Rescale 用 AI-DLC 构建测试失败分诊 Agent

Rescale 基于 AWS 的 AI-DLC 框架构建了一个智能分诊智能体，自动分类和路由夜间端到端测试失败，从问题定义到 staging 部署用时五天，数周内进入生产。AWS 博客介绍了这一案例。 该智能体运行在 Amazon EKS 上的 Argo Workflows CI/CD 流水线中，调用 Amazon Bedrock 上的 Claude Opus 4.8，将每个失败归类为基础设施问题、代码 bug、flaky test 或环境问题；它从知识库检索历史失败模式，通过 MCP 查询 pod 日志获取运行时证据，最终生成含具体文件引用、函数名和修复建议的结构化报告供工程师审核，整个流程在数秒内完成，输出直接进入团队现有报告流水线。 据 AWS 博客，该智能体与人工分诊的分类一致率从初始部署时的 44% 升至目前的 68%；进入生产后，团队测得分析测试失败阻塞生产部署的时间减少 20%。 AI-DLC 强调 AI 执行、人类决策，通过 Mob Elaboration 和 Mob Construction 会议让团队实时共同确认需求与方案。Rescale 还在评估设立内部 AI-DLC 卓越中心，由一个小团队固化最佳实践，帮助其他团队独立采用该方法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。