LLMs im Terminal: die Liste eines Sysadmins
Die konkreten, alltäglichen Stellen, an denen sich ein LLM im Workflow eines Sysadmins seinen Platz verdient, und die paar Regeln, die Schaden verhindern.
Der vorherige Beitrag hat die Linie zwischen hilfreich und gefährlich gezogen. Dieser hier ist die praktische Fortsetzung: die konkreten Dinge, für die ich im Terminal Tag für Tag zu einem LLM greife, und die Regeln, die es nützlich statt gefährlich halten.
Wofür es gut ist#
Jeder dieser Punkte spart Zeit.
- „Was will mir dieser Fehler eigentlich sagen?“ Einen kryptischen Stack-Trace oder eine Kernel-Logzeile einfügen und in einfachen Worten zurückbekommen. Schneller, als die richtige Suchanfrage zu erraten, und ein brauchbarer Ausgangspunkt, selbst wenn es nur halb stimmt.
- Erster Entwurf einer Config. Eine systemd-Unit, ein nginx-Server-Block, ein Cron-Eintrag, ein Ansible-Task. Es kriegt den Boilerplate richtig hin, sodass du deine Aufmerksamkeit auf die drei Zeilen richten kannst, die wirklich zählen.
- Wegwerfskripte. Das einmalige
awk/jq/bash-Ding, bei dem du sonst zwanzig Minuten brauchst, um dich an die Syntax zu erinnern. Du liest es, du führst es aus, du löschst es. - Log-Triage. „Hier sind 4.000 Zeilen, was hat sich geändert und was sieht auffällig aus?“ Eine Zusammenfassung zur Orientierung, kein Urteil, dem man vertraut. Logs enthalten IP-Adressen und Benutzernamen: Anonymisier sie vorher, oder nutze ein Tool, für das deine Firma einen Auftragsverarbeitungsvertrag hat.
- Regex und Einzeiler. Die Art Dinge, die niemand auswendig weiß. Beschreib die Eingabe, hol dir einen Entwurf, teste ihn an echten Daten, bevor du ihm glaubst.
Der rote Faden: Das Modell liefert einen Entwurf, und die Prüfung kostet wenig, weil du ihn lesen kannst, bevor er irgendetwas tut.
Die Regeln, die es sicher halten#
Die Fehlermuster haben hier alle dieselbe Form: flüssiger Ausgabe vertrauen. Also drehen sich die Regeln darum, genau das nie zu tun.
Jede sichere Interaktion hat dieselbe Form: einen Schritt in der Mitte, an dem du, nicht das Modell, entscheidest, ob der Befehl läuft.
- Leite Modellausgabe nie direkt in
sudo,shoder deinen Cluster. „Sieht gut aus“ ist kein Review. Füg sie in einen Editor ein, lies sie und führ sie dann selbst aus. - Halte Secrets aus dem Prompt heraus. Tokens, Keys, interne Hostnamen, Kundendaten. Geh davon aus, dass alles, was du einfügst, irgendwo protokolliert werden könnte, das du nicht kontrollierst. Self-Hosting ändert diese Rechnung, das ist ein eigener Beitrag.
- Prüf gegen die Realität, nicht gegen Eindrücke. Teste die Regex an echter Eingabe, lass das Skript in einer Sandbox laufen, diff die Config gegen eine bekannt gute. Das Modell ist so oder so selbstsicher; deine Prüfung ist das einzige Signal, das etwas bedeutet.
- Lass es nicht unbeaufsichtigt arbeiten. Entwerfen ist in Ordnung. In der Produktion ohne Menschen in der Schleife zu handeln kann mehr Zeit kosten, als das Modell gespart hat. Bei einem Terminal-Agenten bleiben seine Rückfragen an; Modi ohne jede Prüfung gehören in einen Container oder eine VM.
Bau Leitplanken, nicht nur Gewohnheiten#
Regeln, die davon abhängen, dass du jedes einzelne Mal hellwach bist, versagen an dem Tag, an dem du müde bist. Leitplanken nicht. Besser ist es, alles so aufzusetzen, dass ein Fehler, deiner oder der des Modells, standardmäßig billig und umkehrbar ist.
- Eigene Zugangsdaten für alles KI-Gestützte. Richte einen LLM-Workflow nie auf deinen persönlichen oder Admin-Login. Gib ihm eine eigene Identität, damit sein Explosionsradius sein eigener ist und du ihn mit einem Handgriff widerrufen kannst.
- Least Privilege, immer. Gib dieser Identität das Minimum, das sie braucht, und nichts mehr. Braucht eine Aufgabe wirklich mehr, gib es vorübergehend und nimm es zurück, wenn die Aufgabe erledigt ist. Admin-Rechte aus Bequemlichkeit dehnen den Explosionsradius auf alles aus, was dieser Login erreicht.
- Pack alles in git. Wenn Config, Skripte und Infrastruktur in der Versionskontrolle
liegen, ist jede Änderung, auch eine schlechte, ein Diff, den du reviewen kannst, und
ein Befehl, den du rückgängig machen kannst. Durch Umkehrbarkeit wird aus einem Fehler
kein Incident, sondern ein
git revert. - Bau Gates. Eine Testsuite, ein CI-Check, ein Linter, ein Dry-Run, eine Staging-Umgebung. Etwas Automatisches, das eine falsche Änderung passieren muss, bevor sie irgendetwas erreicht, das zählt. Das Modell schreibt die Änderung; das Gate entscheidet, ob sie landet.
- Teste es irgendwo, wo es sicher ist. Lass es zuerst in einer Sandbox oder gegen Wegwerf-Zustand laufen. Der ganze Sinn der Schritte oben ist, dass „mal sehen, ob das klappt“ dich nichts kostet.
Das ist dasselbe Prinzip, nach dem ich einem Agent die Tastatur überlasse, um eine ganze CUDA-Engine zu schreiben: Du vertraust nicht der Ausgabe, du schickst sie durch ein Gate. Die Gewohnheiten halten dich sorgfältig; die Leitplanken halten dich an den Tagen sicher, an denen du es vergisst.
Zusammenfassung#
Greif dazu
- Unordentliche Eingabe, du prüfst die Ausgabe
- Boilerplate und vergessene Syntax
- Orientierung in einer Wand aus Logs
Lass es
- Alles, was läuft, ohne dass du es gelesen hast
- Prompts mit Secrets darin
- Eine Antwort als feststehende Wahrheit behandeln
So eingesetzt ist ein LLM eine nützliche Ergänzung fürs Terminal: Es nimmt dir das mühsame Nachschlagen ab und entwirft die routinemäßigen 80 %, und das Urteil, der Teil, der jahrelange Erfahrung braucht, bleibt bei dir.