自动修复

Amazon ECS 现可自动修复故障 GPU 与实例：这对 SRE 意味着什么

Amazon ECS 新增了自动修复能力，能自己发现并处理运行任务所用实例和 GPU 的硬件故障。以往 GPU 出问题往往只能表现为任务莫名失败或变慢，而实例掉线后 ECS 也难以及时替换上面的任务，这些都需要团队自己写检测和恢复脚本。现在 ECS 会持续监控 EC2 状态、实例上的 ECS 代理和容器运行时，并通过 NVIDIA DCGM 识别真正的 GPU 硬件错误，一旦确认就自动把坏实例移出并重建。对 SRE 来说，日常运维里一类原本要自己兜底的故障可以交给平台处理，自己只需在更模糊的情况下手动干预；目前该能力已在 ECS Managed Instances 和 Fargate 上线。

Shipfox：把编码代理当作 CI 流水线来编排与运行

ShipfoxHQ/shipfox · Run Coding Agents Like CI Pipelines

Shipfox 是一个开源、可自托管的平台，把团队中重复性的工程工作（小工单、依赖更新、失败检查、告警、发布杂务）转化为由编码 Agent 自动启动并执行的 YAML 工作流。工作流把 AI Agent 步骤与你指定的 shell 命令混合在隔离 runner 中运行，支持 gate 触发回环重试、跨事件批次运行的 listening job，以及来自 GitHub、Sentry、Slack、Linear 的触发器，最终以可审阅的 Pull Request、诊断结果或改进建议的形式交付给团队，并可全程查看步骤、工具调用、token 与成本。

XCOR 发布：几分钟内追踪故障，但仍会呼叫工程师

Palo Alto Networks 推出 Cortex XCOR，一款由 Chronosphere 团队打造的 AI 可观测性平台。过去系统出故障时，工程师要半夜爬起来看仪表盘、手动排查，往往光定位问题就要 20 分钟。XCOR 在告警触发时自动启动专用 AI 智能体，自主推理问题并给出修复建议，平均 3 分钟内完成，复杂生产环境中根因分析成功率 75%，另有 19% 被认为有用。它默认仍采用人工确认模式，企业可逐步放开自主权限，目标是让 SRE 从救火转向架构工作。目前该产品已发布，文中未说明具体定价和正式可用范围。

Dynatrace 希望其 AI 智能体能修复问题，而不是制造更多告警

Dynatrace 是一家做应用和基础设施监控软件的公司，它推出了一款叫 Bluebox 的 AI 智能体，想让工程师的工作更轻松。以前监控工具一出问题就拼命发告警，工程师得自己排查、写修复代码，很费时间。Bluebox 会把团队的代码和线上实际运行数据做对比，然后直接生成一个修复补丁（pull request），工程师可以审核后决定是否采用，也可以让它自动运行。它还能把告警和修复建议推送到 Claude、Codex 这些开发者已经在用的工具里，不用再开一个新面板。Dynatrace 仍然提醒客户：批准修复前要先检查，别完全信任 AI 的输出。目前 Bluebox 在七月发布，已可以使用，但公司希望未来 12 到 18 个月团队能逐渐给智能体更多自主权。