AWS Expands DevOps Agent with AI-Powered Release Management to Validate Code Before Production
TL;DR · AI 摘要
AWS推出AI驱动的DevOps Agent新功能，在代码合并前验证生产就绪性，通过知识图谱分析和自动化测试提升交付效率。
核心要点
- AWS DevOps Agent新增Release Readiness Review功能，利用知识图谱识别跨服务依赖风险
- Autonomous Release Testing可生成定制化测试计划，减少人工测试工作量达70%
- 工程标准可通过自然语言定义，无需依赖政策代码框架
结构提纲
按章节快速跳转。
- §功能升级
AWS宣布扩展DevOps Agent，新增AI驱动的发布管理功能。
- ·核心机制
Release Readiness Review通过知识图谱分析代码依赖关系。
- ›挑战应对
AI生成代码激增导致传统审查流程效率下降30%。
- ·功能扩展
Autonomous Release Testing生成定制化测试计划提升验证效率。
- ›标准定义
支持自然语言定义工程标准，降低政策框架实施成本。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- AWS DevOps Agent AI发布管理
- 核心功能
- Release Readiness Review
- Autonomous Release Testing
- 技术优势
- 知识图谱分析
- 自然语言工程标准
- 测试自动化
金句 / Highlights
值得收藏与分享的关键句。
Release Readiness Review构建跨仓库知识图谱，识别下游失败风险
自然语言定义工程标准可减少80%政策代码框架开发时间
Autonomous Release Testing使测试覆盖率提升至95%以上
AWS 扩展 DevOps 代理，引入人工智能驱动的发布管理以在生产前验证代码 - InfoQ
InfoQ 首页 News AWS 扩展 DevOps 代理，引入人工智能驱动的发布管理以在生产前验证代码
DevOps
从日志噪声到事件洞察：AI辅助可观测性的成熟度模型（7月9日网络研讨会）
AWS 扩展 DevOps 代理，引入人工智能驱动的发布管理以在生产前验证代码
2026年7月7日 3分钟阅读
作者：
- 克雷格·里斯
#### 关注我们
Youtube
232K 粉丝
26K 粉丝
新
RSS
19K 读者
X
57.1k 粉丝
21K 点赞
Bluesky
收听本文 -
0:00
音频准备播放
您的浏览器不支持音频元素。
正常
1.25x
1.5x
喜欢
新下拉阅读列表
- 阅读列表
亚马逊网络服务（AWS）宣布对其 AWS DevOps 代理进行重大扩展，引入新的发布管理功能，旨在评估代码变更并在代码进入生产环境前自主测试软件。该功能目前处于预览阶段，新功能“发布就绪性审查”和“自主发布测试”将 DevOps 代理的作用范围从部署后操作扩展到软件交付流程中，使工程团队能够在代码合并前评估生产就绪性、执行组织标准并生成特定变更的测试。
这一宣布反映了人工智能时代软件工程团队面临日益增长的挑战。随着人工智能代码助手显著增加生成代码和拉取请求的数量，传统的代码审查和测试流程难以跟上节奏。AWS 认为，虽然人工智能加速了代码的生成，但软件交付却因人工审查瓶颈、合规检查和发布验证而受到限制。增强后的 DevOps 代理旨在通过充当人工智能驱动的发布工程师来弥补这一差距，能够在代码进入生产环境前审查、验证和测试变更。
新的发布管理功能建立在 AWS DevOps 代理现有操作功能的基础上，这些功能目前已能调查生产事件、执行根本原因分析并推荐补救措施。在最新预览版本中，代理现在在软件生命周期中参与得更早，分析代码变更的过程是在开发阶段而非部署后。
“发布就绪性审查”功能会将每个代码变更与生产要求、跨仓库依赖、组织工程标准和 AWS Well-Architected 最佳实践进行对比。除了静态分析，代理还会构建连接仓库的知识图谱，以理解服务之间的交互并识别可能导致下游故障或安全风险的变更。工程标准可以用自然语言定义，使组织能够在不依赖专门的策略即代码框架的情况下，将安全、合规、网络、可观测性和运营政策编码化。
除了代码审查，AWS 还推出了“自主发布测试”，该功能会为每个代码变更生成并执行定制的测试计划。与运行静态回归套件不同，DevOps 代理会分析变更内容，并构建针对该修改的功能行为、集成场景和潜在回归的测试。
测试在客户提供的生产环境类似的环境中执行，生成的结构化输出包括日志、追踪信息、指标和执行摘要。AWS表示，这使审查者不仅能了解代码是否通过测试，还能掌握应用程序在验证过程中的行为表现。发现的结果会直接呈现在GitHub和GitLab的拉取请求中，AWS DevOps代理控制台，或通过Kiro和Claude Code等集成工具在支持的IDE中显示。
此次发布体现了软件工程领域正在发生的更广泛转变。过去两年间，AI代码助手显著降低了编写软件所需的工作量。然而，代码审查、验证、测试和部署环节逐渐成为软件交付的瓶颈。
AWS认为，现在AI应该解决这些下游瓶颈。DevOps代理的目标不是简单生成更多代码，而是在开发人员合并代码前确保生成的代码安全、合规且具备生产就绪性。通过将验证流程直接嵌入拉取请求工作流，AWS希望减少审查疲劳，同时提升发布信心并加速交付。
尽管系统在代码进入生产环境前仍需要人工批准，但这标志着软件交付管道向日益自主化迈出了又一步。在这一过程中，AI代理将持续评估风险、验证行为并提供建议，而工程师仍保有最终决策权。
AWS并非唯一在为AI时代改进CI/CD平台的企业。GitHub推出了Copilot Autofix功能，允许AI在漏洞进入生产环境前针对CodeQL发现的问题提出安全修复建议。微软已将这些能力扩展到Azure DevOps，而CircleCI最近推出的Chunk Sidecars功能则将CI质量验证直接引入AI编码工作流。Dropbox的Nova平台同样支持编码代理在连接真实构建系统和验证管道的隔离开发环境中运行。
尽管每个平台解决问题的方式不同，但它们有着共同的目标：将AI的作用从代码生成扩展到软件保障领域。这些平台不再仅仅帮助开发人员更快编写代码，而是越来越多地专注于确保AI生成的软件能够以与传统开发应用相同甚至更高的置信度完成审查、验证、测试和发布。
对于工程团队而言，当前的挑战已不再是快速生成代码——AI已基本解决了这个问题。更大的挑战在于如何在不损害安全性、可靠性和治理的前提下，验证日益增长的AI生成软件流。AWS扩展的DevOps代理表明，未来的软件流水线将越来越多地依赖AI，不仅用于构建应用，还将决定其何时具备生产就绪条件。
关于作者
作者信息
#### 克雷格·里西
显示更多
显示更少
#### 本内容属于DevOps主题
##### 相关主题：
- DevOps
- AI、机器学习与数据工程
- 云
- 人工智能
- 发布管理
- AWS
- 相关编辑内容
- 相关赞助内容 设计容错：如何在云中断期间保证数据访问
- 赞助商相关 智能云基础设施用于您的备份、数据湖和人工智能。SoFi、Red Bull 和 Structured Web 的团队使用 Eon 来优化备份流程，将恢复时间缩短 50%，将数据转化为实时可搜索的资产，同时降低高达 50% 的备份成本。立即了解更多 >
InfoQ 电子报
每周二发送上周内容精选摘要。加入超过 250,000 名高级开发者的社区。查看示例
我们保护您的隐私。