穩才是快 ～ 以 OKF 打造 Agentic AIOps 治理閉環
TL;DR：把 Agentic AIOps 帶進企業維運，關鍵不在於讓 Agent 立刻碰 production，而是先將既有的人員協作、風險審查與知識傳承整理成可執行的閉環。華碩電腦 infra Lead 許庭魁 Jerry Hsu 分享以 OKF 統一協作脈絡、以 USF 定義權限邊界，並將 To Do、Work Item、Work Log 串成可追溯、可回滾、可稽核的流程；最終再以 Dashboard 量測工作、合規與 ROI。
先問一題：AI 能做，是否等於企業敢讓它做？
分享的起點不是模型能力，而是風險與效率的平衡。講者引用 CLTR 研究報告的觀察，指出 AI 失控的高風險嚴重事件仍在增加；當 AI 被帶往正式環境，組織需要正視不確定性。ISO 31000 所強調的風險治理，在此可視為協調決策與各項活動的共同語言。
在複雜的企業合規環境中，需確認 Agent 是否理解系統架構、歷史變更與回應脈絡；多個 Agent 如何共享知識、協作和決策；以及安全邊界與內部規範如何落實。這些問題並非 AI 時代才出現，而是既有維運管理問題換了新的執行主體。
「agent跟人其實是同一件事情」
— 許庭魁
- 把 Agent 替換成團隊成員後，問題依然成立：不同角色是否對系統有一致認知。
- networking、DBA、infrastructure、WAF 等角色需要共享資訊，但仍須維持職責與權限區隔。
- 因此，Agent 治理不是另起爐灶，而是把成熟的人員協作與管控原則明確化、結構化。
Agentic AIOpsISO 31000風險治理Human-in-the-loop系統脈絡企業合規
全球維運的瓶頸，是理解、協調、治理與執行
講者指出，Google SRE 提及系統上線後的維運成本可占整體專案的 40% 到 90%。對服務橫跨 24 個時區的團隊而言，dDoS 防禦、Bot 惡意流量治理、多區域效能異常、資料一致性與服務可觀測性，都會在營運階段集中浮現。
因此，目標不只是讓 AI 讀懂監控、分析 logs 或回答問題，而是讓 Agent 能安全進入企業 IT operation，協助突破理解、協調、治理與執行的瓶頸。這也意味著自動化不能只看單一步驟的速度，而要看整段事件處理鏈是否受控地完成。
以四角色協作，重現人類維運 SOP
事件發生後，SRE Agent 先接收警報並展開調查；若結果指向資料庫瓶頸，便交接給 DBA Agent 進行 root cause 分析，例如檢視問題是否與前一次上版有關。分析完成後形成 To Do，經驗證、風險評估與核准，轉為可執行的 Work Item；執行後由 SRE 驗證 alert 是否消失。
- Architect：理解新需求與系統架構，產出 Blueprint。
- SRE：接收事件、調查問題、驗證處置結果。
- DBA：針對資料庫面向進行 root cause 分析與處置規劃。
- Audit：依共同 Artifact 稽核 SRE 與 DBA 的產出與實際執行。
這套分工刻意對齊既有團隊的處理方式。真正的難題在於，人的默契可來自 team review 與長期合作，但 Agent 每次 session 背後的 LLM 對需求可能有不同理解；若缺乏共同格式與狀態，交接就容易漂移，也可能讓多個 Agent 對同一告警重複調查。
治理閉環：用 OKF 固化知識與交接
講者採用 Google 的 OKF，搭配團隊 SOP，將架構細節、標準作業流程與權責收斂為 Agent 可讀的指示。OKF 是對人與智慧體友善的開放式指示表示格式；在此實作中，Artifact Type 被定義為 To Do、Work Item、Work Log，並記錄 Change ID、Owner 與環境，使接手的 Agent 能辨識資料的目的、責任與狀態。
- To Do：釐清問題或需求後，列出預計採取的做法與理由。
- Work Item：依風險等級審查後形成的執行項目；部分通則性需求可由 To Do 直接轉入。
- Work Log：記錄執行內容、過程、結果與後續可供參照的經驗。
- 統一派工與 hash 比對：用於降低 Prompt Injection 導致非預期腳本執行的風險。
此處的人機協作關鍵，是把 context 分階段使用，而非將所有判斷與權限一次交給 Agent。Agent 先在 To Do 階段提出方案，再依風險進入審查與 Work Item；完成後以 Work Log 回填結果。這種分層設計像是把維運工作拆成規劃、核准、執行與驗證的接力賽，每一棒都有清楚的交接物，而非依賴單一模型的即時判斷。
「一群人走得遠」
— 許庭魁
OKFArtifactTo DoWork ItemWork LogChange IDRCAPrompt Injectionhandoff
Agent 安全邊界：有規範，更要有實體隔離
權限治理採用 OWASP 的 USF 建議，以 YAML 描述 Permission，包括是否可連外、可使用哪些 MCP、以及禁止使用的工具與能力。講者觀察目前 Agent 會遵照 USF 的規範，但這不代表可以取消驗證；正如人員即使被規定不得進入某區域，仍需要獨立的稽核機制發現違規並採取矯正措施。
在 Zero Trust 的思維下，安全不是只靠 Prompt 說明。Agent 不應持有人類或 production 的敏感身分；它負責提出做法並將任務放入 Queue，真正執行交由獨立 Worker 完成。這種分離使 Agent、使用者與執行者身分彼此獨立，並將技能治理交由 USF、將共享知識收斂到唯一紀錄。
- 身份隔離：Agent 不持有 production 或人類敏感身分。
- 職責隔離：Agent 提供方案，Worker 負責實際執行。
- 區域隔離：Agent 不直接變更 production，任務透過 Service Bus 交給獨立 Worker。
- 稽核隔離：Audit Agent 依規範比對實際執行內容，檢查是否與要求一致。
- 變更控制：production 執行須可控制、可 rollback、可 verify。
USFOWASPZero TrustPermissionWorkerService BusLong Pollproductionrollback
把 Agent 維運也做成可觀測、可量測的系統
可視性 Dashboard 用來回答最基本卻常被忽略的問題：現在有哪些 Agent 在工作、處理哪些 task、狀態為何、哪些 incident 尚未結案、事件主要來自哪裡，以及工作流正處於解決或收斂的哪個階段。講者特別說明，展示用 Dashboard 內的資料是由 AI 產生。
- 事件面：追蹤未結 incident 的趨勢、來源與類型，並提供每日、每週、每月統計。
- 流程面：掌握正在處理或收斂的 workflow，以及各 Agent 的 task 與狀態。
- 合規面：由 Audit Agent 檢查實際執行是否符合既定要求。
- 知識面：將 RCA、對策與量測結果回饋至 knowledge base，供後續變更需求參照。
- 經營面：以工作成果、token cost 與 ROI 回應導入 Agent 的成效問題。
量測不是在流程結束後才補上的報表，而是治理閉環的最後一段。當 RCA 與對策經過結果量測，得到的 lesson 才能回寫到系統 knowledge base；下一次 LLM 面對變更需求時，便能參照這些架構指示與歷史經驗，協助做出更正確的決策。
重點回顧：穩定的治理，才是可持續的速度
「我認為穩才是快」
— 許庭魁
- 先釐清流程與 use case，再導入 Agent；不要急著讓 Agent 進入生產環境。
- 以 OKF 將架構、SOP 與歷史紀錄轉為可共享的 Artifact，降低跨 Agent 交接的理解落差。
- 以 To Do、Work Item、Work Log 分階段使用 context，將規劃、審查、執行與結果明確分開。
- 以 USF、身份隔離、區域隔離與 Worker 執行機制，定義 Agent 不能做什麼，而不只是期望它不要做。
- 讓所有 production 執行具備可追溯、可回滾、可稽核與可驗證的條件。
- 以 Dashboard 量測事件、工作流、合規性、知識回饋與 ROI，使 Agent 的 performance 能被持續檢視。
治理閉環可追溯可回滾可稽核可驗證可觀測性knowledge basetoken costROI