01.大模型在運維領域的 “萬能濾鏡” 正在褪色

2025 年初，隨著DeepSeek的爆火，市場的熱度達到了“瘋狂”的程度，大模型被神化，無所不能，某巨頭的大模型一體機賣爆了。但經過一段時間的實際使用和反饋后，用戶也開始逐漸降溫冷靜下來，發(fā)現(xiàn)一些更加真實的事實：

“不知道大模型能干什么？”

“不知道大模型能夠在哪些場景達到什么樣的效果？”

“為什么私有化部署大模型之后發(fā)現(xiàn)，跟網上的DeepSeek差距那么大？”

“為什么“投喂”了大量知識之后，大模型的表現(xiàn)還是不符合預期？”

如果這樣都不理想，怎么能夠應用到準確性要求如此高且環(huán)境極其復雜的運維場景中。

02.大模型能夠在運維領域做什么？

1）看一下我們以前在做什么

• 傳統(tǒng)工作方式：預制既定規(guī)則，應對復雜場景。
• 存在的問題：實際情況往往復雜多變，預制的規(guī)則難以全面適配，導致最終效果不佳（復雜場景的適配率極低）。此外，規(guī)則的條件通常僅能覆蓋少量固定場景。

2）大模型的加持下

• 大模型工作方式：大模型的工作方式是由其負責規(guī)則的判斷與調度，同時結合運維人員的專業(yè)經驗進行分析和引導。這種方式不僅拓寬了場景的適用范圍，還顯著提高了復雜場景的適配率。

在運維工作的演進歷程中，我們曾經依賴預制的既定規(guī)則來應對復雜場景。這種方式在理論上似乎能夠有條不紊地處理各類問題，但在實際操作中，卻面臨著諸多挑戰(zhàn)。實際情況往往是錯綜復雜、千變萬化的，預制的規(guī)則很難做到全面適配。由于規(guī)則的條件通常只能支撐小部分固定場景，這就導致在復雜場景下的適配率極低，最終的運維效果也不盡如人意。

隨著大模型技術的發(fā)展與應用，運維工作迎來了新的變革機遇。在大模型的加持下，規(guī)則的判斷與調度由大模型來承擔，并結合運維人員的專業(yè)知識與經驗，進行深入的分析與引導。這種方式顯著地擴大了場景的適用范圍，提高了復雜場景下的適配率（當然不可能達到極高準確率）。盡管它已經為運維工作帶來了顯著的提升，但在實際處理過程中，依舊無法做到“替代”運維的存在。

正如前文所述，AI與運維的深度融合需要扎實的基座支撐。嘉為藍鯨WeOps智能運維平臺與AI深度融合，將為企業(yè)構建智能、高效、可持續(xù)發(fā)展的運維生態(tài)體系，助力企業(yè)數(shù)字化轉型升級。

3）結論

（1）不要妄想AI代替運維，而是提高運維同學的效率和降低出錯風險

AI 在運維中更重要的作用是提高運維同學的工作效率，并降低出錯的風險。運維工作需要專業(yè)知識、經驗判斷和應急處理能力，而 AI 目前尚無法完全替代這些人類技能。AI 可以作為輔助工具，幫助運維人員更快速、準確地處理問題，而不是取而代之。

（2）大模型當前的作用是放大自動化運維的成效，而不能跨越運維建設的階段

自動化運維是一個逐步發(fā)展的過程，從簡單的任務自動化到復雜的系統(tǒng)集成，需要逐步積累和完善。大模型的應用可以進一步提升自動化運維的效果，但不能跳過必要的建設階段，直接實現(xiàn)理想化的運維模式。

（3）大模型在運維領域落地邏輯與自動化運維階段一致，先標準化、再自動化，才到智能化

在引入大模型之前，運維工作需要先實現(xiàn)標準化，將各項流程和操作進行規(guī)范和統(tǒng)一；在此基礎上，逐步實現(xiàn)自動化，通過腳本和工具來代替人工操作；最后，借助大模型等智能化技術，實現(xiàn)更高級的智能運維。

03.大模型落地運維場景三階段建議

1）階段一：標準化

• 關鍵動作：統(tǒng)一監(jiān)控指標、規(guī)范操作流程、建立 CMDB 資產庫。
• 成果度量：數(shù)據完整率提升至 90%+，為 AI 提供可用輸入。
• 場景應用：私域問答-CMDB、監(jiān)控等數(shù)據的查詢，問題的咨詢，變更規(guī)章的咨詢等。

2）階段二：自動化

• 關鍵動作：定義重復執(zhí)行的原子操作，提供給大模型調度（Tools），形成各種細分領域的智能體。
• 風險描述：極度依賴上一個環(huán)節(jié)的數(shù)據質量，數(shù)據不對，會導致執(zhí)行變形，進而引發(fā)難以估量的后果，例如，當 A 系統(tǒng)執(zhí)行自動清理日志時，由于 CMDB 中系統(tǒng)與機器的關聯(lián)關系錯誤，導致誤刪了 B 系統(tǒng)的日志。
• 場景應用：智能提單-機器人自動總結前輪對話，推演提單內容，自動調用工單系統(tǒng)，實現(xiàn)自動提單。日志智能分析聚類-通過將大量日志數(shù)據分組為多個類別，幫助管理員發(fā)現(xiàn)異常行為、識別關鍵日志，提升日志的可讀性和管理性。

3）階段三：智能引導

• 描述：以私域知識和智能體建設為基礎，通過給予劇本，對系統(tǒng)操作進行智能引導，實現(xiàn)智能體與業(yè)務系統(tǒng)完成深度的智能化聯(lián)動。

04.總結

智能運維的本質，是以 AI 技術驅動運維體系的加速進化，而非對現(xiàn)有架構進行顛覆性變革。在推進智能運維落地的過程中，合理把控節(jié)奏至關重要，以下是幾點建議：

1）先理后動

首先聚焦于全面梳理業(yè)務場景，深度洞察運維流程中的痛點與需求，確保 AI 技術的引入緊密貼合實際業(yè)務，堅決避免盲目跟風、為用 AI 而用 AI 的情況。

2）小步快跑

采用試點項目的方式，以小規(guī)模、低風險的實踐驗證 AI 在運維中的價值。通過對試點結果的及時分析與總結，逐步擴大應用范圍，有效控制試錯成本。

3）人機協(xié)同

構建 AI 輔助決策機制，讓 AI 技術充分發(fā)揮數(shù)據處理與分析的優(yōu)勢，為運維決策提供智能支持。同時，在關鍵操作環(huán)節(jié)保留人工復核，利用人的專業(yè)經驗與判斷力，保障運維工作的準確性與可靠性。