原標題：“背鍋俠”的春天，AnyRobot Library5讓運維進階So Easy

都說運維是個苦差事兒，哪里有坑去哪里。以至于人們常戲言：運維是操著賣白粉的心，每天起的比雞早，睡的比豬晚，還隨時可能要背鍋。

但不可否認的是，運維的價值正在變得愈發(fā)重要。尤其是隨著企業(yè)數(shù)字化轉型的深入，DevOps成為大勢所趨，多業(yè)務的持續(xù)交付速度、應用服務的穩(wěn)定性、運維降本增效都彰顯出運維的重要性。

因此，近年來AIOps迅速流行，業(yè)界希望在運維中融入AI相關技術，減少運維復雜性和工作量，以實現(xiàn)運維的自動化和智能化。除了改變運維工作流程和模式之外，AI是否能對運維人員的能力提升和職業(yè)進階有所幫助？

答案是肯定的！近日，愛數(shù)正式發(fā)布了AnyRobot Library 5，用領域認知智能技術徹底改變傳統(tǒng)運維知識庫，讓運維知識庫可持續(xù)進化，徹底改變運維人員的日常學習和進階模式，從此甩掉“背鍋俠”的稱號。

傳統(tǒng)運維知識庫為何讓人愛不起來

正所謂，天下武功，唯快不破。如今，市場風向和客戶需求瞬息萬變，也讓企業(yè)自身必須變得更快。與傳統(tǒng)的瀑布式開發(fā)交付模式相比，DevOps的小步快跑模式能夠加快業(yè)務交付效率、快速響應市場需求，深得企業(yè)人心。

雖然企業(yè)借助DevOps打通了開發(fā)、運維的各個環(huán)節(jié)與流程，卻在運維知識層面存在著割裂、運維經(jīng)驗難傳承等情況。很多企業(yè)希望停止新建不同位置的運維數(shù)據(jù)孤島；并且希望將專家沉淀下來的寶貴經(jīng)驗主動推薦給有需求的運維人員，以提升解決問題的效率；還希望讓運維知識更加自動化和智能化，改變知識關聯(lián)性差的狀況。

有人可能會問，運維知識庫不就是解決這些問題的辦法么？

知識庫的確在運維工作中不可或缺，但傳統(tǒng)運維知識庫如今很難適應DevOps的發(fā)展需求，甚至正在成為運維人員深惡痛絕的東西。例如，目前傳統(tǒng)知識庫主要分兩類：一類是內(nèi)嵌在ITSM之中，是服務管理過程中留下的知識留檔，用于后續(xù)同類問題處理時復用；另一類則是企業(yè)自建的知識庫包括需求分析、開發(fā)、測試、運維等相關文檔，但這兩類知識庫都讓運維人員愛不起來。

愛數(shù)技術專家直言：“如今在很多企業(yè)中，運維知識庫的建設與更新要么是KPI考核強制性的，要么就是激勵性的，最后結果都不理想?！笔聦嵣希瑦蹟?shù)經(jīng)過大量行業(yè)用戶的調(diào)研分析，認為傳統(tǒng)運維知識庫主要存在四大問題：

• 知識錄入麻煩：知識來源分散且多樣，通常采用手工逐個文檔上傳，還需要人工加標簽并對知識進行分類；
• 維護成本高：知識庫需要運維人員手動更新，花費太多運維人員個人精力，意愿不強；
• 知識搜不到：使用者不知道歷史知識，也想不到去哪里搜；最新的知識和經(jīng)驗搜不到，或者還未同步到知識庫之中；搜索關鍵詞不準確，知識庫無法理解用戶的意圖；
• 知識搜不準：知識庫無法匹配用戶的身份，從而給出精準推薦；用戶搜索的關鍵詞，得出的內(nèi)容卻與之不匹配，很難得到想要的信息。

“企業(yè)需要一個可以持續(xù)進化的現(xiàn)代運維知識庫，能夠很好將各種運維知識高效、精準、主動推送給有需求的工作人員?！睈蹟?shù)技術專家總結道。

現(xiàn)代運維知識庫：可持續(xù)進化

眾所周知，運維崗位是一個融合多學科(網(wǎng)絡、系統(tǒng)、開發(fā)、安全、應用架構、存儲等)的綜合性技術崗位，運維知識也是紛繁復雜、多種多樣。如今，運維工作越來越細分，對于運維人員的綜合技能要求越來越高。尤其是隨著企業(yè)數(shù)字化轉型的深入，新場景、新業(yè)態(tài)涌現(xiàn)，實際上要求運維人員在日常處理問題和知識學習積累上提出更高要求。

因此，一個平臺開放、方便實用和維護簡單的現(xiàn)代運維知識庫是大勢所趨。在愛數(shù)技術專家看來，現(xiàn)代運維知識庫一定是具備自我持續(xù)進化的能力，提供知識自動采集、精準搜索、智能推薦、知識問答、知識自動更新等智能化功能，可以幫助企業(yè)徹底激活企業(yè)運維知識的價值和進一步提升運維效率。

AnyRobot Library 5即是愛數(shù)公司推出的一款面向DevOps的現(xiàn)代運維知識庫，通過關聯(lián)多類知識源，基于領域認知智能技術打造運維知識網(wǎng)絡、實現(xiàn)智能知識推薦、知識精準搜索、知識推理和知識問答等場景。

“DevOps面臨的各種運維問題往往需要綜合、多維度的知識，AnyRobot Library 5通過領域認知智能技術形成運維的知識網(wǎng)絡，實現(xiàn)知識關聯(lián)。”愛數(shù)技術專家表示道。

例如，在很多運維場景之中，知識與知識之間具有關聯(lián)性，但卻又彼此獨立存在不同知識庫之中，知識價值無法充分發(fā)揮。為此，AnyRobot Library 5的知識推理功能在知識網(wǎng)絡構建時，利用知識圖譜、算法模型等將離散的知識都結構化成為知識網(wǎng)絡，解決相關知識關聯(lián)關系不全的難題，實現(xiàn)知識內(nèi)容數(shù)量的增加和知識搜索結果的精準。

又如在知識推薦方面，傳統(tǒng)知識庫無個性化推薦能力，運維人員遇到問題或者想要獲取知識只能通過搜索的方式，甚至經(jīng)常出現(xiàn)搜索結果與需求不匹配的情況。而AnyRobot Library 5的智能推薦則是基于運維知識網(wǎng)絡的個性化推薦，打造個人專屬的知識中心，精準匹配運維需求。

綜合來看，AnyRobot Library 5將AI相關技術融入到運維知識庫之中，為運維知識庫構建起知識錄入、知識管理、精準搜索、智能推薦、知識問答和知識訂閱等應用場景，徹底改變了運維知識庫的使用模式?！癆nyRobot Library 5之所以能夠實現(xiàn)運維知識庫的諸多智能化場景，要得益于背后的領域認知智能技術積累?！睈蹟?shù)技術專家表示道。

Library 5背后：領域認知智能的崛起

近年來，隨著大模型的崛起，“大煉模型”和“煉大模型”成為業(yè)界的口頭禪。像目前應用最廣的GTP-3的1750億個參數(shù)更是引爆AI界，吸引了無數(shù)關注。很多人利用GPT-3模型進行像文學創(chuàng)作、新聞編輯、智能客服、前端設計等工作。

大模型的確是正在改變認知智能的應用與落地模式。不過，認知智能的落地并非大模型一條路。且不說大模型需要耗費巨大的CPU、GPU等物理資源，針對一些特定領域的認知智能問題，大模型表現(xiàn)并不盡如人意。這無疑為領域認知智能的崛起提供了良好機遇。

領域認知智能技術猶如“專精特新”，相比于大模型針對更加寬泛的場景，領域認知智能技無疑在特定領域、特定場景和特定問題上更加具有優(yōu)勢。例如，AnyRobot Library 5背后就有著認知智能開發(fā)框架的功勞。

AnyRobot Library 5背后的認知智能開發(fā)框架，集成了大量認知智能技術，并封裝成很多工具集給上層應用使用。AnyRobot Library 5即是基于認知智能框架開發(fā)的知識庫應用，也基于此，讓AnyRobot Library 5具備了可持續(xù)進化能力。

例如，在運維知識庫中，知識管理的工作復雜性強、負擔大，AnyRobot Library 5則可以實現(xiàn)自動的知識發(fā)現(xiàn)與管理，對知識的關鍵字、關鍵短語、摘要進行自動識別，然后根據(jù)運維知識網(wǎng)絡的主題信息進行自動分類管理，大幅降低知識管理的難度。

更加關鍵的是，基于認知領域框架和運維知識網(wǎng)絡，AnyRobot Library 5可以實現(xiàn)運維知識庫從知識積累、知識使用到知識價值挖掘的良性閉環(huán)。用戶將AnyRobot Library 5部署到真實環(huán)境之中，就可以源源不斷積累各種數(shù)據(jù)、知識和經(jīng)驗，提升運維人員的使用頻率，進而不斷優(yōu)化領域認知智能的算法模型，讓知識采集、存儲、管理、搜索、問答、推薦的效果持續(xù)提升。

面向未來，隨著千行百業(yè)數(shù)字化轉型的深入，DevOps將會成為企業(yè)開發(fā)運維的主流模式，在這個過程中，運維知識庫不應該成為企業(yè)數(shù)字化轉型的負擔，將AI技術融入到運維數(shù)據(jù)庫之中已經(jīng)成為大勢所趨，像AnyRobot Library 5這種現(xiàn)代化、可持續(xù)的運維知識庫將成為最重要的方向。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。