Теперь ты ReviewOps?

Иногда день выглядит именно так.
Открываешь утром задачи, а перед тобой очередь из чужих МРов, которые надо посмотреть.
Раньше три ревью в день. Теперь пятнадцать. Сам при этом пишешь заметно меньше.

AI-Агент забрал ровно ту часть, которую все и так делали через силу: перевести человеческое требование в язык конфигурации, вспомнить, как называется нужная команда и какие там ключи, перебрать три варианта синтаксиса и т.д.
Эта работа никуда не исчезла, её просто стало не нужно делать руками. Но на освободившееся место пришла проверка.

Звучит как деградация, но по факту всё наоборот.
Когда изменения генерирует агент, решение поедет это в прод или нет принимает человек.
И принять его может только тот, кто понимает систему целиком: как оно ляжет на текущую инфраструктуру, что зацепит, где может зафейлиться через неделю.
Агенту по сути плевать, он выдал вариант и пошёл дальше.

Получается, ценность опытного инженера не упала, а выросла.
Раньше твой опыт превращался в строчки конфига.
Теперь он превращается в решения, и каждое решение весит больше, чем раньше весила отдельная задача.

Но так же появился и новый кайф в работе.
Когда всё настроено правильно, за один заход прилетает не только твоя фича, но и обновление версии, и закрытый техдолг, и линтер, который ты давно хотел прикрутить. Смотришь на результат и понимаешь, что за день сделал столько, сколько раньше делал за неделю.

Профессия поменяла форму, и это, пожалуй, интереснее, чем было.

А у вас как по ощущениям, ближе к DevOps или уже к ReviewOps?
Напишите в комментариях, интересно, у кого какая пропорция.

Полный разговор с Александром уже на канале, ссылка ниже.
ССЫЛКА НА НОВЫЙ ВЫПУСК

До 7 сентября открыта запись на новый курс Get to Work
Этот поток особенный - ты будешь учиться в отдельной группе вместе с другими студентами.
Новые профессиональные знакомства, обмен опытом, работа над своими и чужими ошибками.
Get to Work - первый курс из трех в рамках нашей новой программы DevOps новой волны


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

✎ Редакция DevOps Фабрики ✎

🛫 На правах напоминалки: сегодня последний день записи на потоковый проход курса Get To Work

Завершились всего несколько первых дней онбоардинга, по сути и заданий то еще не было, а уже:
👨‍💻 сделали несколько десятков ПРов
👨‍💻 обсудили как решать конкретные проблемы и помогли тем кто застрял
👨‍💻 сломали несколько виртуалок
👨‍💻 посмеялись над несостыковками формулировок и номеров задач (все-таки первый проход 🙂 )
👨‍💻 обменялись своим рабочим опытом и опытом применения AI

Группа подобралась очень разная: по опыту, подходам и скорости работы. Кто-то сделал без одного замечания, кто-то нормально так покопался. Глядя на это я адаптировал следующие задания, чтобы точнее учитывать разный уровень участников.

Ну и когда уже все понятно, для всех кто еще думает:
сомневаетесь? - не сомневайтесь,
откладывали? - не откладывайте.

Мы только закончили онбординг, так что сейчас еще можно забежать в единственный групповой проход Get To Work, практически ничего не пропустив. 🟢

➡️➡️ ссылка для записи https://devops-factory.com/programs/gettowork/index.html

Дай гарантию, что я стану девопсом.

Такое прилетает в личку почти каждую неделю. Человек, которого мы видим первый раз в жизни, просит пообещать ему результат. Заплачу за курс, только скажи, что получится.

Но гарантии не будет. Успех зависит от большого кол-ва факторов: твой график, твой интерес, что у тебя сейчас происходит дома, загрузка на работе, ее релевантность для Devops.
Зато после сотен таких разговоров становится понятно, что на технологиях почти никто не спотыкается.

Выучить реально может каждый. Понимаешь, что такое оперативка, ковырялся в терминале, увлекаешься технологиями, любишь докапываться до сути... значит за полгода нормального обучения стек освоишь. Это самая лёгкая часть.
На сварщика учатся дольше. На медика вообще годами.
А тут ждут месяц и пятьсот тысяч сразу.

Есть три самых важных, влияющих на результат, аспекта:

Интерес.
Есть сисадмины, которые кайфуют от такой работы: например упал сервер в магазине в соседнем районе, ты мчишь туда, видишь очередь и табличку "закрыто",бегающие кассиры. А ты чинишь, уезжаешь героем. В девопсе такого не будет. Будут терминалы, команды, скрипты, ревью, ПРы и тд. Если это не драйвит, ты даже от учёбы удовольствия не получишь, просто зря будешь мучиться.

Время.
Семья, дети, дача, качалка, марафоны, подлёдная ловля, а рыбу потом ещё продать🎣. Это полная нормальная жизнь. Только в сутках не появится лишних двух часов от того, что оплачен курс. Приоритеты лучше расставить до оплаты.

Сомнения.
Тут у нас накопилась своя статистика, и она невесёлая. Кто приходит не с вопросом, а за уговорами, обычно никуда не доходит. Смена профессии переворачивает всё: что ты делаешь, кто сидит рядом, как устроен твой день. Если спотыкаешься о сомнения, ещё до старта, дальше проще не станет.

А вот возраста, кстати, в этом списке нет. Александр, рассказывал про знакомого, которому 55 лет. За последний месяц ему написали три эйчара, третий позвал на +50% к текущей зарплате. Так что "в 35 поздно" это не про проблемы рынка труда, а установки в голове.

Кстати про рынок. Да, на вакансии прилетает по шестьсот откликов. Только половина, если не больше, из них это "я знаю автокад, возьми меня девопсом, дай три дня, разберусь". Сотни откликов были и десять лет назад, ничего нового.

Разобрали всё это подробно в новом выпуске, там же про то, что из опыта системного администратора засчитывается, а что придётся выкинуть.
СМОТРЕТЬ ВЫПУСК

Расскажите в комментариях: если вы переходили в девопс, сколько реально прошло от первого ролика до первого оффера? А если до сих пор думаете, что держит сильнее, время, интерес или как раз то, что гарантий никто не даёт?


В октябре у нас запускается курс для инженеров, кто хочет прокачать свой технический стек в связке с AI. Искусственный интеллект, как мы любим повторять, наша новая реальность. И с ней надо уметь работать.
Мы готовы тебе в этом помочь.
Подробности по ссылке - новый курс DevOps Autopilot
Запись открыта!


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

✎ Редакция DevOps Фабрики ✎

В это воскресенье обсуждаем предстоящий Autopilot.

У нас идет четвертая неделя Get To Work. Можно долго рассказывать о том, какие все молодцы и как многому все научились, эта эволюция весьма ожидаема 🥺

Интересны неочевидные бонусы обучающих программ. Это вдохновляет. Мы чувствуем, что теперь можем что-то, чего раньше не могли. А еще знаем, что впереди несколько упражнений, после которых мы станем еще сильнее.

И вот это ощущение "я стал сильнее" вместе с ожиданием "а скоро смогу еще больше" очень заряжает. Иногда настолько, что мы начинаем действовать смелее и продвигаться даже в областях, которые вообще не связаны с темой обучения.

Я к чему. Первая часть нашего курса новой волны уже почти позади. Пора записываться на следующий кайфун курс Autopilot.

В это воскресенье, 4 октября в 18:00 GMT+3, приглашаю на созвон про Autopilot.

Ссылка на созвон и календарь:

❤️ ссылка на звонок
🗓 ссылка на календарь

ссылка для тех, кто уже готов записаться на Autopilot:
➡️запись

Тебе не дадут Senior грейд просто потому, что ты выучил ещё одну технологию.

У мидла есть довольно понятная ловушка.

До этого всё работало логично:
- не знал Linux - выучил
- не понимал сети - разобрался
- не работал с Kubernetes - начал админить
- стал самостоятельнее, начал закрывать задачи без постоянного контроля.

И дальше кажется, что Senior находится там же.
Просто надо ещё немного докрутить стек:
- Больше Terraformа.
- Ещё больше Kubernetesа.
- И конечно еще год-другой опыта.
Но в какой-то момент это перестаёт работать.

❓Попробуй ответить себе на три вопроса❓

Когда случается какая-то непонятная техническая проблема к тебе приходят?
Не из-за того, что ты последний раз коммитил в проблемный конфиг. А именно с вопросом: что делать ? Куда копать? Помоги, мы без тебя не вывозим и тд.

Ты просто делаешь задачки или уже влияешь на то, какие решения принимаются?
Какую технологию выбрать. Стоит ли её вообще тащить в стек. Как потом всё это поддерживать и что будет, если оно развалится ночью.

Ты вообще знаешь, как именно в твоей компании становятся Senior?
Кто это решает? По каким критериям? Есть ли сейчас место под ещё одного сеньора?

Реально, можно полгода учить очередную технологию, делать без перерыва и выходных, таски из беклога, а потом выяснить, что проблема всё это время была вообще не в технологиях и тасках.

После Middle полезно менять вектор.
ИЗ: Что мне ещё выучить?
В: Какие решения мне уже готовы доверять?
Тут и начинается следующая ступень.

В новом выпуске Александр подробно рассказал про переход из Middle в Senior DevOps: грейды, деньги, инциденты, AI и почему годы опыта сами по себе ещё ничего не гарантируют.

СМОТРЕТЬ ВЫПУСК

Поделись в комментариях, когда ты понял, что уже не просто закрываешь задачи, а начинаешь отвечать за решения? А если ты только стремишься к Senior, расскажи чего именно тебе не хватает, чтобы получить грейд?

В октябре у нас запускается курс для опытных инженеров, кто хочет прокачать свой технический стек в связке с AI.
А уже в это воскресение 4 октября Александр проведет созвон, чтобы рассказать подробнее о новом курсе DevOps Autopilot и ответить на любые твои вопросы.

Подробности постом выше👆 - ссылка на звонок


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

✎ Редакция DevOps Фабрики ✎

Интересная стата из интернета про то, как меняются требования на рынке труда.

В технических вакансиях снижается количество отдельных навыков, которые требуют от кандидата, и одновременно растут требования к опыту.

На фоне развития AI выглядит вполне логично. Код или конфигурацию сегодня сгенерировать просто. Гораздо сложнее понять, в какую сторону генерировать и нормальное ли нагенерировано. Написать что-то новое просто. Интегрировать это в существующую систему - сложно.

Поэтому всё большую ценность имеет не коллекция конкретных технологий в резюме, а инженерная насмотренность: понимание, как устроены разные системы, какие решения бывают и где что-то начинает плохо пахнуть.

Именно такую насмотренность мы и нарабатываем на наших курсах: за короткое время пощупать много разного, увидеть разные подходы и выработать чуялку - вот это выглядит нормально, вот это плохо пахнет, а вот сюда стоит копать дальше.

Этим и будем заниматься на Autopilot, который начнётся через пару недель.

В это воскресенье, 4 октября в 18:00 GMT+3, приглашаю на созвон про Autopilot.

Ссылка на созвон и календарь:

❤️ ссылка на звонок
🗓 ссылка на календарь

ссылка для тех, кто уже готов записаться на Autopilot:
➡️запись

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

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 ✎

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

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 ✎

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 ✎