Figma 如何利用 AI 代理提升安全工作效率

软件公司 Figma 的工程团队最近记录了他们构建 AI 代理来帮助安全团队调查警报、搜索过去的信息的过程。这一记录详细说明了 AI 代理在安全领域的应用，帮助提升了警报处理的效率。Figma 通过分享这些实践，为其他科技公司提供了参考。

Figma 工程团队的 AI 代理构建记录

Figma 工程团队最近记录了构建 AI 代理的过程。这一文档聚焦于如何让 AI 代理辅助安全工作。团队通过实际案例展示了从想法到落地的路径。记录中强调了代理在日常安全运维中的具体定位。

这一构建记录为外界了解 Figma 内部实践提供了直接窗口。团队选择公开部分细节，目的是让更多工程师看到可复制的思路。记录没有停留在概念层面，而是围绕真实工作场景展开。

AI 代理协助调查安全警报

AI 代理在安全团队处理警报时发挥了重要作用。代理能够接收警报信息并进行初步分析，帮助团队更快判断事件的严重程度。Figma 的实践显示，代理可以自动收集相关上下文，减少人工查找的时间。

在调查环节，代理会根据警报类型提出可能的下一步行动建议。安全工程师可以基于这些建议快速决策。这一协作方式让警报处理的整体节奏明显加快。团队记录显示，引入代理后，部分重复性调查工作得到有效分担。

AI 代理搜索过去事件的功能

Figma 构建的 AI 代理具备搜索过去信息的能力。代理可以快速检索历史安全事件记录，为当前警报提供对比参考。这一功能让安全团队不必手动翻阅大量日志。

搜索过程结合了自然语言处理技术，代理能够理解工程师提出的问题并返回相关历史案例。记录中提到，这种能力在处理复杂或重复出现的警报时特别有用。代理返回的结果经过整理，便于团队直接使用。

安全团队与 AI 代理的协作模式

Figma 安全团队采用人机协作的方式使用 AI 代理。代理负责处理数据收集和初步分析，工程师则专注于判断和决策。团队记录强调，这种分工让安全人员从繁琐事务中解放出来，关注更高价值的工作。

协作模式中，代理会将分析结果以清晰格式呈现给工程师。工程师可以随时介入调整代理的行为或提供额外指导。Figma 的实践表明，这种模式在日常安全运维中运行稳定，双方优势得到互补。

构建安全 AI 代理的技术实现

Figma 工程团队在构建过程中关注了几个关键要素。代理的底层依赖于大型语言模型，并结合了公司内部的安全数据源。团队记录了如何让代理安全地访问必要信息，同时避免潜在风险。

实现中还包括了反馈循环机制，代理的表现会根据工程师的评价不断优化。记录提到，团队在技术选型上注重可控性和可解释性，确保代理输出的每一步都有据可查。这些技术选择直接服务于安全场景的实际需求。

Figma 安全 AI 实践的行业价值

Figma 分享的 AI 代理实践为其他科技公司提供了具体参考。许多公司面临类似的安全警报处理压力，Figma 的记录展示了可行的解决路径。团队公开的构建经验有助于降低其他组织自行探索的成本。

这一实践突显了 AI 在安全领域的落地潜力。Figma 通过真实案例说明，代理可以在不取代人类判断的前提下显著提升效率。行业内越来越多的团队开始关注这类人机协作模式，Figma 的记录成为重要的参考资料。

Figma 的工程团队用实际行动证明，AI 代理可以在安全工作中发挥稳定作用。他们的记录不仅总结了自身经验，也为整个行业推动安全智能化提供了思路。未来类似实践有望在更多公司落地，帮助安全团队应对日益复杂的威胁环境。