前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
返回 AI 情报前线
All News · 全部资讯8634
  • 为什么 AI 会丢失对话上下文及修复方案
  • 工程团队如何避免 AI 削弱集体思维
  • AI Agent 术语标准化:Harness vs Scaffold
  • Claude 不是架构师:AI 设计工具的边界
  • 435 条 AI 工程经验的从零到一总结
  • 论文:LLM Agent 后端代码生成的脆弱性
  • Microsoft 实测:AI 成本已超人工员工
  • DeepSeek的10万亿美元商业野心解析
  • Google Antigravity IDE 升级迁移指南
  • Microsoft取消Claude Code许可证
  • 用 Gemini Embeddings 构建智能推荐算法
  • DeepSeek V4 Pro永久降价方案
  • 超越幻觉:AI Agent 的隐性失败模式
  • Superset:Agent 时代的 IDE 框架
  • O'Reilly:Agent 工程学的无意发现
  • 2026 年最令人担忧的 AI 风险
  • 多流 LLM:并行化 Prompt、思考、I/O
  • 用 AI 全栈开发数据库性能测试工具
  • 框架设计的新范式:不再为人类独占
  • 每个开发者都在隐瞒什么——AI 解决不了
  • 基础设施可视化从年级到小时级别的加速
  • OpenAI模型证明几何学长期未解猜想
  • AI编程循环的形式验证关卡
  • 通义千问发布专用Agent模型Qwen3.7-Max
  • 10万行Rust代码+AI开发经验总结
  • Codex官方揭秘编程智能体最佳实践
  • Cursor支持Canvas共享和/loop自动化技能
  • Cursor自动化功能集成与多仓库支持
  • OpenAI推出SynthID图像水印验证工具
  • npm run dev原理讲解与AI Code Review工具
  • 开源Forge框架:8B模型Agent准确率飙升至99%
  • AI Agent开发入门:Turtle和Gemma实战教程
  • Ettin Reranker系列模型发布
  • Cursor IDE集成Jira打通工作流
  • PaddleOCR 3.5 升级:用 Transformers 重构文档解析
  • MCP 服务器中的领域驱动设计:20 年的架构模式重现
  • 认知债务比技术债务更危险
  • DeepSeek 已在你的 AI 工具里运行,但没人告诉你
  • 用 Claude 分析 6 个月团队回顾,发现遗漏的问题
  • Cursor Composer 2.5 发布
  • Google Project Genie:街景驱动的场景模拟工具
  • Google发布Gemini Omni多模态AI模型
  • TLA+ 入门:用 Prompt 驱动形式化验证
  • Semble:为 Agent 优化的代码搜索(省 98% Token)
  • Gemini 科学工具集:AI 加速科学探索
  • 为什么资深开发者应该放弃「凭感觉编程」
  • DeepSeek-V4-Flash:LLM 引导控制重获生机
  • 同一 Prompt 两种架构:MoE 和 Dense 模型的行为分化
  • OpenAI Token 账单警示:30 天烧 130 万美元
  • 新一代 LLM 架构突破:KV 共享与压缩注意力
  • AI模型精准预报飓风登陆
  • 已加载 51 / 8634
6.0
关注
AI SCORE
工具产品2026-05-21 09:37

基础设施可视化从年级到小时级别的加速

DEV Community · Anna#基础设施#DevOps
Editor brief · 编辑速览

分享从2018年至今在基础设施可视化方面的进展。现代工具显著缩短了可视化基础设施的时间成本。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

Stackery 走向 AWS Infrastructure Composer 的历程

我说“从 2018 年起,我就在做基础设施可视化”,并不是在吹嘘——这就是事实。那一年,我加入了位于波特兰的一家很棒的初创公司 Stackery。它可以读取基础设施即代码(熟悉的人一般称之为 IaC),并生成像下面这样的架构图:

它真正的秘诀在于支持双向操作:通过拖放添加资源,再生成可以直接部署的 IaC。虽然这家初创公司自 2021 年起就不复存在了,但实际上你现在仍然可以体验它的在线编辑器 ;)

为什么我要翻出这段陈年往事?因为 Stackery 后来被 AWS 收购了(现在我已经不在 AWS 工作,终于可以说这件事了),并成为 AWS Infrastructure Composer(原名 Application Composer)。它可以读取基础设施即代码,并生成像下面这样的架构图:

它同样支持双向操作:通过拖放添加资源,再生成可以直接部署的 CloudFormation 模板。更重要的是,它提供了一种强大的可视化方式,帮助你理解构成 serverless 服务的分布式系统,以及这些系统之间如何交互。

如今我在 Stripe 工作。Stripe 并不是云服务提供商,所以按理说,在新工作中应该没有什么需要将 IaC 可视化的场景。

直到上个月,这个判断都没有错。但随着 Stripe Projects 发布,Stripe CLI 突然变成了一种可以用来构建任何东西的工具!

借助 Projects,任何人都可以使用 Stripe CLI,从一个正在快速扩充的 provider 目录中配置服务,涵盖托管、身份认证、AI、数据库等领域——几乎囊括了业余项目或真实应用可能需要的一切。不过更常见的情况是,用户会为自己的 Agent 配置好 CLI,然后对它说:“帮我构建一个能做 X 的应用。”Agent 可以自行判断这个用例需要数据库,并直接通过 CLI 完成配置——就像诸神原本设想的那样。

于是,我们现在有了一个由多个服务组成、复杂度不断增加,而开发者却未必完全理解的应用——经历过 #believeinserverless 时代的人,是不是觉得似曾相识?

最近,我使用 Projects 为团队构建了一款转录应用,并在《From init to deploy》一文中记录了整个过程。虽然这个应用相当简单,只使用了 Vercel 和 OpenRouter 两个 provider,但我仍然认为,对于任何想参与贡献的团队成员来说,拥有一张可视化架构图会很有帮助。于是,我在一个多少有些亢奋的下午,一口气构建了 stripe-projects-visualizer 应用。

这个应用会读取项目中的 .projects/state.json 文件——它是项目已配置服务的唯一事实来源——分析代码库各处如何使用 provider 的环境变量,然后生成一张架构图,展示已配置的服务如何连接,以及数据如何在它们之间流动。

例如,下面是为我的转录应用生成的架构图:

这个工具酷不酷、有没有用?当然,我愿意相信它既酷又有用。它是不是还缺少一些功能?当然。不过考虑到投入的时间,它缺少的功能并没有人们想象中那么多。用一个下午构建完它之后,我最大的感受是:我居然做得到。

Stackery 由六名工程师花费许多年时间构建和维护。Infrastructure Composer 最初有五名工程师,后来扩充到近十二名工程师,外加一个 UX 团队。即便如此,在 re:Invent 2022 上发布的首个预览版本,也经历了九个多月的高强度开发。此后,我以前所在的团队又花了一年时间,重新设计其中的画布部分,使其更易于移植和扩展。

Stripe Projects Visualizer 则只由一个人、用一个下午构建完成。我甚至可能明天就能发布它的 Web 应用版本。这和八年前我所处的开发范式完全不同。甚至与八个月前相比也截然不同——当时我还在笨拙地尝试使用 Kiro 和 Claude Code,改进 Infrastructure Composer 底层的画布技术。

我差点把这篇文章的标题定为《从数年到数小时的可怕现实》,因为从某些方面来看——尤其是那些与我非常希望自己能继续保住工作有关的方面——这确实令人恐惧。安全方面也是如此。不过,我的对抗性 Agent 向我保证,我的代码仓库中不存在安全漏洞(呼!)。

但这同样令人兴奋,因为那些过去需要数年才能完成、甚至根本无法启动的项目,如今至少有机会先以粗糙的形态存在,再交由团队不断打磨和维护。

所以,我想自己已经踏上了这趟既可怕又精彩的旅程。

如果你也想加入,不妨试试 Stripe Projects:

brew install stripe/stripe-cli/stripe && stripe plugin install projects

然后使用下面的命令,将你那既可怕又精彩的作品可视化:

npx stripe-projects-visualizer visualize

让我们看看你能创造出什么!

部分评论可能仅对已登录的访问者可见。请登录以查看全部评论。

如需采取进一步措施,你可以考虑屏蔽此人和/或举报滥用行为。

Original source

本文由 AI 翻译整理自 DEV Community · Anna,原文版权归原作者所有。

阅读英文原文
上一篇
每个开发者都在隐瞒什么——AI 解决不了
下一篇
OpenAI模型证明几何学长期未解猜想