开发者实测全自动化 Agent 运维：从排障到部署全链路跑通

完全可以，我现在就是让 Agent 自己发现问题、自己修复、自己测试，最后再部署上线，整个流程已经实现了高度自动化。

核心其实很简单：给足权限、上下文和开发测试环境，同时明确授权边界。

之前分享过一些，今天再完整梳理一下我是怎么做的。

我在本机的 Monorepo 中运行了一个 Claude Code Loop，定时检查 Sentry 中的错误。一旦发现异常，就会分派 Subagent，结合代码、Sentry 错误日志、Supabase 数据以及必要的服务器日志，分析问题并尝试修复。修复完成后，再交给 Fable 做 Code Review，通过后进入部署流程。

如果问题影响到了具体用户，还会创建相应的 Issue。另一边，Grok Bot 会定时检查需要通知用户的事项，起草邮件交给我确认，确认没问题后再发送。整个过程基本都由 Agent 自动推进，我只需要在关键节点介入。

这里有几个我认为很重要的实践。

首先是模型的选择和权限边界。

一定要用自己信得过、足够智能且可靠的模型。我的主 Loop 和 Subagent 使用 Opus，Fable 负责重要的技术分析、决策和 Code Review。

涉及产品交互、文案、技术设计变更、数据库变更、数据修改以及部署等操作，都必须经过我的确认。每个 Issue 完成后，部署前也要向我说明具体改动和处理结果。

另外，每个 Issue 都要求记录 Worklog，并总结经验、更新相关文档，让后续的 Agent 能够复用这些经验。

其次是尽可能提供完整的上下文。

客户端、前端和服务端的错误及崩溃都会统一收集到 Sentry，任何一端出现异常，都能及时发现。

我的 Codebase 是 Monorepo，各端代码都放在一起，Agent 可以直接跨端分析调用链和相关逻辑。需要查询数据库或后端状态时，可以通过 Supabase CLI 获取信息，Cloudflare、阿里云等服务也都有对应的 CLI 可以使用。

这样 Agent 在排查问题时，就能结合代码、日志、数据库和基础设施信息进行完整分析，减少因为上下文不足而误判的情况。

然后是复杂问题的处理。

有些问题在分析过程中会发现，根源可能涉及产品交互逻辑、模块设计或者更大范围的重构。这类问题不适合让 Loop 直接修改，就会创建 Linear Issue，后续再单独安排 Agent 推进。

另外还有一条独立的工作流。Grok Bot 在协助我处理用户反馈时，会与我一起分析问题、确认需求，最终创建 Linear Issue，再交给专门的 Agent 处理。

这样一来，无论问题来自 Sentry 自动监控，还是用户主动反馈，最终都能进入统一的 Issue 管理和开发流程。

测试环境也很重要。

每次测试都会自动创建临时测试账号，由 Agent 自己执行测试。服务端可以直接运行相关测试，客户端则会自行启动模拟器，完成对应的操作和验证。

尽可能让 Agent 自己完成从发现问题、分析原因、修改代码、测试验证到提交 Review 的整个过程。

最近一个很直观的变化是，Sentry 里之前积压的错误已经被陆续清理得差不多了。随着版本不断迭代，用户逐渐升级到新版本，现在收到的错误告警也越来越少。

整个体系运行下来，我最大的感受就是，Agent 能自主完成多少工作，很大程度上取决于你给了它多少有效上下文、工具和权限，以及有没有把边界和验收要求定义清楚。

尽可能提供完整的上下文，开放必要的权限，准备好开发和测试环境，明确哪些事情可以自主执行、哪些必须人工确认，再搭配足够可靠的 SOTA 模型。

剩下的就是让它持续运行，在实际工作中不断完善流程。

希望这些实践经验能对大家有所帮助。