周三下午三点,一个运维工程师盯着屏幕上的AI演示:模型说"我来帮你重启PHP-FPM",然后自己编出了一条shell命令。命令看起来没问题,语法也对,但他不敢按回车。
![]()
这正是Escalane这个项目想解决的问题。作者在MLH Global Hack Week: Builders Week(2026年11月6日至12日)期间,花了一周时间和一种在"AI Ops"演示里反复出现的模式较劲:一个LLM大谈怎么修主机,然后凭空发明出那条能修好它的shell命令。
他的判断很直接:在运维场景里,所谓"工具"往往就是一个shell形状的接口。让模型自由调用工具,等于把三件本不该共用同一个大脑的事揉在了一起。
- 判断——哪种修复类别才合适?
- 授权——现在动这台主机安全吗?
- 执行——确切的shell参数、锁、dry-run、验证
当模型自己撰写命令时,被提示注入的遥测数据就变成了一条远程代码执行路径。作者想要的是一个封闭的动作空间:选一个playbook id(或者升级处理),回答安全问题,然后由harness持有的目录模板从状态绑定的参数里填入shell参数——绝不来自模型的自由文本。
他做出来的东西叫Escalane,一个面向运维的、受目录约束的Decide+Act harness。模型只负责选择哪种修复方式合适,真正执行的只有harness。决策后端叫System One,它针对一份清洗过的状态数据回答类型化的问题:用哪个playbook、是否可以变更、影响范围有多大。它拿不到自由工具带。
整个循环只有四步:
- 摄取——只收症状,拒绝类似命令的字段
- 决策——System One返回类型化答案(选择/置信度/分数)
- 闸门——有序的安全检查,低置信度时失败关闭
- 目录执行——只用模板shell参数,或者升级、转人工
研究默认是dry-run,不动主机。写操作需要双重同意:CLI的--allow-writes和ALLOW_WRITE_OPERATIONS=true。失败关闭的--require-live会在你要求实时后端时拒绝悄悄回退到mock。
作者说,这一周最让他记住的一课是:harness比换模型更重要。换决策模型并不能修复不安全的shell参数撰写问题。语法正确不等于语义安全。
闸门A0到A3按顺序运行,每一个都能在任何东西执行前否决:
- A0——选中的playbook在目录里吗?(成员资格)
- A1——置信度够高吗?
- A2——影响范围可以接受吗?
- A3——拟合的逐标签精度够好吗?不够就转人工审核
A3是最严格的研究姿态。在一次使用System One d3:4b的实时Ollama运行中,它仍然要求人工介入,因为拟合的标签精度偏保守——尽管模型选中的是一个有效的目录playbook。
那次实时命令的输出被精简后是这样的:模型d3:4b,后端ollama,playbook为restart_php_fpm,置信度0.9878,影响分数0.9822,闸门决定是hitl,原因是label_precision,且仅dry-run。
读法就是:实时System One给出了答案,目录playbook被选中,仅dry-run,模型没有发明任何shell参数,A3把它转给了人工审核而不是直接执行。
作者也承认,这是一个研究用的harness,不是生产认证的修复器。保守的闸门会比那种"总是直接跑修复"的演示agent更频繁地要求人工介入。他在种子套件上对比过闸门姿态与无闸门/自由工具调用的基线,足以看出仅靠目录成员资格在注入形状的提示下并不够。完整指标留待后续论文。
至于技术栈,他没有硬凑MLH合作方:Python加uv做CLI和harness,httpx连本地决策后端,Ollama/LM Studio跑本地System One风格的决策模型,外加一个带种子运维目录和mock后端的自定义Decide→Gates→Act harness用于离线打通。
这一周真实遇到的麻烦包括模型拉取和DNS抖动,eGPU被聊天模型占着所以决策模型只能住在第二台机器上,以及"mock上CI全绿"这个陷阱——它教的是接线,不是决策质量。他说,claim fence和--require-live的存在,就是为了不再骗自己。
如果你也在和"带bash权限的LLM"较劲,他想知道你是怎么划这条信任边界的。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.