公司前段时间招了个新同事，刚毕业，基础不错，但——完全没接触过 k8s。
领导一句话把锅甩给我：
“你带一下他，尽快能参与环境维护。”
我心里一紧。
一、我认真教了，但他还是懵
我一开始很“用心”：
- 讲 Pod / Deployment / Service
- 画架构图
- 解释控制器、调度、网络
他听得很认真，也一直点头。
但第二天我让他做一件很简单的事：
“帮我把这个 Deployment 扩到 3 个副本。”
他打开终端，愣住了，完全不知道如何操作。
二、于是我换了个思路：不教了，让 AI 来“折磨”他
我意识到一个问题：
k8s 这种东西，就不适合靠学习理论来掌握。
刚好这段时间，我在折腾自己做的一个内部工具—— 一个用来快速构建“任务型智能体”的平台。
平时我主要用它来做一些自动化运维、问答、流程编排之类的事情， 但那天我突然冒出一个想法：
既然新人学不会，不如让智能体来当“教练”。
于是我临时给他搭了一个 专门用于 k8s 训练的智能体。
三、这个智能体不讲课，只出题
这个智能体和我们平时见到的“问什么答什么”的 AI 不太一样。
我给它设定的规则只有三条：
-
它每天只给新员工一个任务
-
比如：
- 创建一个 Deployment
- 故意漏一个字段
- 或者给一个“起不来的 Pod”
-
-
它不会直接给答案
-
只会根据当前状态反问：
“你觉得现在是哪一步出了问题？”
-
-
它会根据新人的操作动态调整引导
- 如果一直卡在表面
- 就引导他去看
describe、events、logs
这些能力，其实并不复杂， 本质就是把我平时带新人时的思路，固化进了智能体的行为规则里。
四、变化来得比我想象快
大概一周后：
-
他已经能自己：
- 看 Pod 状态
- 改 YAML
- 查基础日志
-
问我的问题，从：
- “这是什么？”
- 变成了：
- “这里是不是应该用 ConfigMap？”
学习曲线明显不一样了。
而我做的事情反而更少了。
五、后来我才明白：不是他学得慢
而是我们一直在用 “讲课式” 教 k8s。
但 k8s 本质是：
- 状态驱动
- 强实践
- 强上下文
而智能体恰好适合做三件事：
- 模拟真实问题
- 限制信息量
- 强制你动手
六、写在最后
后来我把这个训练智能体留了下来。
现在新人入职时，都会先和它“对练”一段时间， 我只需要在关键节点补充经验。
这个智能体，其实就是基于我自己在用的 Openpai搭的， 但真正起作用的，不是工具本身，而是这种思路：
把“教经验”，变成“出问题 + 引导解决”。
