在本周于亚特兰大举办的Red Hat峰会上，Red Hat正式发布了其专属AI技能库。如果说此前企业级AI的应用仍处于探索阶段，那么这一举措，或许可以被视为一个真正的转折点。
Red Hat总裁兼CEO马特·希克斯在主题演讲中，解释了为何将重心放在“技能”上：“我们已向公司每个业务部门部署了生成式AI，各部门都在寻求提升自身效率或为客户创造更多价值的方法。例如，你可能听说过或使用过我们的交互式聊天机器人'Ask Red Hat'，它现已在客户支持门户上线运行。这款聊天机器人经过了Red Hat逾二十年支持信息、知识库及工作能力的训练。”这番话点明了核心：他们试图让AI承载的，不仅仅是语言能力，更是二十年的实战经验。
这个系统的根基是检索增强生成（RAG）技术，但绝不止于此。它将AI智能体与RAG增强型大语言模型结合，让这些智能体能够在真实的Red Hat环境中进行推理、规划和执行。关键在于，它们受到一套与现有订阅、安全及生命周期规则直接对应的防护机制约束——这不再是实验室里的玩物，而是可以上生产线的工具。
Red Hat正在全力推进一个进程：将当前AI“副驾驶”升级为成熟的企业级“超级用户”。他们的策略并非追求更大规模的模型，而是在Red Hat Enterprise Linux（RHEL）、OpenShift和Ansible之上，通过将智能体技能、技能包及工具集产品化，让AI更好地代替人工来运行基础设施。这是一种务实的思路：先把地基夯实，再谈上层建筑。
这一思路其实有迹可循。去年，Red Hat LightSpeed已将AI引入旗下产品的DevOps工具套件。今年，他们将这一方法与智能体AI相结合——这意味着用户将能够通过编排环境中现有的工具、数据和服务，在有限监督下解决问题并执行复杂任务。说得直白些，目标是把生成式AI从一个能说会道的助手，变成一个能够感知、决策并在企业策略范围内端到端运行工作流的编排者。
为支撑这一转变，Red Hat悄然构建了一个专用智能体技能库。这个库里装的不是简单的API接口，而是通过精心策划的行为集——也就是智能体语境下的“技能”——来规范AI智能体使用Red Hat平台和知识资源的方式。这些技能并非简单地给智能体提供原始工具和访问权限，而是将任务理解、规划步骤和防护规则打包成可复用的构建模块。
最具代表性的案例是一套智能体技能包，它专门训练智能体像经验丰富的RHEL订阅管理员那样工作。通过接入通用漏洞披露（CVE）数据源、勘误表、产品生命周期及支持策略，这个技能包让AI智能体能够给出在技术上准确、在合规上符合合同要求的回答与变更建议。这就好比给一个实习生配了一本浓缩了二十年经验的实操手册。
正如Red Hat所言：“如果说模型是大脑，那么这些技能就是将其转变为真正订阅超级用户的机构记忆。”这句话很形象，也点出了他们的核心逻辑：让AI不仅会“思考”，更拥有“记忆”。
由此可见，Red Hat的定位是“将你的编码助手与Red Hat实时数据相连接——CVE查询、补丁通知、产品生命周期与支持指导”，让智能体获得充分利用现有订阅价值所需的完整上下文。
具体运作机制，可以从几个层面来看：
首先，Red Hat将RHEL及其AI技术栈定位为在生产环境中运行这些智能体的强化基础层。他们推荐使用基于镜像的强化版RHEL，配合受控执行路径和可观测性能力。说白了，延续了RHEL面向关键基础设施的一贯设计理念——稳定、可控、可测量。
在RHEL之上，OpenShift和OpenShift AI负责智能体的横向扩展。Red Hat AI与OpenShift AI提供模型托管、分布式推理，以及与Llama Stack和模型上下文协议（MCP）的集成，这让智能体能够以标准化方式发现工具、技能和数据源。OpenShift AI充当模型端点、智能体运行时和技能注册表的控制平面，Kubernetes则提供隔离、弹性扩展和多租户管理能力。这一层是解决规模化问题的关键。
此外，Red Hat明确将Ansible作为智能体决策的执行引擎。他们将其描述为“智能体意图与生产系统实际变更之间的可信桥梁”。这句话的分量很重：AI可以决策，但最终落在系统里的变更，必须经过一个成熟、可信的自动化工具来执行。这是对安全性的基本尊重。
在安全与治理层面，Red Hat特别强调将技能视为高价值产物。这不仅涉及工具访问权限——智能体行为还可能带来滥用、权限提升和数据暴露等新型风险。开发者指南明确要求：在生产环境中部署使用技能的智能体时，必须落实身份认证、权限范围控制以及人工审核检查点。可观测性和策略执行被列为智能体部署的一等公民特性。换句话说，放权可以，但必须在严密监控之下。
对于担忧AI抢走系统管理员和DevOps工程师饭碗的人，希克斯的回答值得一听：“你不会被AI取代，但你投入时间和精力的方向将发生根本性改变——你将专注于构建和完善针对这些AI生成系统的评估体系。”他进一步补充：“我们有过许多成功，也经历过不少失败，在技术几乎每周都在变化的当下，这并不奇怪。但这些教训正在被积极反馈到我们为你们提供的平台之中。大约一年前，我们从构建聊天机器人转向构建AI智能体——具体而言，我们希望构建一套能够处理大量内部知识并返回真正有用内容的智能体系统，给出的不是摘要，而是真实答案。”
从这番话里可以读出两层意思：一是人的角色在变，但不会消失；二是Red Hat自己也在这个探索过程中踩过坑，但他们把这些经验用到了产品里。
Red Hat认为，AI真正的“下一个拐点”并非参数规模的再次跃升，而是能够安全接触生产系统的智能体的落地应用。凭借智能体技能库、订阅感知型技能包，以及从底层硬件到智能体的完整技术栈，Red Hat押注于将今日的AI副驾驶转变为既懂技术、又懂合同条款的受治理超级用户。
对于已将RHEL、OpenShift和Ansible作为标准基础设施的企业而言，这个信号十分明确：你们今天用来管理基础设施的工具，正在被改造为明天运行AI智能体的平台。
Q&A
Q1：Red Hat智能体技能库是什么？它能做什么？
A：Red Hat智能体技能库是一个专用仓库，包含经过精心设计的技能包，用于规范AI智能体在RHEL、OpenShift和Ansible平台上的行为方式。技能包将任务理解、规划步骤和安全防护规则打包成可复用模块，使智能体能够像经验丰富的系统管理员一样工作，例如进行CVE查询、补丁建议、订阅管理等，同时确保技术准确性和合规性。
Q2：Red Hat的AI智能体方案与单纯使用大语言模型有什么区别？
A：单纯的大语言模型只提供通用推理能力，而Red Hat的方案在此基础上叠加了超过20年的企业运维经验和机构知识。通过将RAG技术、技能包、Ansible执行引擎与OpenShift AI控制平面相结合，AI智能体不仅能够回答问题，还能在生产环境中规划并执行端到端工作流，同时受到订阅规则、安全策略和生命周期管理等企业级防护机制的约束。
Q3：Red Hat的AI智能体部署对系统管理员和DevOps工程师意味着什么？
A：根据Red Hat CEO马特·希克斯的表态，AI智能体不会直接取代这些职位，但会显著改变工作内容的重心。系统管理员和DevOps工程师将从繁琐的手动运维操作中解放出来，转而专注于构建、评估和优化AI生成系统。Red Hat的开发者指南也明确要求在生产环境中保留人工审核检查点，确保人类持续参与关键决策。