与 Oppex AI 首席执行官兼创始人 Prasun Kumar 的简短访谈
内容提要
Oppex AI 开发了 AI 值班代理，能在开发者被叫醒前自动汇总日志、云指标、数据库状态、受影响客户及代码变更，并给出修复建议，目标将平均修复时间降至 10 分钟内。团队用“混沌猴子”随机破坏系统来训练该代理，约九成工作借助 IntelliJ IDEA 等 JetBrains 工具完成，未来目标是实现系统自愈。
延伸解读
生产事故响应的痛点与AI的切入点
文章指出，随着AI加速代码生成，生产环境故障的解决却依然缓慢，因为问题上下文分散在日志、云指标、数据库、客户影响和代码变更等多个系统中。工程师往往需要跨系统手动收集信息，且每个人维护的代码量增加，许多并非自己编写。Oppex AI的代理在唤醒工程师前自动汇总这些信息，正是针对这一效率瓶颈，旨在将平均修复时间压缩到10分钟以内。
混沌猴子：用对抗训练提升代理可靠性
为了让AI代理在生产环境中可靠工作，Oppex AI采用了一种类似游戏的训练方法：让一个“混沌猴子”在测试环境中随机破坏系统，且不告知代理原因。代理需要自行诊断并学习应对。这种对抗性训练模拟了真实故障的不可预测性，使代理在遇到未知问题时能更稳健地处理，从而减少误判。
开发工具选择：深度导航比自动生成更重要
尽管AI能编写代码，但Prasun强调人类仍需大量阅读代码，不能盲目将AI生成的代码推送到生产环境。因此，团队90%的工作在IntelliJ IDEA中完成，辅以WebStorm、PyCharm和DataGrip。他们看重的是IDE的深度导航能力，能快速浏览、搜索并理解类之间的依赖关系，将IDE作为“眼睛”而非仅仅是“手”。
未来目标：从人工介入到系统自愈
Oppex AI当前的目标是将平均修复时间降至10分钟以内，但仍需人工介入——唤醒工程师并告知具体操作。下一步是“AI推荐、人工批准”流程，让推荐足够可靠，一键即可完成修复。最终愿景是系统自愈：问题出现时AI自动诊断并修复，人类无需起床。这一路径反映了生产运维自动化的渐进式演进。
Q&A
Oppex AI 是做什么的？
Oppex AI 开发 AI 值班代理，帮助开发者解决生产环境中的故障。当系统出现问题时，代理会自动收集日志、云指标、数据库健康状态、受影响客户和最近的代码变更，检查问题是否出现过，并在开发者被叫醒前给出修复建议。
Oppex AI 的 AI 代理在开发者被叫醒前会收集哪些信息？
代理会读取日志、拉取云指标、检查数据库是否负载过高、查看实时产品以确定哪些客户受影响，并检查 GitHub 上的变更日志以及该问题是否曾出现及如何修复。
Oppex AI 如何训练其 AI 代理以提高可靠性？
团队使用“混沌猴子”在测试环境中随机破坏系统，且不告知代理原因。代理与混沌猴子对抗，有时混沌猴子会赢，但代理从中学习，从而在生产环境中变得可靠。
Oppex AI 团队主要使用哪些 JetBrains 工具？
约 90% 的工作在 IntelliJ IDEA 中完成，因为团队大量使用 Java。WebStorm 处理 JavaScript 前端，DataGrip 负责数据层，PyCharm 用于较小的 Python 组件，同时使用 JetBrains AI Assistant。
Oppex AI 的短期和长期目标是什么？
短期目标是让平均修复时间（MTTR）降至 10 分钟以内，目前仍需要人工介入。下一步是“AI 推荐、人工批准”流程，最终目标是实现系统自愈，即问题出现时 AI 自动修复，人类无需起床。
Prasun Kumar 对印度初创团队有什么建议？
他认为现在是创业的绝佳时机，过去需要 10 年才能构建的功能现在一年内就能以极低成本完成。许多现有领域都面临颠覆，如果以 AI 为先，大公司会反应迟缓。懂 AI 并能运用它，机会就在眼前。
