Meta用统一 AI 智能体平台自动发现并修复基础设施性能问题

背景与问题：Meta服务超30亿用户，0.1%的性能回归即意味着可观的额外功耗。其Capacity Efficiency项目分进攻（主动寻找并部署效率优化）与防守（监控生产资源用量、定位回归并部署缓解）两条线，运转多年后的瓶颈是人工排查占用工程师时间。方案与落地：Meta构建统一AI智能体平台，把资深效率工程师的领域经验编码成可复用、可组合的skills，底层是标准化MCP工具接口（查询剖析数据、拉取实验结果、检索配置历史、搜索代码、提取文档），攻防共用同一套工具、只切换skills。防守侧依托自研FBDetect检测回归，官方称可在嘈杂生产环境中捕捉小至0.005%的回归、每周捕获数千次，新增的AI Regression Solver由编码智能体自动生成修复PR并送原根因作者审核；进攻侧可请求AI生成的PR实现效率机会，代码带护栏出现在编辑器中一键可用。效果与数据：官方称项目已回收数百兆瓦电力（约够数十万美国家庭用一年），AI诊断把约10小时的人工回归排查压缩到约30分钟；一年内同一底座衍生出效率问答助手、容量规划智能体、个性化机会推荐等应用，几乎无需新增数据集成。