Rescale将Agent接入夜间测试流水线，自动分类故障并整理修复建议

Rescale的夜间端到端测试覆盖数百个用例，失败后原本需要工程师跨日志、历史记录和代码仓库定位原因，再转交负责团队。新系统作为现有Argo Workflows流水线中的一步，在Amazon EKS启动分诊Agent，无须另外维护Agent运行平台。 Agent通过Amazon Bedrock调用Claude Opus，结合知识库中的历史故障模式，并经MCP查询CloudWatch日志，将失败分为基础设施、代码、测试不稳定和环境问题，输出带文件引用、函数名及修复建议的结构化报告。工程师先核验报告再决定操作，自动生成PR未纳入首期范围。 团队用AI-DLC组织需求澄清、共同设计和验收，五天内完成预生产部署，数周内投产，并建立支持实时及桩模式的PyTest评估框架。生产迭代中，分类与人工分诊的一致率从44%提高到68%；团队测得，等待故障分析而阻塞生产发布的时间减少20%。这些数字由案例团队披露。