36 团队形态
36.1 编制模型
这类业务的人员规模与产能规模不成正比,这是它区别于传统 IDC 的显著特征。录音中给出的编制口径是 1000 台规模不到 50 人,1 万台规模技术团队仍不到 50 人。录待该口径未经核实,但方向与行业趋势一致:推理服务的运维强度主要由故障处理与版本管理决定,而不是由机器数量线性决定。
图 82职能配置与规模的关系
条长为相对配置比例的示意,非具体人数建议。
研发不用加太多人,运维要按点位加。所以点位不能太散,散了人力成本就压不住。
36.2 自动边界
小团队管大产能的前提是把重复性判断交给自动化,包括交给智能体。可以自动化的部分有清晰的边界:有确定判据的重复判断可以交出去,涉及责任归属与商业取舍的决策不能。按这个边界划分,推理运维里可自动化的比例相当高。
图 83运维动作的自动化边界
边界会随工具成熟度移动,但责任归属这条判据本身是稳定的。
能自动化的先自动化,涉及要赔钱和对外承诺的必须人来点头。这条线不能松。
36.3 知识沉淀
小团队的最大风险是知识锁在个人脑子里,交接与轮班都靠人肉传递。可行的做法是把上下文本身当作共享资产来管理:按业务域组织可复用的上下文仓库,每次处理完事故沉淀操作记录和标准流程,让下一个人或下一个工具能直接接手。这套做法的收益在跨时区团队里最明显,因为交接发生在每一天。
图 84知识沉淀的闭环
流程适用于运维与工程两类工作,商务侧的客户上下文可套用同一结构。
每处理一次问题就顺手把记录留下,下一个人直接接着干。这是小团队承接大规模运维的基础。
跨境结构最终要落到责任人和可执行动作。第七部分回到三段录音,把前面的框架逐项套进真实主张。
追问编制口径的分母是整机还是 GPU;哪些判断已经交给自动化、判据写在哪;上一次事故的操作记录沉淀了没有。
修订记录
| 日期 | 改了什么 | 为什么 | 谁 |
|---|---|---|---|
| 2026-08-04 | 按章导入,正文与插图保持原样 | 原稿结构清晰,重写反而损失信息 | 工程 |