企业IT运维一体化场景涵盖了多个运维活动，日常维护、变更发布、故障应急、服务响应、优化提升、安全管控等均需要跨多个运维领域完成，场景驱动了各个业务域之间的业务集成和技术集成设计。在现代企业中，DevOps是确保系统高效运行的关键领域。然而，随着技术环境的日益复杂，运维团队面临着越来越多的挑战。尤其在处理大量数据和迅速应对突发情况时，传统的运维工具和方法显得力不从心。

大模型技术应运而生，为运维中的知识管理带来了革命性的变化。智能运维实践可以帮助企业更好地理解和管理这些复杂的系统。通过分析自动发现IT系统中的问题，并定位根因，自动恢复系统，增强IT系统稳定性、性能和可用性，为IT运维提供“端到端”的解决方法。大模型能够基于深度学习技术，自动识别运维中的异常模式，而智能运维则能依据大模型的分析结果，迅速制定并执行相应的应对策略，实现快速响应和高效解决问题。两者相互赋能，形成了一个良性的循环。大模型为智能运维注入了强大的智慧力量，智能运维则为大模型提供了丰富的实践经验和数据支撑，共同推动运维领域向更加自动化、智能化的方向发展。

基于大模型重构提升场景

大模型在运维领域的应用前景，我们认为这是一个改变运维人员和运维对象交互、实现AI大规模落地普及的时刻，未来发展，我们有如下思考和展望：

基于一体化运维业务的运维智能体会爆发式增长：基于低成本高效率的大模型，可以把各个人机交互的运维场景再做一次，再做一次是基于多智能体编排的模式，生成更多整合应用，且与一体化运维是完整联动的，不只是单个场景的提升。

基于机器学习算法+大模型的融合场景更优：机器学习算法对于数据处理有天然优势，大模型对于语义识别和逻辑推理有天然优势，两者相结合，可以在故障分析诊断层面、智能工单的相似度分析和智能回复层面等有更好地融合场景落地。

大模型应用开发平台共建生态会成为主流：不只是基于原生大模型的问答应用，而是知识库、工具、编排、智能体、统一网关的整体建设，构建可持续建设的体系，会成为生态模式，客户及合作伙伴都可以有更大的想象空间。

自适应学习与知识演化：系统能够根据环境的变化和数据反馈，自动调整自身的行为、策略或参数，以及随着实践、技术发展和经验积累而不断更新、优化或重组知识，运维智能体能够更灵活、高效地应对复杂的运维需求，在大部分相对标准的运维场景中，实现智能决策执行。

附：应用场景清单

原文始发于微信公众号（CIO之家）：大模型在运维场景中的应用