Swamp之所以有趣，是因为它不信任AI

当前AI工具领域的主流趋势是追求更高的自主性、更多的代理和更不透明的黑箱。演示效果令人印象深刻，但实际往往只是一堆提示词、Shell脚本和侥幸的运气。然而，Swamp却反其道而行之，这正是它的有趣之处。Swamp并不自称是最强大的代理框架，也不承诺实现通用人工智能，更不宣称要取代工程师。相反，它关注的是被大多数人忽视的可靠性问题。

作者在平台工程和SRE领域工作多年，深知最可靠的部署流水线并非最智能的那条，而是每次都以相同顺序执行相同检查的那条。在需要确保环境和构建一切正常时，你需要的正是一个按部就班的检查清单。每当Claude生成一个糟糕的Bash脚本时，作者都会想：这个逻辑应该放到Swamp里。真正重要的不是具体实现，而是工作流本身。你不必操心Shell脚本、临时文件、编排胶水和进程管理，只需思考：应该执行哪些检查？以什么顺序？收集什么证据？失败时如何处理？这是一个工作流问题，而Swamp正是将工作流作为一等公民来解决。

Swamp最有趣的地方或许并非AI，而是它提供了一种定义和执行组织工作流的方法。任何大型组织里，人们都在重复发明相同的流程：工单→设计→PR→审核→部署；事件→调查→验证→修复；变更请求→批准→发布；安全发现→评估→修复。问题不在于AI能否执行这些工作，而在于我们能否最终将工作描述清楚。

Patrick Debois最近指出，大型组织可能需要更“电池内置”的解决方案。这或许没错，但Adam Jacob的回应同样重要：最好的工作流并非源于中央预测，而是人们在边缘解决实际问题时涌现出来的模式，然后逐渐成为共享知识。Chef是怎么来的？DevOps是怎么来的？组织AI工作流也可能这样诞生。

平台工程师多年来一直致力于建设“铺好的路”——黄金路径、模板、护栏。Swamp似乎是这一思路的自然延伸：如果我们能定义组织如何调查事件、审核变更、验证发布或评估风险，而不只是无人阅读的文档或无人更新的Confluence页面，而是作为可执行的工作流呢？

最令作者兴奋的是，Swamp提供了一个注入确定性的场所。我们不需要一个更自主的系统，而是一个能可靠执行所需检查的系统。对于有SRE和平台工程背景的人来说，这个问题比追求自主代理更有趣。也许未来不是自主代理，而是可靠的代理。