@GergelyOrosz:AI如何改变CI/CD,以及更多团队应该采用哪些明智的部署实践?Robert Erez……
摘要
与CI/CD专家Robert Erez的播客对话探讨了AI如何重塑CI/CD实践、GitOps的细微差别,以及临时环境和渐进式交付等趋势。
查看缓存全文
缓存时间: 2026/06/18 00:01
AI 如何改变 CI/CD,以及更多团队应该采用的合理部署实践是什么?Robert Erez 是 CI/CD 专家,也是我在 Skype 的前同事。时间戳:
00:00 开场 02:09 Skype 的金丝雀部署 05:01 加入 Octopus Deploy 06:15 持续部署 10:26 为什么 Kubernetes 胜出 15:51 本地 Kubernetes 18:50 GitOps 如何工作 25:00 GitOps 的用途与局限 31:04 平台团队的兴起 35:51 AI 如何改变 CI/CD 39:49 渐进式交付详解 47:31 回滚与前进回滚 50:14 功能开关 54:32 开发环境的演变 57:40 云端开发环境(CDE) 1:03:45 自托管 CI/CD 1:09:25 渐进式交付入门 1:11:15 书籍推荐
本节目由以下赞助商提供:
• @AntithesisHQ – 无需人工审查或传统集成测试即可验证系统正确性,避免错误或宕机。https://antithesis.com/pragmatic
• @WorkOS – 让您的应用做好企业级准备所需的一切。https://workos.com
• @turbopuffer – 基于对象存储的向量及全文搜索引擎。快速、廉价且极具扩展性。https://turbopuffer.com/pragmatic
Rob 的三个有趣观点:
- 前进回滚,绝不后退。
当一个系统存在状态(通常意味着使用数据库)时,进行回滚可能导致代码与不再同步的架构进行交互。Rob 的建议是:不要将 v2 的失败视为回到 v1,而是推动到包含修复的 v3。
- GitOps 实际上与 Git 无关。
GitOps 的四大支柱——1) 声明式,2) 版本化且不可变,3) 拉取而非推送,4) 持续协调——都不需要 Git,尽管 Git 可以在这些约束下工作。然而,“GitOps”这个术语让业界变得教条,试图将所有内容塞进仓库——甚至包括绝对不应放在那里的机密信息!
- 整个行业正在出现临时环境取代测试/预发布环境的趋势。
过去,公司只有几名测试人员争夺少量静态测试环境;而今天,在合并前为每个功能分支轻松建立一个完整的临时环境已是家常便饭。这种“临时”环境用于评估功能是否正常,合并后随即销毁。这有助于加快反馈流程。
正在跳转…
来源:https://antithesis.com/pragmatic/ 正在跳转至 /?utm_medium=podcast&utm_campaign=pragmatic_2026&utm_source=pragmatic&utm_content=pragmatic_20260513 (https://antithesis.com/?utm_medium=podcast&utm_campaign=pragmatic_2026&utm_source=pragmatic&utm_content=pragmatic_20260513)
相似文章
@GergelyOrosz:与AI实验室(OpenAI、Anthropic)的一些人聊了他们对软件工程未来的看法…
Gergely Orosz分享了与OpenAI、Anthropic等AI实验室人员交流的见解,指出越接近生产代码的工程师,越不相信AI能完全解决软件工程问题。
@GergelyOrosz:技术面试正在如何变化,CAP定理有什么问题,以及哪些技能变得比……更重要
Gergely Orosz分享了与Neetcode创始人Navdeep Singh的播客精彩片段,讨论了CAP定理的缺陷、技术面试的变化,以及尽管AI进步但编码技能依然持续的价值。
@aiDotEngineer:Tokenmaxxing、生产力与内部 AI 平台——@swyx 对话《The Pragmatic Engineer》编辑 @GergelyOrosz
播客讨论“tokenmaxxing”、AI 带来的真实生产力提升,以及内部 AI 平台如何重塑软件工程师的角色。
@vasuman: 解析了AI前部署工程及其对企业而言在AI时代最大的解锁点。请收听……
播客讨论AI前部署工程师的角色,解释了该角色的职责以及成为一名AI前部署工程师的30天路线图。
@GergelyOrosz: 如今 AI 基础设施和 AI 采用的许多方面让我想起了 2010 年代的云计算采用。人们普遍认为云会降……
Gergely Orosz 将当前的 AI 基础设施采用趋势与 2010 年代的云计算热潮进行了对比,重点突出了两者在成本动态、整合周期以及客户对后端技术漠不关心等方面的相似性。