📅 活動時間：2026-10-29
📊 投影片：Platform Engineering 的 AI 實際落地案例
📘 聯繫我 Facebook
Title
Platform Engineering 的 AI 實際落地案例
Outline
AI 導入 Platform Engineering 真正困難的是：如何把 AI 放進工程師每天使用的 platform、workflow 與 operation 中，同時維持權限、安全、可觀測性與可維運性。
這場分享從實際工程案例出發，說明 AI 如何協助平台團隊處理重複性工作、跨系統整合與知識分散問題，也會討論哪些工作適合交給 AI，哪些工作仍然需要明確的程式流程與人工決策。
在 AI 時代，所有規格固定的工作流程都該 100% 自動化。當輸入、處理方式與輸出都可以被清楚定義，就不應該繼續依賴人工重複操作；Platform Engineering 的價值，就是把這些流程轉成可靠、可驗證、可持續維護的 automation。
- Platform Engineering 為什麼需要 AI
- AI 如何進入 developer platform 與內部工具
- 案例一：用 AI 降低平台維運成本
- 案例二：用 AI 整合跨系統的工程流程
- 案例三：用 AI 建立可追蹤、可評估的 automation workflow
- 從 Vibe Coding、Coding Agent 到 AI Platform 的技術選擇
- 權限、資料安全、成本與治理的實務限制
Target group
- 負責 Developer Platform、Internal Developer Platform 或 DevOps tooling 的工程師
- 正在評估 AI automation、AIOps 或 Coding Agent 的平台與 SRE 團隊
- 想把 AI 導入工程流程、但關心安全性與長期維運成本的技術主管
主要收穫
你將能從 Platform Engineering 的角度理解 AI 的實際使用情境，辨識適合自動化與不適合交給 LLM 的工作，並學會從需求範圍、系統複雜度、權限風險與維運成本出發，選擇合適的 AI workflow。
重點不是讓 AI 取代 platform team，而是讓 platform team 能把時間從重複操作移到系統設計、可靠性與開發者體驗。
Author
Che-Chia Chang 是一名專注於後端開發、開發維運、容器化應用及 Kubernetes 開發與管理的技術專家，同時也是 Microsoft 最有價值專業人士（MVP）。
活躍於台灣技術社群，經常在 CNTUG、DevOps Taipei、GDG Taipei、Golang Taipei Meetup 等社群分享 DevOps、SRE、Kubernetes、雲端與 AI Engineering 相關技術。
個人部落格：https://chechia.net