“背鍋俠”的春天，AnyRobot Library5讓運(yùn)維進(jìn)階So Easy

都說運(yùn)維是個苦差事兒，哪里有坑去哪里。以至于人們常戲言：運(yùn)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(rèn)的是，運(yùn)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(zhuǎn)型的深入，DevOps成為大勢所趨，多業(yè)務(wù)的持續(xù)交付速度、應(yīng)用服務(wù)的穩(wěn)定性、運(yùn)維降本增效都彰顯出運(yùn)維的重要性。

因此，近年來AIOps迅速流行，業(yè)界希望在運(yùn)維中融入AI相關(guān)技術(shù)，減少運(yùn)維復(fù)雜性和工作量，以實現(xiàn)運(yùn)維的自動化和智能化。除了改變運(yùn)維工作流程和模式之外，AI是否能對運(yùn)維人員的能力提升和職業(yè)進(jìn)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(lǐng)域認(rèn)知智能技術(shù)徹底改變傳統(tǒng)運(yùn)維知識庫，讓運(yùn)維知識庫可持續(xù)進(jìn)化，徹底改變運(yùn)維人員的日常學(xué)習(xí)和進(jìn)階模式，從此甩掉“背鍋俠”的稱號。

傳統(tǒng)運(yùn)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(fēng)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(wù)交付效率、快速響應(yīng)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(yùn)維的各個環(huán)節(jié)與流程，卻在運(yùn)維知識層面存在著割裂、運(yùn)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(yùn)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(yùn)維人員，以提升解決問題的效率；還希望讓運(yùn)維知識更加自動化和智能化，改變知識關(guān)聯(lián)性差的狀況。

有人可能會問，運(yùn)維知識庫不就是解決這些問題的辦法么？

知識庫的確在運(yùn)維工作中不可或缺，但傳統(tǒng)運(yùn)維知識庫如今很難適應(yīng)DevOps的發(fā)展需求，甚至正在成為運(yùn)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(wù)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(fù)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(yùn)維等相關(guān)文檔，但這兩類知識庫都讓運(yùn)維人員愛不起來。

愛數(shù)技術(shù)專家直言：“如今在很多企業(yè)中，運(yùn)維知識庫的建設(shè)與更新要么是KPI考核強(qiáng)制性的，要么就是激勵性的，最后結(jié)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(rèn)為傳統(tǒng)運(yùn)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(biāo)簽并對知識進(jìn)行分類；

維護(hù)成本高：知識庫需要運(yùn)維人員手動更新，花費(fèi)太多運(yùn)維人員個人精力，意愿不強(qiáng)；

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(guān)鍵詞不準(zhǔn)確，知識庫無法理解用戶的意圖；

知識搜不準(zhǔn)：知識庫無法匹配用戶的身份，從而給出精準(zhǔn)推薦；用戶搜索的關(guān)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(jìn)化的現(xiàn)代運(yùn)維知識庫，能夠很好將各種運(yùn)維知識高效、精準(zhǔn)、主動推送給有需求的工作人員?！睈蹟?shù)技術(shù)專家總結(jié)道。

現(xiàn)代運(yùn)維知識庫：可持續(xù)進(jìn)化

眾所周知，運(yùn)維崗位是一個融合多學(xué)科(網(wǎng)絡(luò)、系統(tǒng)、開發(fā)、安全、應(yīng)用架構(gòu)、存儲等)的綜合性技術(shù)崗位，運(yùn)維知識也是紛繁復(fù)雜、多種多樣。如今，運(yùn)維工作越來越細(xì)分，對于運(yùn)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(zhuǎn)型的深入，新場景、新業(yè)態(tài)涌現(xiàn)，實際上要求運(yùn)維人員在日常處理問題和知識學(xué)習(xí)積累上提出更高要求。

因此，一個平臺開放、方便實用和維護(hù)簡單的現(xiàn)代運(yùn)維知識庫是大勢所趨。在愛數(shù)技術(shù)專家看來，現(xiàn)代運(yùn)維知識庫一定是具備自我持續(xù)進(jìn)化的能力，提供知識自動采集、精準(zhǔn)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(yùn)維知識的價值和進(jìn)一步提升運(yùn)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(yùn)維知識庫，通過關(guān)聯(lián)多類知識源，基于領(lǐng)域認(rèn)知智能技術(shù)打造運(yùn)維知識網(wǎng)絡(luò)、實現(xiàn)智能知識推薦、知識精準(zhǔn)搜索、知識推理和知識問答等場景。

“DevOps面臨的各種運(yùn)維問題往往需要綜合、多維度的知識，AnyRobot Library 5通過領(lǐng)域認(rèn)知智能技術(shù)形成運(yùn)維的知識網(wǎng)絡(luò)，實現(xiàn)知識關(guān)聯(lián)?！睈蹟?shù)技術(shù)專家表示道。

例如，在很多運(yùn)維場景之中，知識與知識之間具有關(guān)聯(lián)性，但卻又彼此獨(dú)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(luò)構(gòu)建時，利用知識圖譜、算法模型等將離散的知識都結(jié)構(gòu)化成為知識網(wǎng)絡(luò)，解決相關(guān)知識關(guān)聯(lián)關(guān)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(jié)果的精準(zhǔn)。

又如在知識推薦方面，傳統(tǒng)知識庫無個性化推薦能力，運(yùn)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(jié)果與需求不匹配的情況。而AnyRobot Library 5的智能推薦則是基于運(yùn)維知識網(wǎng)絡(luò)的個性化推薦，打造個人專屬的知識中心，精準(zhǔn)匹配運(yùn)維需求。

綜合來看，AnyRobot Library 5將AI相關(guān)技術(shù)融入到運(yùn)維知識庫之中，為運(yùn)維知識庫構(gòu)建起知識錄入、知識管理、精準(zhǔn)搜索、智能推薦、知識問答和知識訂閱等應(yīng)用場景，徹底改變了運(yùn)維知識庫的使用模式?！癆nyRobot Library 5之所以能夠?qū)崿F(xiàn)運(yùn)維知識庫的諸多智能化場景，要得益于背后的領(lǐng)域認(rèn)知智能技術(shù)積累?！睈蹟?shù)技術(shù)專家表示道。

Library 5背后：領(lǐng)域認(rèn)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(yīng)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(guān)注。很多人利用GPT-3模型進(jìn)行像文學(xué)創(chuàng)作、新聞編輯、智能客服、前端設(shè)計等工作。

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

領(lǐng)域認(rèn)知智能技術(shù)猶如“專精特新”，相比于大模型針對更加寬泛的場景，領(lǐng)域認(rèn)知智能技無疑在特定領(lǐng)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(rèn)知智能開發(fā)框架的功勞。

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

例如，在運(yùn)維知識庫中，知識管理的工作復(fù)雜性強(qiáng)、負(fù)擔(dān)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(guān)鍵字、關(guān)鍵短語、摘要進(jìn)行自動識別，然后根據(jù)運(yùn)維知識網(wǎng)絡(luò)的主題信息進(jìn)行自動分類管理，大幅降低知識管理的難度。

更加關(guān)鍵的是，基于認(rèn)知領(lǐng)域框架和運(yùn)維知識網(wǎng)絡(luò)，AnyRobot Library 5可以實現(xiàn)運(yùn)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(yùn)維人員的使用頻率，進(jìn)而不斷優(yōu)化領(lǐng)域認(rèn)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(zhuǎn)型的深入，DevOps將會成為企業(yè)開發(fā)運(yùn)維的主流模式，在這個過程中，運(yùn)維知識庫不應(yīng)該成為企業(yè)數(shù)字化轉(zhuǎn)型的負(fù)擔(dān)，將AI技術(shù)融入到運(yùn)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(yùn)維知識庫將成為最重要的方向。

生成海報

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)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(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)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(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。