- 综合排序
- 最热优先
- 最新优先
- 来自专栏大模型
大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手
直达原文：大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手背景1、运维转型背景蓝鲸平台从诞生之初，就一直在不遗余力地推动运维转型，让运维团队可以通过一体化 PaaS 平台，快速编写脚本，编排流程，开发运维工具 2、大模型对运维开发带来的挑战和机遇最近几年，大模型的爆发式发展为开发和运维行业带来新的变革，2021 年 7 月 1 日，由 GitHub 和 OpenAI 共同开发的人工智能编码助手——Copilot 3、专业知识问答大模型天然在自然语言理解和知识总结有巨大的优势，而嘉为蓝鲸又有上千家各行各业的企业运维解决方案实施经验，积累了海量的运维开发领域专业知识。 大模型查询运维开发平台内置的组件，并在页面快速生成组件实例，整个过程比拖拉拽的交互更加高效。 直达原文：大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手
1.6K01编辑于 2024-05-27 大模型在蓝鲸运维体系应用——蓝鲸运维开发智能助手
2、大模型对运维开发带来的挑战和机遇最近几年，大模型的爆发式发展为开发和运维行业带来新的变革，2021 年 7 月 1 日，由 GitHub 和 OpenAI 共同开发的人工智能编码助手——Copilot 而且，通义灵码的工作节奏比996还要极致：7x24小时随叫随到…看起来，大模型的应用似乎要终结开发框架、低代码这类脚手架开发工具。难道，运维不再需要开发转型了？甚至“零运维”在AI的帮助下提前实现了？ 3、专业知识问答大模型天然在自然语言理解和知识总结有巨大的优势，而嘉为蓝鲸又有上千家各行各业的企业运维解决方案实施经验，积累了海量的运维开发领域专业知识。 大模型查询运维开发平台内置的组件，并在页面快速生成组件实例，整个过程比拖拉拽的交互更加高效。 未来展望“把AI和大模型的能力赋能给运维团队，推动运维开发转型，实现组织可持续、自生长”始终是蓝鲸品牌的发展理念，无论是已经“越过顶峰、走出低谷”的PaaS平台、云原生技术，还是处于“期望顶峰”的大模型技术
1.5K10编辑于 2024-11-13- 来自专栏bisal的个人杂货铺
大模型和智能运维的结合
2.核心技术力层面：现有团队中有没有合适的人去负责推动、去主导大模型落地？知识储备是否能够支撑大模型的应用及开发？ 2、IT运维团队需要具备哪些能力，才能更好地使用大模型赋能自动化运维？ ● 观点1 若面向运维团队的话，运维领域知识与大模型结合的能力可能是最需要考虑的首要要素。 （6）运维日志采集，清洗，转换，标注 2.工具使用能力 （1）运维常见工具的使用能力 （2）自动化运维工具的使用能力 （3）常见大模型的微调涉及到的工具和库，如openai，deepspeed （4）docker 此外，智能化运维还需要遵守相关的法律法规，以确保数据处理的合法性。 6.技术复杂性： 为了克服技术复杂性的难题，企业需要培养一支具备跨学科知识的技术团队，并积极引入外部专家进行指导。 对应的运维红线和决策升级机制都可以写到智能体的提示词里，规避大模型的“幻觉”导致的运维事故。 4、企业构建智能运维大模型时，当下的运维工具是否需要重新整合？
1.5K00编辑于 2025-02-03 - 来自专栏AI+运维：智能化运维的未来
大模型进驻运维战场：运维数据处理的智能革命
大模型进驻运维战场：运维数据处理的智能革命在传统运维工作中，数据处理一直是个让人头疼的问题——日志分析、异常检测、告警优化，各种数据纷至沓来，往往让运维人员不堪重负。 如今，大模型技术正在悄然改变这一现状，让运维不再是靠经验“拍脑袋”，而是依赖数据驱动的智能决策。今天，我们就来聊聊大模型技术在运维数据处理中的应用，看看它到底能帮运维人员省多少力。 运维数据为何需要大模型？ 未来展望：大模型将如何继续改变运维？运维工作的核心是提高可靠性、降低运维成本、减少故障时间，而大模型正在成为实现这些目标的重要工具。 运维人员的工作将逐步从“疲于奔命”变为“智能运维”，让数据真正服务于业务增长。总结大模型技术的引入，让运维数据处理迈向智能化。
72810编辑于 2025-05-25 - 来自专栏素质云笔记
大模型时代的模型运维与部署：LLMops
---- 1 LLMOps介绍 1.1 关联定义 术语 LLMOps 代表大型语言模型运维。它的简短定义是 LLMOps 是 LLM 的 MLOps。 这些模型有数十亿个参数，并接受了数十亿个单词的训练（因此被称为大型语言模型）。 MLOps（机器学习运维）是一组工具和最佳实践，用于管理 ML 驱动的应用程序的生命周期。 通常，它们是比专有模型功能更小的模型。但从好的方面来说，它们比专有模型更具成本效益，并为开发人员提供了更大的灵活性。 测试和训练数据分布差异大：实际使用的数据分布总是不同于训练数据的分布。 难以用一个核心指标去衡量：指标不那么直接，可能无法捕捉模型的不同行为。语言模型需要对行为和定性输出测量有更多样化的理解。 ---- 3 参考文献 LLMOps（Large Language Model Operations）简介 了解一下新领域 LLMOps: 大模型运维 LLM训练营课程笔记之 LLMOps: Deployment
7.8K21编辑于 2023-07-09 - 来自专栏AIOps
嘉为蓝鲸运维大模型开发平台V1.2：以智能引擎驱动运维全场景效率革命
直达原文：【春季发布】嘉为蓝鲸运维大模型开发平台V1.2：支持60+大模型，运维全生命周期赋能，完成智能化跃迁嘉为蓝鲸作为数字研运解决方案的引领者，在保持研运一体化运维平台稳定发展的同时，坚持创新，结合运维领域最新的大数据 、机器学习和大语言模型技术，融入嘉为蓝鲸上千家政企客户的实践经验和发展诉求，推出的嘉为蓝鲸运维数据与智能平台，已经在多家头部银行和运营商客户落地，帮助客户解决海量规模下的运维质量、成本、效率和体验问题， 嘉为蓝鲸运维大模型开发平台V1.2（以下简称“LLMOps平台”）发布，不仅进一步完善了嘉为蓝鲸运维数据与智能中心的功能版图，补充了运维大模型基础技术能力，而且通过统一的AI Agent开发框架，提升了嘉为蓝鲸应用融合大模型能力的速度 LLMOps平台致力于为运维全生命周期提供卓越的大模型赋能支持，为满足不同业务场景需求提供自定义AI开发扩展能力。LLMOps平台包含了大模型管理层、网关服务层、资源管理层。 基于LLMOps技术底座，嘉为蓝鲸已经发布了多个大模型运维场景应用，推动运维体系从被动响应向主动预防转变、自动化向智能化运维升级、知识驱动的运维决策闭环。
92110编辑于 2025-04-21 - 来自专栏AI+运维：智能化运维的未来
大模型+实时监控，运维不再“眼瞎心慌”
大模型+实时监控，运维不再“眼瞎心慌”在运维领域，实时监控一直是保障系统稳定运行的关键。然而，传统的监控方式往往存在几个痛点：告警泛滥：运维人员每天被大量无意义的告警轰炸，难以筛选真正关键的异常。 近年来，大模型（如 GPT、BERT、Transformers）在数据分析、自然语言处理领域取得了突破，而这些技术在运维监控中的应用，也正在悄然改变行业的游戏规则。1. 大模型如何赋能实时监控？ 现实落地：AI+运维真的好用吗？大模型在运维监控中并非万能，落地过程中仍有一些挑战：计算资源消耗：大模型计算成本高，需要优化部署方式，如轻量化模型或边缘计算。 即便如此，越来越多企业已经在运维场景中尝试大模型，利用 AI 技术提升监控系统智能化程度。未来，运维人员可能不再需要盯着数百条日志逐行排查，而是可以通过智能化系统快速响应并预防故障。 结语大模型技术正在重塑运维监控的范式，从传统的被动响应转向主动预测和智能分析。运维人员不再是疲于奔命的“救火队员”，而是可以利用 AI 赋能，让监控系统更智能、更高效。
1.4K20编辑于 2025-04-07 - 来自专栏大模型
大模型在蓝鲸运维体系应用——大模型在可观测的增强
它涉及日志记录、性能指标收集、错误追踪等技术手段，用于帮助开发人员诊断和解决软件系统中的问题。 随着 5G、云计算和微服务等技术的深入融合与广泛应用，IT 系统架构正经历着从传统的单体架构向分布式架构乃至云原生架构的转型，这一过程使得企业所面临的 IT 运维环境变得愈发复杂。 在这样的背景下，企业需要运维的系统不仅数量多，而且网络架构复杂、基础设施多样。可观测性建设是帮助工程师掌握复杂分布式系统运行状态、感知系统异常、故障定位、根因分析持续改善系统设计的必要手段。 因此，基于观测工具感知到的异常事件如何进行有效分析，如何打通后端运维处置工具触发有效故障分派及运维操作行为，加速故障闭环，是运维体系生态建设的关键壁垒。 而嘉为蓝鲸在大模型的应用方面，利用内部观测数据以及内部沉淀知识库对大模型进行训练，并结合在线大模型相结合的方式，在数据采集、数据清洗、数据统计、告警分析和处置等多个场景进行探索和落地。
1.2K10编辑于 2024-06-17 - 来自专栏程序员同行者
运维开发思路
转载链接http://lizhenliang.blog.51cto.com/7876557/1864869 我的学习心得： 用了小一个月时间写了这个运维管理平台，算是一段学习的总结吧！ 因此写好一个比较完善的平台，开发能力会有很大的提高。当然薪资也紧跟着蹭蹭的涨啦！ 该怎么学习呢？ 刚入门的同学，大都会问这个问题，自己毫无头绪，不知如何下手！ 可以考虑使用开源的前端框架，提高开发速度，不用过多考虑兼容性。 经过这八步循环渐进的学习，我相信你已经有足够能力开发一套属于自己的运维管理平台了。 群里朋友经常问，能看懂代码，就是写不出来，怎么办啊？ 就说这么多了，以上就是我个人对想转运维开发的朋友们一点学习思路，不能说完全是对的，但是思路我觉得没问题。
2K50发布于 2018-07-02 - 来自专栏大模型应用
大模型应用：构建智能大模型运维体系：模型健康度监测系统实践.8
引言 大型语言模型已成为各行各业的核心基础设施。从客户服务到内容创作，从代码生成到科学研究，大模型正深度融入企业的核心业务流程。 然而，随着模型规模的不断扩大和业务场景的日益复杂，模型运维管理面临着前所未有的挑战。 今天我们将以模型健康度监测系统为例，深度剖析现代大模型运维平台的设计理念、技术实现与创新亮点。通过详细的流程分析、架构解读和实践场景说明，为构建智能化的模型运维体系提供完整的实践参考和技术路线图。 ): """智能性能评分算法 - 基于大模型服务特性的专业评分体系""" score = 100 # 基准分数 # CPU性能 (权重: 25%) - 考虑到大模型推理对CPU 六、总结 系统初步实现了对模型健康监测的服务运维监控体系，基于Flask框架确保API服务的稳定性，多线程监控保证数据实时性，内存队列存储控制资源消耗，整体方案技术风险可控，部署维护成本合理
48843编辑于 2026-02-05 日志服务 MCP Server，让大模型 “听懂” 运维需求
日常运维工作中，运维及研发同事经常需要查询日志来排查系统异常问题，每次查询日志都需要登录监控系统、查找监控资源、编写日志查询语句，最后再逐行查看日志。这实在是太麻烦了，严重影响了工作效率。 腾讯云日志服务CLS推出的MCP Server ( Model Context Protocol Server)，让您可以使用大模型直接查询日志数据！ 无论是技术小白还是资深运维，都能轻松上手，大幅提升日志查询效率。 运维排障：当系统出现异常时，大模型智能分析当前错误日志，快速定位问题 2. 业务运营：用自然语言查询"今日用户登录失败次数"，实时掌握业务状态 3. 以 Cherry Studio 为例，模型建议使用 DeepSeek Chat/Reasoner（首次使用需提前添加），启用cls-mcp-server 2.
2.1M35编辑于 2025-08-08- 来自专栏AIOps
2025运维监控系统选型指南：6大主流IT运维监控系统核心特性与场景适配
本文聚焦六大主流运维监控系统，突出核心价值与适用场景，为企业选型提供参考。01. 嘉为蓝鲸全栈智能可观测中心1）核心定位：嘉为蓝鲸全栈智能可观测中心，是面向国内企业IT运维的自主可控国产化运维监控系统。 兼容国产芯片、操作系统及信创数据库，符合国内合规要求；支持本地化部署确保运维数据安全，满足企业运维监控场景下的数据安全与高效响应需求。 监控运维一体化：基于嘉为蓝鲸AIOps智能运维的平台化与一体化设计，无缝对接CMDB、ITSM 工单系统、自动化运维系统，实现IT监控、运维管理一体化。 元数据化统一模型：将各级观测对象（如主机、容器、应用）与指标全元数据化，支持跨层级构建统一模型，避免数据孤岛，支撑统一展示、告警与分析。
97510编辑于 2025-09-25 - 来自专栏AI+运维：智能化运维的未来
大模型技术赋能运维决策支持：开启智能运维新时代
而大模型技术的出现，为运维决策支持带来了全新的变革机遇。一、大模型技术在运维数据处理中的优势运维工作每天都会产生大量的数据，包括服务器日志、性能指标、用户行为数据等。 三、大模型助力运维决策优化在面对复杂的运维场景时，大模型可以为运维人员提供决策建议。例如，当需要决定是否对某个系统进行升级时，大模型可以综合考虑系统的当前性能、业务需求、升级风险等多方面因素。 四、大模型技术在运维自动化中的应用大模型技术还可以与运维自动化工具相结合，实现更加智能的自动化运维流程。例如，在自动化脚本编写方面，大模型可以根据运维任务的需求自动生成相应的脚本代码。 例如，要将大模型生成的决策建议无缝集成到现有的运维监控平台中，以便运维人员能够方便地获取和应用这些建议。这需要运维团队和大模型开发团队密切合作，共同制定集成方案，确保系统之间的兼容性和协同性。 尽管面临一些挑战，但随着技术的不断发展和完善，大模型将逐渐成为运维领域不可或缺的一部分，推动运维工作向更加智能、高效、可靠的方向发展。
79710编辑于 2025-01-07 - 来自专栏我爱编程
运维开发笔试
return li[0] if li[0] > sub_max else sub_max def main(): nums = [10, 4, 2, 5, 7, 3, 5, 1, 6, y, z) # spam = staticmethod(spam) print(type(Foo.spam)) Foo.spam(1,2,3) f = Foo() f.spam(4,5,6) >>> <class 'function'> # 类型本质就是函数 1 2 3 4 5 6 import time class Date: def __init__(self,year 6.客户端收到服务器的连接释放报文后，对该报文发出确认，令ACK=1,确认号ack=w+1，自己的序号seq=u+1，发送此报文后，等待2个msl时间后，进入CLOSED状态。
2K30发布于 2018-10-09 - 来自专栏希里安
运维开发写作计划
今年个人写作的大致计划： 上半年着重开发一个自己的项目上来，主要熟悉开发流程。 3月 开发基础知识 4月 应用开发流程 5月 前后端开源项目解析 6月 个人开源项目发布 下半年就开始着重某一个点，比如从实战项目中涉及的知识点由浅到深解析学习，详细计划根据实际情况选择展开。 以下是对于写作范围的框架，从个人角度出发，一个是从运维开发核心技术栈展开，另一个就是从应用开发角度展开。框架图还会不断完善，感兴趣的读者可后台私信交流学习。
61930编辑于 2023-10-30 - 来自专栏AI+运维：智能化运维的未来
大模型也能当“运维警察”？——大模型技术在异常检测中的应用
大模型也能当“运维警察”？——大模型技术在异常检测中的应用1. 前言：运维的噩梦——异常检测作为一名运维，最怕的就是半夜被电话叫醒：“系统挂了！”——更可怕的是，报警一响，却找不到具体问题在哪里。 近年来，GPT、BERT、Transformer等大模型在NLP、计算机视觉领域大放异彩，很多运维小伙伴可能会问：“这东西跟我们异常检测有什么关系？” 其实，大模型的强大之处在于它能学习复杂的模式，并且能够自动识别异常行为。运维中的日志分析、系统指标分析、本机调用链分析等，都是非结构化或者时序数据，正好适合用深度学习模型来挖掘异常。 未来展望：大模型+运维还能玩出啥花样？大模型在运维领域的应用，远不止异常检测这么简单。智能日志分析：基于ChatGPT等大模型解析海量日志，快速找到问题根因。 结语大模型已经成为智能运维的得力助手，运维不再只是“修服务器”的工作，而是向智能化、自动化迈进。用好大模型，不仅能减少人工介入，还能极大提升故障检测效率。
1K00编辑于 2025-03-29 - 来自专栏杨建荣的学习笔记
运维开发体系梳理
这是学习笔记的第 1890 篇文章 今天把运维开发的体系做了一层梳理，基本把一个整体的脉络理清楚了，这部分的内容也会不断萃取和整理，希望能够给大家一些参考。 ? 首先是运维开发基础，这个部分我是主要包含了Shell和Python，值得一提的是在我的规划中，Shell本身是不属性运维开发技能的，但是从我了解的情况来看，很多萌新对于Linux的使用有些有限，不能作为主要开发语言和不重要是两回事 所以把shell也揉入了进来，基本的系统管理和脚本开发是运维开发的基本功。 基于web的运维开发技术，是在基础开发的部分衍生出来的，掌握了基本的Python技术不一定能够完全掌握基于web的开发技术，因为不是完整的一个技术栈，web方向涉及的知识体系相对要大得多，而且会很杂。 架构和设计是运维开发里面的难点部分，其中自动化运维的架构设计部分就好比是画一幅画，如果把轮廓画好了，基本上画的质量和效果是可以预见的。一个松散没有良好架构设计的系统是很脆弱的，也是经不起考验的。
2K20发布于 2019-03-07 - 来自专栏开发运维工程师
运维分享｜安全运维之网络七层模型
3 七层模型七层模型，亦称OSI（Open System Interconnection）。 参考模型是国际标准化组织（ISO）制定的一个用于计算机或通信系统间互联的标准体系，一般称为OSI参考模型或七层模型。3.1 应用层「描述」网络服务与最终用户的一个接口。 （在五层模型里面已经合并到了应用层）「格式」JPEG、ASCll、EBCDIC、加密格式等3.3 会话层「描述」建立、管理、终止会话。 「协议」ICMP IGMP IP（IPV4 IPV6）3.6 数据链路层「描述」建立逻辑连接、进行硬件地址寻址、差错校验 [3] 等功能。 对于TCP/IP的七层模型来讲，我们知道第三层是网络层，三层的防火墙会在这层对源地址和目标地址进行检测。
1.5K20编辑于 2023-11-18 - 来自专栏Alter聊科技
首个智能体模型实测：产品、开发、运维“全包了”
2025年下半年刚开局，几家大模型企业就开始卡位Agent，要么上线了“Agent模式”，要么发布了新的Agent产品，但思路大多是“大模型+外挂工具”，就像是“大脑”指挥一堆外部的“手”协同完成任务。 相当于模型自己就是“带手的脑”，实现了自主拆解任务、调用工具、完成工作，直接将大模型的原生能力卷到了下一个Level。 为什么技术博客认为大模型的下一个范式，一定是把各种能力整合到一起？ Demo 8体验地址： https://a04aq6a2wtc0-deploy.space.z.ai/ 一些思考 作为基座模型的GLM-4.5，同时扮演了产品经理、程序员和测试运维的角色，通过在一个模型中实现多种能力的融合 智谱示范了另一种路线，即“模型即操作系统”的路线：通过大模型能力的全面提升，减少了工程集成的复杂性。一些简单的智能体能力，或将被基座大模型整合，但基座模型能力的增强，赋予了开发者更大的想象空间。 3、从比拼榜单刷分到真实场景表现，大模型厂商越来越务实。 GLM-4.5的基准评测成绩不可谓不亮眼，让我们印象最深刻却是在真实场景中的表现，代表着大模型的产业落地进程。
71210编辑于 2025-08-01 - 来自专栏AI+运维：智能化运维的未来
大模型+运维：让AI帮你干脏活、累活、重复活！
大模型+运维：让AI帮你干脏活、累活、重复活！在运维的世界里，有三样东西最让人头疼：告警爆炸、日志如山、手动操作出错。 但现在，大模型技术来了，它不光能写代码、画画，连运维的脏活、累活、重复活都能一键搞定。今天，我们就来聊聊大模型在运维中的最佳实践，看看如何让AI帮你省时省力，甚至提升整个系统的稳定性。1. 大模型在运维中的核心应用场景很多人以为大模型就是个高级聊天机器人，实际上，它在运维中能发挥超多实用价值，主要体现在以下几个方面：智能告警分析：从海量告警里找到关键问题，减少误报、合并关联告警。 下面，我们通过一些实战案例和代码示例，看看大模型究竟能怎么帮运维团队省力。2. 智能告警分析：从告警海洋里捞出真正的问题问题：告警风暴，根本看不过来大多数运维人员都有被告警“轰炸”的经历。 解决方案：用大模型做日志摘要我们可以用大模型来解析日志，自动生成故障摘要。
1.4K00编辑于 2025-03-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号