夜雨聆风
红帽发布AI技能库，通过20年机构记忆赋予智能体超越大模型的能力。该方案以RHEL为基础，OpenShift为平台，Ansible为执行引擎，旨在将AI转变为企业级基础设施的编排器。
译自：Red Hat's skill packs give AI agents something a bigger model never could: 20 years of institutional memory[1]
作者：Steven J. Vaughan-Nichols
红帽认为，让用户获得智能体技能将是人工智能的下一个转折点。
在本周于亚特兰大举行的 红帽峰会[2] 上，红帽[3] 发布了其全新的 专用 AI 技能库[4]。
为什么要关注技能？红帽总裁兼首席执行官 Matt Hicks[5] 在他的主题演讲中解释道：“我们已经将生成式 AI 部署到了公司的每个部门。每个部门都在寻找方法来提高自身效率，或为客户创造更多价值。
“例如，你可能听说过或使用过我们的交互式聊天机器人 Ask Red Hat。它现在运行在我们的客户支持门户上。这个聊天机器人经过了红帽二十多年的支持信息、知识库和工作能力的培训。”
“这个聊天机器人经过了红帽二十多年的支持信息、知识库和工作能力的培训。” ——红帽总裁兼首席执行官 Matt Hicks
虽然它基于 检索增强生成 (RAG)[6] 方法，但它不仅仅是 RAG。通过使其 AI 智能体能够与 RAG 增强的大语言模型 (LLM) 协同工作，这些智能体可以针对真实的红帽环境进行推理、规划和执行，其护栏直接映射到现有的订阅、安全和生命周期规则。
技能胜过更大的模型
因此，红帽正在快速行动，将当今的 AI “副驾驶 (copilots)” 转变为成熟的企业级超级用户。红帽并不是通过追求越来越大的模型来实现这一点的，那不是红帽的风格。相反，通过在 Red Hat Enterprise Linux (RHEL)[7]、OpenShift[8] 和 Ansible[9] 之上产品化一个全新的智能体技能层、技能包和工具，你将能够更好地让 AI 为你运行基础设施。
如果这一切听起来很熟悉，那是理所应当的。因为去年，Red Hat LightSpeed 为其程序的 DevOps 工具包带来了 AI[10]。今年，红帽正将这种方法与智能体 AI 相结合。这意味着你将能够通过编排环境中已有的工具、数据和服务，在有限的监督下解决问题并执行复杂的任务。换句话说，目标是将生成式 AI 从一个闲聊助手转变为一个能够感知、决策并运行端到端工作流的编排器，同时保持在企业政策范围内。
为了支持这种转变，红帽悄悄组建了一个专门的智能体技能库，公开了经过策划的行为——在智能体术语中称为“技能”——这些行为编码了 AI 智能体应如何使用红帽的平台和知识源。这些技能不是仅仅让智能体原始地访问工具和 API，而是将任务理解、规划步骤和护栏捆绑成可重复使用的构建块。
旗舰示例是一个 智能体技能包[11]，它训练智能体像经验丰富的 RHEL 订阅管理员一样行动。通过接入常见漏洞和暴露 (CVE) 提要、勘误表、产品生命周期和支持政策，该技能包使 AI 智能体能够回答问题并提出既技术准确又符合合同规范的更改建议。
“如果说模型是大脑，那么这些技能就是机构记忆，能将它们转化为真正的订阅超级用户。” ——红帽
红帽将其定位为一种“将你的编码助手连接到实时红帽数据——CVE 查询、补丁咨询、产品生命周期和支持指南”的方式，为智能体提供最大限度发挥现有订阅价值所需的上下文。其底层信息是：如果模型是大脑，那么这些技能就是机构记忆，能将它们转化为真正的订阅超级用户。
RHEL 作为智能体基础
它是如何工作的？大致如下：
首先，红帽将 RHEL 和 红帽 AI 技术栈[12] 定位为在生产环境中运行这些智能体的加固基础层。特别是，红帽建议人们使用加固的、基于映像的 RHEL，具有受控的执行路径和可观测性，这呼应了 RHEL 针对关键基础设施的长期设计原则。
如果 RHEL 是基础，那么 OpenShift 和 OpenShift AI 就是这些智能体扩展规模的地方。Red Hat AI 和 OpenShift AI 提供模型托管、分布式推理，并与 Llama Stack[13] 和 模型上下文协议 (MCP)[14] 集成，以便智能体能够以标准化的方式发现工具、技能和数据源。换句话说，OpenShift AI 充当模型端点、智能体运行时和技能注册表的控制平面，Kubernetes 提供常用的隔离、扩展和多租户控制按钮。
Ansible 连接意图与行动
最后，红帽明确将 Ansible 作为智能体决策的执行引擎。在采访和合作伙伴简报中，红帽高管将 Ansible 自动化平台 (Ansible Automation Platform)[15] 描述为智能体意图与生产系统真实变更之间值得信赖的桥梁。
从一开始就内置治理
为了保护这个新的智能体技术栈免受麻烦，红帽强调稳健的安全性和治理。具体而言，技能被视为高价值资产，不仅编码了对工具的访问。然而，智能体将表现出的行为带来了与误用、权限提升和数据泄露相关的新风险类别。
不必担心 AI 会抢走系统管理员和 DevOps 的工作，嗯，至少现在还没那么快。毕竟，Matt Hicks 补充道，“我们取得了许多成功，但也经历了许多失败，当技术几乎每周都在变化时，这很容易发生。但这些教训正在积极地反馈到我们为您提供的平台中，我们相信我们可以成为您旅程中坚实的基础。这不仅仅是一个市场地位；这是我们正在做的事情。大约一年前，我们从构建聊天机器人转向构建 AI 智能体。具体来说，我们想要构建一个智能体系统，它能够处理海量的内部知识并返回真正有用的东西，不是摘要，而是实际的答案。”
尽管如此，红帽的开发者指南强调，在生产环境中部署使用技能的智能体时，需要身份验证、作用域权限和人工在环检查点。此外，可观测性和政策执行应被视为任何智能体部署的一等公民功能。
“你不会被 AI 取代，但你投入时间和精力的地方将发生巨大变化——去弄清楚如何为这些 AI 创建的系统构建和塑造评估方案。” ——Matt Hicks
Matt Hicks 总结道，“这从根本上改变了我们在红帽的运营方式，我们的学习成果直接反馈到我们为大家提供的平台中。我想对在座的软件开发人员直言不讳：你不会被 AI 取代，但你投入时间和精力的地方将发生巨大变化——去弄清楚如何为这些 AI 创建的系统构建和塑造评估方案。”
这一切都符合红帽更广泛的叙事：AI 真正的“下一个转折点”不是参数量的又一次提升，而是能够安全触达生产系统的智能体的运营化。凭借其智能体技能库、具有订阅意识的技能包，以及从裸机到智能体的技术栈，红帽押注其价值在于将当今的副驾驶转变为既懂技术又懂底层支持合同的受管超级用户。
简而言之，对于已经标准化使用 RHEL、OpenShift 和 Ansible 的企业来说，信息很明确：你今天用来运行基础设施的工具，明天将被重新打造以运行你的智能体。
作为一个在编写 Bourne 和 C shell 脚本（当时 Bash 还没出现）中开启技术生涯的人，我对这一切感到有些不安。但让我们面对现实吧。我过去最多管理少数几台服务器。今天，系统管理员监督着数百个服务器实例和数不清的容器。红帽式的、由 AI 驱动的 DevOps 就是未来。
引用链接
[1] Red Hat's skill packs give AI agents something a bigger model never could: 20 years of institutional memory:https://thenewstack.io/red-hat-agentic-skills-repository/[2]红帽峰会:https://www.redhat.com/en/summit[3]红帽:https://www.redhat.com/en[4]专用 AI 技能库:https://catalog.redhat.com/en/ai[5]Matt Hicks:https://www.redhat.com/en/about/company/leadership/matt-hicks[6]检索增强生成 (RAG):https://thenewstack.io/why-rag-is-essential-for-next-gen-ai-development/[7]Red Hat Enterprise Linux (RHEL):https://www.redhat.com/en/technologies/linux-platforms/enterprise-linux[8]OpenShift:https://www.redhat.com/en/technologies/cloud-computing/openshift[9]Ansible:https://docs.ansible.com/[10]Red Hat LightSpeed 为其程序的 DevOps 工具包带来了 AI:https://thenewstack.io/red-hat-goes-all-in-on-ai-powered-lightspeed-system-admin-tools/[11]**智能体技能包**:https://www.redhat.com/en/agentic-skills[12]红帽 AI 技术栈:https://thenewstack.io/red-hat-ai-maas/[13]Llama Stack:https://www.redhat.com/en/blog/generative-ai-applications-llama-stack-notebook-guided-journey-intelligent-operations-agent[14]模型上下文协议 (MCP):https://thenewstack.io/model-context-protocol-a-primer-for-the-developers/[15]Ansible 自动化平台 (Ansible Automation Platform):https://www.redhat.com/en/technologies/management/ansible
