Телеграм канал «DevOps Factory»

Тебе предлагают повышение. А ты не хочешь эту работу.

Наконец-то заметили. Зовут в тимлиды.

Только раньше ты разбирался, почему приложение тормозит, собирал инфраструктуру и автоматизировал то, что всех достало.
А теперь надо объяснить Пете, почему он неправ. Договориться с соседней командой. Распределить задачи. Ответить за сроки, которые сорвал другой человек.
И где-то между созвонами попробовать добраться до своей работы. Хотя своей работой теперь стали как раз эти созвоны.

Вроде карьерный рост.
А заниматься всем этим тебе не особо хочется.

После Senior легко перепутать желание расти с готовностью стать руководителем.
Есть и технический трек: Staff, Principal, архитектура.
Там можно влиять на решения нескольких команд или всей компании без собственных подчинённых.

Правда, спрятаться от людей всё равно не получится.
Придётся объяснять решения, договариваться и добиваться, чтобы предложенный тобой подход заработал за пределами твоей команды.

Поэтому перед следующим грейдом полезно спросить себя: какую работу я хочу делать каждый день, когда поздравления с повышением закончатся?

В новом выпуске разбираем, куда двигаться после Senior DevOps, как выбирать между техническим ростом и менеджментом и что чаще всего тормозит опытных инженеров.

СМОТРЕТЬ НОВЫЙ ВЫПУСК

А тебе предлагали повышение, от которого хотелось отказаться?


📹YouTube | 💬VK | 📲 MAX
1️⃣2️⃣3️⃣4️⃣ обучение

✎ Редакция DevOps Фабрики ✎

Хороший тамада курс, и конкурсы интересные :)

Если бы вы спросили меня, как должен выглядить образовательный пайплайн, который помогает разным людям становится сильно более конкуретными? я бы непременно ответил:
1️⃣ должно быть сложно и развлекательно.
2️⃣ нужен организатор, который постоянно кидается в людей шарадами,а не кормит готовыми ответами.

Особенно приятно видеть, что эти усилия замечены участниками уже прошедшего потокового прохода по get to work. На скриншотах собрали некоторые #отзывы.

Обратная связь, как и любое перекрестное опыление - редкий алмаз для фабрики, которая на 90% построена на индивидуальной работе над специально разработанными последовательностями заданий.

Потоковая работа редкий формат для нас. Обычно мы используем его либо для разовых программ, либо при первых запусках новых курсов.

уже в понедельник начинается первый и единственный потоковый проход Autopilot


Это возможность сравнивать свои подходы с решениями других участников, обмениваться идеями и вместе разбираться с проблемами.

Короче, если хотите воспользоваться батарейками коллективного инженерного опыта, приглашаю на Autopilot!

Начинаем: 19 октября
Длительность: 8 недель
Стоимость: 29 800 р за два месяца. Можно оплачивать помесячно.

Запись тут:
➡️ https://devops-factory.com/programs/autopilot/

Как понять, что AI несёт чушь, если ты сам не знаешь правильного ответа?

Представь ситуацию.
Приложение в Kubernetes перестало подключаться к базе. В логах таймауты, сервис не работает.
Ты отправляешь ошибку AI и спрашиваешь, в чём проблема.

AI уверенно отвечает:
Скорее всего, дело в NetworkPolicy. Исходящий трафик заблокирован. Вот исправленный манифест

Причём не просто отвечает, а подробно объясняет, почему это происходит, приводит примеры и предлагает готовое решение.
Выглядит убедительно. Осталось применить.

А что, если NetworkPolicy вообще ни при чём?

Например, приложение пытается подключиться по старому адресу базы.
Но вместо проверки адреса мы меняем сетевые политики. Возможно, даже открываем доступ туда, куда раньше он был закрыт.
Проблему не решили, зато новую потенциально создали)))
И самое неприятное, что ИИ не обязательно выдаст какую-нибудь очевидную дичь.

Наоборот, его неправильный ответ может выглядеть совершенно профессионально.

Правильные термины, рабочий YAML, логичные объяснения, ссылки на документацию.
Только вывод неверный.

А как проверить работу AI, если ты сам не знаешь, какое решение правильное?

На самом деле необязательно заранее знать ответ.
Но нужно понимать, как этот ответ проверить.

Вместо того чтобы сразу применять предложенное исправление, можно задать агенту несколько вопросов:

- На основании каких данных ты сделал такой вывод? Это подтверждённая причина или предположение?

- Какие ещё причины могут давать такую ошибку?

- Как проверить твою гипотезу, ничего не меняя в работающей системе?

- Как убедиться, что исправление действительно решило проблему и не создало новую?

А дальше уже смотреть логи, метрики, конфигурации, проверять сетевую связность и результаты изменений.
Причём важно не просто попросить AI самого себя перепроверить.
Он может столь же убедительно подтвердить собственную ошибку.
Нужны реальные проверки и факты.

И вот здесь инженерная база становится ещё важнее.

Потому что AI может сгенерировать Kubernetes-манифест, но если ты не понимаешь, как работают сервисы, сеть, DNS и политики доступа, оценить его решение будет сложно.

Получается интересный парадокс.
AI позволяет выполнять задачи, до которых раньше у тебя не хватало знаний.
Но одновременно повышает риск незаметно сделать какую-нибудь фигню, потому что ты не понимаешь, что именно он сделал.
И чем больше самостоятельности мы даём агентам, тем серьёзнее эта проблема.

Именно поэтому в DevOps Autopilot мы не ограничиваемся обучением написанию промптов.

В течение 8 недель будем разворачивать и эксплуатировать большую многокомпонентную систему в Kubernetes с помощью AI-агента.

Наша задача научить пользоваться его возможностями, не отключая собственную голову.

Программа DevOps Autopilot
старт 19 октября



📹YouTube | 💬VK | 📲 MAX
1️⃣2️⃣3️⃣4️⃣ обучение

✎ Редакция DevOps Фабрики ✎

А насколько хорошо ты на самом деле умеешь работать с AI?

В прошлом посте мы обсуждали любимую фразу опытного инженера:
Да я быстрее сам сделаю

Это про историю с 502-й ошибкой. Когда проще самому посмотреть логи и починить сервис, чем объяснять AI-агенту, где искать проблему и что ему вообще разрешено делать.

Но AI ведь можно использовать очень по-разному.

Один инженер просит ChatGPT/Claude объяснить ошибку в YAML. Другой уже не пишет конфиги руками. А у третьего агент сам разбирается с инфраструктурой, готовит PR и прогоняет проверки.

И все трое говорят, что активно используют AI в работе 😁

Давай проверим, насколько далеко ты продвинулся.

Собрали небольшой чек-лист из 8 пунктов. От самого простого до полноценной работы с инфраструктурой через AI-агентов.

Отмечай, что уже делаешь.

1. Использую AI вместо Google

Что означает ошибка? Какой флаг у kubectl? Почему контейнер не стартует?
Вместо поисков по форумам спрашиваю нейросеть. Получаю ответ, проверяю и иду дальше.

2. AI пишет за меня код и конфиги

Dockerfile, bash-скрипты, Terraform, Kubernetes-манифесты. Описываю задачу, получаю готовый вариант, что-то исправляю руками.
Вроде уже неплохо. Время экономится, пальцы отдыхают

3. Поручаю агенту задачу целиком

Не копирую кусочки кода из чата, а запускаю Клод прямо в проекте.
Агент сам изучает репозиторий, находит нужные файлы, вносит изменения, запускает проверки и готовит PR.
Мне остаётся разобраться, что он там наделал.

4. Умею поставить задачу так, чтобы не пришлось всё переделывать

Не просто разберись, почему сервис падает.
А объяснить, что должно работать, где искать информацию, что менять нельзя и по каким признакам мы поймём, что проблема решена.

5. Настроил агента под свой проект

У него есть инструкции, скиллы, правила работы с репозиторием и доступ к нужным источникам информации.
Например, можно попросить его развернуть тестовый Kubernetes-кластер с нуля. И он знает, что делать, даже если вчерашний кластер давно удалён.

6. Умею ограничивать AI не только словами

Агенту можно сколько угодно повторять не трогай прод.
А можно настроить hooks, RBAC и IAM так, чтобы он физически не мог выполнить запрещённые операции.
И проверить, действительно ли ограничения работают. Потому что между агент обещал ничего не ломать и агент не может ничего сломать довольно большая разница

7. Умею проверять и контролировать изменения агента

Агент принёс PR на несколько сотен строк. Тесты зелёные. Красота!
Но почему он выбрал именно такое решение? Не нарушил ли архитектуру? Что произойдёт при следующем обновлении?
Умею разбирать чужие дифы, находить ошибки, выстраивать автоматические проверки и организовывать изменения через GitOps.

8. Могу доверить AI эксплуатацию целой системы

Не одного контейнера, а полноценной инфраструктуры.
Kubernetes, приложения, базы данных, очереди, CI/CD, мониторинг, алерты, бэкапы.
И я могу проверить результат, восстановить инфраструктуру с нуля и даже сказать, сколько времени и денег на всё это ушло.

Ну что, сколько галочек получилось из восьми?

Если остановился на первых двух-трёх, AI уже помогает тебе работать быстрее. Но до полноценного AI-driven DevOps ещё есть куда расти.

И самое интересное, что всё это не обязательно годами осваивать на собственных ошибках.

Мы собрали эти навыки в одну практическую программу DevOps Autopilot

19 октября стартуем. Впереди 8 недель практики.

За это время будем с нуля разворачивать в облаке большую многокомпонентную систему и постепенно превращать её в полноценную платформу.

Причём одну и ту же систему предстоит развернуть трижды:
- сначала напрямую через Kubernetes;
- затем через GitOps с ArgoCD и Kustomize;
- потом с использованием Helm.

И всё это с одним правилом:
Никаких ручных изменений и ручных коммитов.
Только через AI-агента.

Программа и запись на DevOps Autopilot

А теперь признавайтесь, сколько пунктов закрыли?
Особенно интересно послушать тех, кто уже добрался до 6–8. Как у вас всё это устроено на реальных проектах?


📹YouTube | 💬VK | 📲 MAX
1️⃣2️⃣3️⃣4️⃣ обучение

✎ Редакция DevOps Фабрики ✎

Уже в понедельник начинаем Autopilot, главный курс программы DevOps новой волны 🚨🚨🚨

- Петр Иванович, ждем от вас стратегического решения по выбору провайдера облачных сервисов.

- Петя, а куда будем сервисы деплоить, и как сделать чтобы недорого?

Ну и злободневное:
- Пееетя, срооочно, куда нашей инфре съезжать, а то у старого провайдера все горит!
Инженерам разного уровня такие вопросы надо уметь решать.

Как принимать такие решения? Достаточно ли зрел ответ "мне нравится яндекс клауд, регся там"? Может быть нужно анализировать? Определить критерии выбора, веса, доступные альтернативы?

В жизни очень желательно поручать решать такой вопрос опытным инженерам, тем, кто такой опыт уже имеет.

Но откуда его брать, если ты мидл девопс, но никогда не занимался такими задачами?

Именно поэтому это задание первой недели курса автопилота. И он с прикольчиком из реальной жизни. Участники нашего первого прогона уже задают вопросы, а как собственно мы это будем решать ну в октябре то 2026го года 😄

Что особенно интересно, каждый участник проверит свое решение эксплуатацией сервиса в течении двух месяцев. А бонусом нашего потокового старта будет возможность сравнить свой выбор с выбором коллеги.

Одно дело нарисовать красивую табличку и совсем другое - жить с последствиями своего выбора.

На следующем собеседовании ты сможешь не теоретизировать о том, как правильно выбирать облако, а конкретно рассказать, как выбирал его сам, что учитывал и как потом эксплуатировал.

Начинаем: 19 октября
Длительность: 8 недель
Стоимость: 29 800 р за два месяца. Можно оплачивать помесячно.

Узнать больше и записаться тут:

➡️https://devops-factory.com/programs/autopilot/index.html

Почему опытному DevOps инженеру сложнее освоить AI, чем новичку?

Есть у опытного инженера одна привычка, которая здорово мешает освоению AI-агентов.
Да я быстрее сам сделаю

И ведь не поспоришь. Особенно когда за плечами десять лет работы с инфраструктурой.

Например, прилетает алерт: Сервис отдаёт 502.
Ты прекрасно знаешь, где посмотреть логи, какие метрики проверить и куда копать.

А теперь представь, что вместо привычных действий нужно объяснить всё это AI-агенту.
Где искать информацию, какие инструменты использовать, куда ему можно лезть, а куда категорически нельзя.
Пока всё это настроишь, уже три раза сам починишь.
Ну его нафиг!

И прикол в том, что опытный инженер продолжает решать задачи привычным способом, а AI использует по мелочи. YAML накидать, команду подсказать, ошибку объяснить.
Вроде бы пользуешься современными инструментами, даже, кажется, время экономишь.
Но сам рабочий процесс вообще не поменялся.

А ведь можно однажды настроить агенту доступы, описать контекст проекта, правила работы, проверки и ограничения. И дальше уже не объяснять каждый раз с нуля, где искать логи и как оформлять изменения.

Агент получает задачу, разбирается, готовит PR.
Ты проверяешь, насколько решение адекватное, и решаешь, что с ним делать дальше.

Но тут есть один нюанс...
Делегировать задачу и уметь проверить результат её выполнения это совершенно разные навыки.

Новичок может спокойно попросить AI развернуть Kubernetes и получить вполне убедительный результат. Только вот понять, что именно он развернул, насколько это безопасно и почему оно завтра может развалиться, ему будет куда сложнее.

У опытного инженера с этим гораздо лучше.
Есть понимание технологий и способность заметить, когда решение сворачивает к обрыву.
Осталось дело за малым - научиться полноценно использовать эти знания в работе с агентами.

Собственно, ради этого мы и придумали DevOps Autopilot.
- На курсе будем разворачивать и эксплуатировать большую систему в Kubernetes.
- Все изменения только через AI-агента. Ни одного ручного коммита. Даже если очень хочется быстренько всё поправить самому
- Будем учиться настраивать работу агентов, ограничивать их возможности, проверять решения и разбираться с проблемами, которые они нам обязательно подкинут.

До старта осталась одна неделя.
На этом потоке будем работать вместе с другими инженерами, обсуждать решения и делиться опытом. Далее курс будет только для самостоятельного прохождения( с обратной связью от ментора)

Если ты давно хотел прокачать свой технический стек в связке с AI.
Записывайся на участие в новом курсе DevOps Autopilot.

В комментарии можешь задать вопросы по обучению, мы с радостью ответим.
Да, в целом, можем ответить и на любые другие вопросы😁


📹YouTube | 💬VK | 📲 MAX
1️⃣2️⃣3️⃣4️⃣ обучение

✎ Редакция DevOps Фабрики ✎

всем приветики!

уже через пару часов состоится наш прекрасный созвон про Autopilot, курс посвященный применению ИИ в DevOps. ближайшие два месяца планируем пробежаться плотно по специфике применения ИИ в нашем высокоответственном девопсе и по куберам.

для привлечения внимания коммент под шотсами, в нем комментатор тоже подчеркивает важность использования ИИ 🍿

созвон состоится сегодня, в это воскресенье, 4 октября в 18:00 GMT+3,
Ссылка на звонок и календарь:

❤️ ссылка на звонок
🗓 ссылка на календарь