭环—告警到达、自动建单、生成变更、人工审核、合并执行、观测验证

4. 案例：如何让经验越用越强

• 工单与 AI 工时
• 从工单到 Skill

5. 总结与展望

• 组织层面的提效路径：经验沉淀在业务而非个人手上，提效从个人推进到组织
• SRE 左移和上移：从过程中盯着纠偏，转向事前定义边界与验收条件
• 什么该被长期沉淀：不是操作技能，而是“什么算做完、什么情况必须停下来找人"的判断标准

实践痛点

• 不同业务的游戏架构差异很大，如何低成本建立并持续维护业务上下文，让 Agent 的记忆随使用增长而不失真、不过期
• 当 AI 能变更生产环境之后，如何自动生成足够充分的变更影响分析，让 SRE 在几十秒内判断风险
• 多个 Agent 接力时，如何固化诊断证据链，避免下游重复探路、误读上游结论，同时把上下文与调用的成本控制在可接受范围
• Skill 越积越多之后，如何做可见性分级与定期清理

演讲亮点

• 让 SRE Agent 参与基础运维的方案：结合 GitOps 引擎、多 Agent 专家团编制与评估治理体系的 SRE 执行方案
• 真实业务场景下的落地实践与踩坑经验：结合腾讯游戏的真实案例，分享 SRE Agent 从只读分析到代码变更的演进过程与实际效果

听众收益

• 了解如何让 SRE Agent 参与到基础运维的执行动作中：发布变更、扩缩容、配置与基础设施调整、故障修复
• 了解人与多 Agent 协作中状态传递、业务记忆和能力治理的真实难点
• 了解一套从代码化、GitOps、人工 Review 到观测验证的生产级的 Harness 架构