在大模型時代，AIOps（智能(neng)(neng)運(yun)維）正面臨技(ji)術挑戰(zhan)，需要整(zheng)合語(yu)言模型與現有小模型工(gong)具，實現更(geng)智能(neng)(neng)的運(yun)維決策(ce)。

AIOps小(xiao)模(mo)型數(shu)量眾多，但(dan)通識大模(mo)型在運(yun)維領域的表現(xian)參差不齊，需(xu)要解決技(ji)術挑(tiao)戰，如運(yun)維語料不足、結構化數(shu)據(ju)處理(li)、以及與(yu)現(xian)有AIOps工(gong)具(ju)的融(rong)合。

大語言模(mo)(mo)型的模(mo)(mo)型棧分為L1、L2、L3三(san)層(ceng)，分別對應(ying)不同的應(ying)用場景和(he)技術挑(tiao)戰(zhan)，如私有(you)部署、多模(mo)(mo)態數據處理和(he)知識融合(he)。

運(yun)維(wei)大(da)語(yu)言(yan)模型(xing)的應(ying)用案例(li)包括數字化(hua)運(yun)維(wei)助(zhu)手、私有文檔問答、腳本解(jie)讀和數據注釋，這些應(ying)用旨(zhi)在提高運(yun)維(wei)效率和準確性。

運維(wei)大語言(yan)模型的(de)中(zhong)長期(qi)應用定位為從助手到內部專家的(de)角色(se)轉變，通過(guo)智能體(ti)和基礎模型編程框架(jia)，實(shi)現復雜(za)運維(wei)任務(wu)的(de)自動(dong)化。

報告強調，盡管(guan)存在(zai)挑戰(zhan)，但通過技術思路和策略，如檢索增(zeng)強、課程學習、模型(xing)分層等(deng)，可以逐(zhu)步克服(fu)這(zhe)些問題，實現(xian)AIOps的廣泛應用。

附件：大模型時代的智能運維AIOps--與小模型是關系及通用大模型底座該如何選擇