12-钱誉-AiAgent在运维体系中的探索与实践.docxVIP

AiAgent在运维体系中的探索与实践钱誉ZenlayerGFSMonitoringAutomation负责人

AiAgent在运维体系中的探索与实践

钱誉

ZenlayerGFSMonitoringAutomation负责人

大纲Zenlayer在运维体系中对Copilot

大纲

Zenlayer在运维体系中对CopilotAgent理解

Zenlayer在私域数据尝试：FTorRAG(BaselineGraph)

场景实现案例

实践预期

未来展望

Zenalyer在运维体系中对CopilotAgent理解传统的AIOps在异常检测和根因分析上严重依赖于标注数据，这限制了算法的泛化能力，因为它们需要在有监督的环境下进行训练。而大语言模型能够学习更多的通用知识，减少对标注数据的依赖，从而降低训练成本。运维团队积累的专家经验很难编码到算法模型中。通常，这些经验会被简化为阈值或复杂的规则，不仅难以维护，也难以传承。CopilotAgent通过大语言模型，将专家经验转化为模型可以理解和推理的形式，从而提升了故障处理的能力。传统AIOps的接入和维护成本较高，需要业务和算法团队深入理解业务逻辑和算法模型。此外，私域数据的处理和定制化开发也增加了成本。CopilotAgent框架采用集成学习的概念，通过模块化设计，使得系统能够像搭积木一