關於“AI Brendan”與“虛擬 Brendan”（2025）

近期出現了多個使用或基於 Brendan Gregg 工作成果訓練的 AI 效能工程智慧體。有的智慧體幫助解讀火焰圖和 eBPF 指標，私下被稱為“AI Brendan”；有的則在 Gregg 的公開成果（超過 90 場演講、250 篇部落格、600 個開源工具和 3000 頁書籍）上訓練出“虛擬 Brendan”，聲稱能像他本人一樣調優一切。Gregg 在 2025 年 11 月 28 日的個人部落格中坦言，這聽起來像有人把自己的大腦上傳到雲端出售，並指出這是新興領域，涉及不同的人、目標和金錢；他同時強調這是他個人觀點，不涉及僱主內部專案，也不是購買推薦。

Gregg 將相關產品分為兩類：AI 智慧體和虛擬 Brendan。AI 智慧體做類似 Brendan 的工作，例如系統效能建議、火焰圖和 eBPF 指標解讀，已有多個產品，總體上有用。虛擬 Brendan 則是基於他全部出版物訓練出的“虛擬的他”，但 Gregg 估計這隻能自動化他作為效能工程師約 15% 的工作，並且如果不持續隨著行業變化更新，很快就會過時。

他提到了“Fast by Friday”方法論：讓系統在五個工作日或更短時間內完成效能根因分析。AI 智慧體透過匹配歷史問題可以節省時間，對缺少效能工程師的公司，預期能發現約 10% 到 50% 的效能提升。他也承認自己近年已在用 ChatGPT 處理研究任務，例如查詢 release notes 或舊補丁，認為 AI 對效能工程有很大幫助。

商業化挑戰方面，Gregg 列出了多個難點。首先效果難以量化：產品可能帶來 10%、30% 或 0% 的提升，客戶需要投入工程時間測試卻無法保證回報，免費試用有一定幫助。其次分析類定價模式困難：客戶可能只為一個例項付費，然後把修復方案複製到整個叢集，甚至永久使用。調優類定價更難：曾有 AI 自動調優器試圖透過保密調優變更來強迫客戶持續訂閱，但這在工程上站不住腳。Gregg 說他本人會透過檔案系統校驗和、系統呼叫跟蹤、核心除錯工具等方式迅速找出改動；他認為這實際是技術上的捉迷藏，而且對生產環境（尤其是超級使用者級別）進行不透明的修改本身就違背變更控制。

更嚴重的是，秘密調優的智慧體很可能在公司級故障時被指責。一旦發生大規模中斷，問“最近有人改了什麼？”而答案是“我們不知道，AI 在秘密修改”，這幾乎肯定會導致該工具被立即禁止。此外，即使智慧體發現的修復本應上游化，比如某個 JVM 引數最佳化，最終也會透過開源社群、員工跳槽或硬體廠商推動而被修復到目標軟體中，因此智慧體能找到的“增量最佳化”會隨時間遞減。

Gregg 還擔心將效能思考外包給 AI 會降低公司的“效能智商”。如果公司因為 AI 而減少效能工程師投入，長遠會削弱自身能力，甚至形成惡性迴圈：行業新人不願進入效能工程，整體能力下降。他認為這類專案更適合作為內部工具或開源協作，而不是靠保密和訂閱費維生的商業產品。

關於“虛擬 Brendan”，Gregg 強調他的出版物只是不完整的快照：他寫了很多可觀測性、剖析、跟蹤和 eBPF 的內容，較少涉及調優和基準測試，分散式跟蹤幾乎沒有；而且文字總結遠不如他腦中 20 多年除錯經驗的深度，所以只能做出一個部分的、快速過時的虛擬版本。他指出沒有“Brendan Gregg 基準”或能力實證，因此有些產品可能只是帶幾個 eBPF 圖表和火焰圖的儀表盤，但宣傳得天花亂墜；他已經見過一個昂貴的失敗產品，但不會輕易否定整個想法，因為已有其他專案在繼續嘗試。

Gregg 表示自己目前沒有參與任何這類產品，並呼籲“我們需要 AI 來幫助拯救地球免受 AI 的傷害”。隨著系統日益複雜、AI 資料中心成本不斷上升，效能工程比以往更重要。他祝願那些既敢承諾也能兌現的 AI 智慧體專案好運。