李赛 大模型时代的智能化运维 超级5分钟.pdf

《李赛 大模型时代的智能化运维 超级5分钟.pdf》由会员分享，可在线阅读，更多相关《李赛 大模型时代的智能化运维 超级5分钟.pdf（10页珍藏版）》请在三个皮匠报告上搜索。

1、G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站个人简介李赛算法专家携程AIOps团队负责人，算法专家，主要负责携程AIOps技术体系,包括智能告警、智能变更、容量治理、应用治理、根因定位等方向的工作，在人工智能技术结合运维场景方面有深入研究。多次分享技术主题，获得携程技术中心优秀讲师称号，曾多次出席过业界行业技术会议，其负责项

2、目获得中国信通院“云服务运行安全创新成果奖”。G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站运维的演进路径1990s手工运维1999 Nagios发布2010s DevOps+可观测性2012 Prometheus诞生2000s自动化运维2005 Puppet推出2020s AIOps2016 Gartner提出AIOps G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站智能运维VS传统运维目标：从“被动响应”走向“主动预防”和“自愈运维”传传统统运运维维智智能能运运维维故障发

3、现告警驱动，人工盯屏异常检测+根因分析，自动发现数据处理系统孤立，手工分析多源融合，自动关联决策方式依赖经验数据+模型驱动，可解释性强响应速度慢（小时级）快（分钟级甚至秒级）G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站智能运维4要素可观测性能力数据基座平台能力小模型算法能力G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站智能运维架构G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站架构痛点AI能力规模化与日益增长的灵活性

4、需求之间的矛盾开始出现-AIOps能力需要面向更多的运维领域，帮助释放人力成本-业务领域、特定运维领域的专家经验需要与以上能力结合、灵活插拔 第三方用户依据契约或工具来同各种AIOps模型交互，有一定的学习成本和费力度各个小模型相互独立，可能存在信息不对称G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站运维+大模型OPS大模型G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站智能运维4要素+大模型大模型可观测性能力数据基座平台能力小模型算法能力G O P S 全 球 运 维 大 会 暨 研 运 数 智 化 技 术 峰 会 2 0 2 5 上 海 站智能运维大脑架构从智智能能运运维维到智智能能运运维维大大脑脑第三方用户通过chatbot以语言的方式借助LLM和各种工具交互，降低费力度和学习成本，增加用户参与度各个小模型借助LLM编排共享信息，打破信息孤岛Agent库融合接入更多场景，实现能力共享