智算时代的运维新范式：WPS的AI SRE Native探索与演进

      在人工智能技术从“辅助编码”向“自主决策”演进的浪潮中，企业级应用的稳定性保障正面临前所未有的挑战与机遇。金山办公WPS全球月度活跃设备数达6.78亿，作为国内领先的办公软件巨头，正以前沿的AI SRE Native技术，重新定义企业级应用的稳定性保障范式。

      2026年9月17日，在华为全联接大会2026华为云技术服务论坛上，金山办公运维总监曾华山发表《AI SRE Native探索与演进》主题演讲，他深入剖析了从传统运维到AI原生SRE的演进路径，阐述金山办公如何携手华为云以“确定性”的运维边界驾驭“概率性”的AI能力，从而为亿万用户打造坚如磐石的运维底座。

 金山办公运维总监曾华山现场发言

      SRE Agent 的核心命题：在不确定性中坚守可靠性边界

      曾华山指出，SRE Agent进入生产环境后，如何创造价值而不突破可靠性边界，是SRE领域探索的核心命题。SRE Agent的核心挑战在于：在不确定性中做出可审计、可回滚的安全决策。Code Agent的“火热”，核心是因为其主要工作在边界清晰、环境静态、可复现的开发环境中，其反馈闭环短，失败成本主要体现为时间和Token消耗，且具备回退机制。而SRE Agent却相对“冷门”，是因为其直接面对生产运行环境，存在跨集群依赖、部分可观测性、噪音与关联故障并存等复杂情况。

      以“确定性运维”为基，构建AI SRE的稳定可靠底座

      针对SRE Agent在不确定性环境下的决策难题，金山办公联合华为云构建了一套AI SRE能力运作模型，该模型结合华为云确定性运维体系，以“一底座、两路径、三循环、四道门、五级自治”为核心框架，旨在通过AI技术实现运维的智能化与自动化。其中，“一底座”是运维数据与能力的统一支撑；“两路径”分别应对已知问题和未知探索；“三循环”实现认知、执行与学习的闭环；“四道门”确保全链路的可靠性；“五级自治”则描绘了从人工到AI自主演进的成熟度路径。整个体系强调数据驱动、证据支撑、风险可控、验证闭环，最终目标是实现高效、智能、稳定和可持续的运维。

图：金山办公AI SRE能力模型

      金山办公AI SRE能力模型

      此能力模型在设计理念上，从“第一性原理”出发，将AI SRE Native定义为一个以服务可用性目标为约束、以实时证据为输入、以可组合工具为执行单元、以验证和回滚为安全边界的闭环控制系统。同时，从“面向不确定性”的角度，构建了风险分级、置信度管理、结果验证、人工介入和可恢复控制等机制，形成一个既高效又安全的自动化运维体系。

       AI SRE Native演进三阶段：从辅助到原生

      金山办公将AI SRE的演进划分为三个阶段，从“AI辅助SRE”到“AI驱动SRE”，再到“AI原生SRE”，曾华山强调，AI SRE演进的核心不是赋予AI更多工具和权限，而是持续扩大“安全闭环”的边界：

      ● AI辅助SRE阶段：以“人主导、AI辅助”为特征。AI负责理解系统、整理证据、生成建议，由人工确认并验证结果。这一阶段遵循“全域接入、低门槛”和“鼓励试错、证据驱动”的原则，旨在先辅助人做出可靠判断，再逐步承接有边界、可验证的任务。

      ● AI驱动SRE阶段：进入“AI闭环，人控边界”模式。通过SRESPEC任务契约，实现无人值守但非无人负责。系统执行命令成功不等于服务恢复，必须依靠统一平台进行目标解析、上下文获取、规划、执行、验证及状态回写，留下唯一任务ID和完整证据链。

      ● AI原生SRE阶段：实现“AI闭环，系统控险，人治理”。AI承担高频闭环任务，人负责目标设定、例外处理和最终治理。此阶段AI深度融入系统，实现可靠性生产方式的重构，人从执行者转变为治理者。

      AI SRE演进的三阶段，是从AI辅助提升人工效率，到AI驱动接管场景闭环，最终通过AI原生重构可靠性生产方式。曾华山表示，在AI SRE演进的过程中，核心要在不确定性中实现可审计、可回滚的安全决策，让AI从工具辅助变向人机协同的可靠性角色。

      金山办公 AI SRE 架构实践：构建可控的风险和授权边界，释放AI潜能

      基于AI SRE 理念，金山办公构建了全新的AI SRE架构，整体架构围绕“一个核心目标”展开：在风险预算和授权边界内，持续保障用户可感知的SLO。同时，通过智能化手段提升系统稳定性、可用性与变更安全性。

      架构从下至上涵盖从生产资源到AI决策的完整闭环多个层级，同时强调“任务闭环”与“学习闭环”，实现从问题发现到恢复的完整流程，以及从实践到能力进化的持续优化。这套架构实现系统自愈效率提升，让AI负责故障快速定位、容量自动扩容和模型灰度发布与回滚等高频重复动作，让人专注复杂判断与策略优化。通过更高的可用性、更快的恢复和更安全的变更，真正让技术赋能业务，让用户享受更稳定、更流畅的办公体验。

      另外，为确保AI SRE的安全性，该架构结合 Harness 与 Skill能力，构建 Agent 生产准入的确定性保障体系，实现错误可发现、可控制、可恢复。
在组织与AI协同层面，提倡AI SRE Native 文化原则，突出“现网可用性第一、证据优先、自动化优先、首问责任制”等核心理念。曾华山强调，AI与人的协同，一定是人定义目标和边界，Agent承担执行，平台提供护栏，组织对结果负责。

      AI时代，打造更稳定的AI办公新体验，服务全球亿万客户

      在AI深度重塑办公场景的当下，金山办公正以系统化思维，构建可持续、可信赖的AI基础设施，为用户体验与业务连续性筑牢基石。面对全球亿万用户的期待，金山办公深知：SRE与基础设施的稳定性，直接关乎每一位用户的办公体验。从传统运维到DevOps，再到云原生及确定性SRE，直至迈向AI SRE，这一演进路径并非一蹴而就，而是金山办公与华为云携手深耕的必然结果。

      金山办公的AI SRE Native实践表明，技术定义了Agent能力上限，而文化与治理决定了Agent能力能否长期健康运行。通过构建可审计、可回滚、可控制的智能运维体系，金山办公正在重新定义云原生时代的运维标准，为行业提供从“人工运维”向“智能自治”转型的宝贵范式。

      未来，金山办公将持续演进智能运维体系，以更加稳健的数字基座，为全球亿万用户提供始终在线、始终稳定、始终高效的服务体验。