Wix 通过 AI 为 CI/CD 管道添加了混沌，并提高了可靠性

基于云的 Web 开发服务Wix已经撰写了一篇文章介绍了将人工智能整合到持续集成和持续部署（CI/CD）系统中的新方法。在一篇博客文章中，Wix 展示了概率性 AI 如何与确定性开发流程共存，在不影响可靠性的情况下增加混沌。

在这篇文章中，Wix 的移动发布工程团队解释了他们如何在 CI/CD 基础设施中成功实施 AI 工具，利用 AI 的学习能力而不破坏 CI/CD 系统所需的可预测性。他们明确表示，他们使用 AI 的目的是增强人类的决策能力，而不是取代自动化流程。

领导移动发布工程团队的Itai Schuftan解释说，关键的洞察是认识到并非 CI/CD 的每个方面都需要是确定性的。虽然构建和部署必须保持无懈可击，但解释日志、分类错误和推荐修复等任务处于灰色区域，AI 的模式识别在这些方面表现出色。

当涉及到 CI/CD 时，几乎没人愿意涉足。也许有充分的理由——这是一个艰难且不可原谅的领域，容错率极低。但我的经理坚信这是值得探索的。他认为一定有办法能将 AI 日益增长的能力与构建管道和移动工具的世界结合起来。

Wix 非常谨慎地确保不会逾越界限，AI 不被用来触发部署或做出关键的基础设施决策。相反，它为执行这些操作的人提供指导，提高他们的效率并减轻管理复杂构建系统的认知负担。

Wix 最成功的 AI 应用之一是分析构建日志，这是 DevOps 团队长期以来的一个持续痛点。传统的构建日志冗长、嘈杂且在不同平台上不一致，常常将关键的错误信息埋藏在依赖项警告和晦涩的堆栈跟踪中。

Wix 部署了他们的内部 AI 助手来系统地解析这些日志，识别实际错误，而不仅仅是标记第一行有问题的内容。该系统突出显示关键问题，尝试用通俗易懂的语言进行解释，并建议可能的解决方案。据报道，这每周为开发人员和基础设施团队节省了数小时的来回沟通时间。

这也让开发人员能够更自主地工作，因为以前许多构建失败都需要开发人员联系 DevOps 工程师寻求帮助，从而造成瓶颈并中断他们的工作。AI 驱动的日志分析常常能让开发人员独立地理解并解决问题。

类似的方法正在整个行业中被采用。例如，Datadog的AI驱动的监控功能能够实时解读日志，用通俗易懂的语言突出显示错误并诊断根本原因。其系统还具备预测性故障分析功能，能够自动重启失败的服务或回滚到稳定版本，从而将生产环境中的停机时间降至最低。

Wix 实施了模型上下文协议（MCP），这是一种在处理查询之前为大语言模型提供结构化上下文的规范。MCP 服务器通过提供构建日志、模块元数据和相关文档为 AI 提供上下文。将 AI 连接到 MCP 服务器让系统缩小故障范围，找到它们发生的地方，并经常正确识别受影响的模块。其好处在于能提供更准确的总结、更好地检测根本原因以及采取可行的后续措施。

通过添加来自 MCP 的辅助来提升 AI 对领域背景的理解，Wix 能够减少提示 AI 时所需的冗长表述以及在更通用的 AI 方法中所需的引导。

MCP 让我们从“AI 助手”转变为“AI 同事”。它不再需要引导或冗长的提示——它就是能明白。

Wix 还开发了一个自动化迁移系统，用于解决其移动应用程序中的代码退化问题，这些问题可能非常复杂，包括数十个子项目。迁移系统使用静态分析、启发式和 LLM 能力来识别和更新相关模块代码，同时提出定制的修复建议。迁移框架理解特定模块上下文，包括依赖关系、代码风格和项目设置，并避免应用通用更新。它生成带有建议迁移和变更解释的拉取请求，让迁移负责人能够批准、修改或拒绝建议。

这个系统极大地缩短了迁移时间。Wix 报告说，以前需要长达三个月才能完成的迁移工作，现在只需在 24-48 小时即可完成 100 个模块的前一，同时通过人工监督保持代码质量。

这一成功反映了整个行业对 AI 驱动迁移工具的更广泛采用。Sourcegraph的 AI 代码智能为包括 Reddit 和 FactSet 在内的组织提供自动化迁移服务，据报道，这提高了迁移速度并减少了高达 60%的错误。谷歌在其生成式 AI 驱动的工作流程中使用类似的策略进行自动化代码迁移。它允许 AI 自主生成通过单元测试并经过验证的代码更改，而人类工程师保留审批控制权。据报道，谷歌的这种实施方式加快了迁移工作流程，并将总体迁移时间缩短了高达 50%，同时通过人工监督保持了代码稳定性和可审计性。

在 Wix 公司，谨慎而周到地将人工智能（AI）添加到他们的持续集成/持续部署（CI/CD）流程中，已经带来了系统稳定性和开发人员体验方面的可衡量改进。通过在适当的领域引入受控的非确定性，CI/CD 流程变得更加稳定、可预测和用户友好。Wix 将这一成功归因于明确定义的边界，并在需要的地方保留人工监督。这种方法正在整个技术行业中获得关注。像 Epic 和 Meditech 这样的医疗保健平台使用嵌入在CI/CD流程中的确定性AI智能体，以实现安全、可解释的验证和部署工作流程，优先考虑可重复性和合规性要求。

Schuftan 在博客文章的结尾指出，他们在使用新的 AI 工具时仍在不断迭代改进，利用这些工具来发现和修复瓶颈和重复性任务。

具有讽刺意味的是：通过在正确的地方引入一点不确定性，我们已经使我们的 CI/CD 流程感觉更稳定、更可预测并且更人性化了。

原文链接：

https://www.infoq.com/news/2025/07/wix-chaos-ai-cicd-pipelines/