一、案例背景
腾讯互动娱乐事业群（IEG）技术运营部承担着腾讯旗下数百款游戏产品的运维保障工作。游戏行业的运维具有典型的”三高”特征：高并发（如热门游戏新品上线时瞬时流量可达日常的数十倍）、高可用性要求（游戏停服每分钟造成的收入损失和玩家流失难以估量）、高变更频率（版本迭代、活动上线、扩缩容等操作几乎每天都在发生）。王杰作为腾讯IEG技术运营部GitOps平台负责人，拥有12年以上游戏SRE（Site Reliability Engineering，站点可靠性工程）和运维产品设计经验，主导推动了腾讯游戏运维从”过程式命令编排”到”声明式管理”的体系演进，孵化并运营了PowerAPP GitOps应用交付与管理平台。
过去数年间，腾讯游戏在运维基础设施层面完成了一项关键工程：将游戏应用交付全面代码化，并构建了基于GitOps的声明式管理引擎。这意味着，发布变更、扩缩容、配置调整等运维操作，本质上都转化为”修改代码和配置”的动作，所有变更经由Git版本控制系统管理，并通过自动化流水线执行。这一底座使得运维操作具备了可追溯、可审计、可回滚的工程特性。
2026年，随着大语言模型（LLM）能力的快速演进，AI Agent进入SRE领域成为行业热点。然而，王杰团队在调研业界实践后发现一个令人深思的现状：公开的SRE Agent实践普遍停留在告警分析和故障诊断这类”只读”场景——Agent可以帮你看、帮你分析，但不敢让它”动手”操作生产环境。这种”只看不动手”的模式虽然规避了风险，但价值天花板极低，因为SRE工作中最耗时、最需要经验判断的恰恰是变更执行环节。
2026年QCon全球软件开发大会·上海站（10月22日-24日）将”理性驾驭AI的SRE可靠性工程”列为专题论坛之一。王杰受邀发表题为《用Harness工程打造SRE可控的生产环境》的主题分享，系统披露了腾讯游戏在SRE Agent领域的落地实践。其核心主张是：LLM的概率性输出与SRE要求的生产环境确定性之间存在尖锐矛盾，且这一矛盾不会因模型变强而消失；解决方案不是让LLM变确定，而是用Harness工程管控其不确定性——这正是”理性驾驭”的真实含义。
……