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

都說(shuō)運(yùn)維是個(gè)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(shí)可能要背鍋。

但不可否認(rèn)的是，運(yùn)維的價(jià)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(shì)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(lái)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(shí)現(xiàn)運(yùn)維的自動(dòng)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(duì)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(ài)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(shí)庫(kù)，讓運(yùn)維知識(shí)庫(kù)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(hào)。

傳統(tǒng)運(yùn)維知識(shí)庫(kù)為何讓人愛(ài)不起來(lái)

正所謂，天下武功，唯快不破。如今，市場(chǎng)風(fēng)向和客戶需求瞬息萬(wàn)變，也讓企業(yè)自身必須變得更快。與傳統(tǒng)的瀑布式開(kāi)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(chǎng)需求，深得企業(yè)人心。

雖然企業(yè)借助DevOps打通了開(kāi)發(fā)、運(yùn)維的各個(gè)環(huán)節(jié)與流程，卻在運(yùn)維知識(shí)層面存在著割裂、運(yùn)維經(jīng)驗(yàn)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(lái)的寶貴經(jīng)驗(yàn)主動(dòng)推薦給有需求的運(yùn)維人員，以提升解決問(wèn)題的效率；還希望讓運(yùn)維知識(shí)更加自動(dòng)化和智能化，改變知識(shí)關(guān)聯(lián)性差的狀況。

有人可能會(huì)問(wèn)，運(yùn)維知識(shí)庫(kù)不就是解決這些問(wèn)題的辦法么？

知識(shí)庫(kù)的確在運(yùn)維工作中不可或缺，但傳統(tǒng)運(yùn)維知識(shí)庫(kù)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(shí)庫(kù)主要分兩類：一類是內(nèi)嵌在ITSM之中，是服務(wù)管理過(guò)程中留下的知識(shí)留檔，用于后續(xù)同類問(wèn)題處理時(shí)復(fù)用；另一類則是企業(yè)自建的知識(shí)庫(kù)包括需求分析、開(kāi)發(fā)、測(cè)試、運(yùn)維等相關(guān)文檔，但這兩類知識(shí)庫(kù)都讓運(yùn)維人員愛(ài)不起來(lái)。

愛(ài)數(shù)技術(shù)專家直言：“如今在很多企業(yè)中，運(yùn)維知識(shí)庫(kù)的建設(shè)與更新要么是KPI考核強(qiáng)制性的，要么就是激勵(lì)性的，最后結(jié)果都不理想。”事實(shí)上，愛(ài)數(shù)經(jīng)過(guò)大量行業(yè)用戶的調(diào)研分析，認(rèn)為傳統(tǒng)運(yùn)維知識(shí)庫(kù)主要存在四大問(wèn)題：

知識(shí)錄入麻煩：知識(shí)來(lái)源分散且多樣，通常采用手工逐個(gè)文檔上傳，還需要人工加標(biāo)簽并對(duì)知識(shí)進(jìn)行分類；

維護(hù)成本高：知識(shí)庫(kù)需要運(yùn)維人員手動(dòng)更新，花費(fèi)太多運(yùn)維人員個(gè)人精力，意愿不強(qiáng)；

知識(shí)搜不到：使用者不知道歷史知識(shí)，也想不到去哪里搜；最新的知識(shí)和經(jīng)驗(yàn)搜不到，或者還未同步到知識(shí)庫(kù)之中；搜索關(guān)鍵詞不準(zhǔn)確，知識(shí)庫(kù)無(wú)法理解用戶的意圖；

知識(shí)搜不準(zhǔn)：知識(shí)庫(kù)無(wú)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(gè)可以持續(xù)進(jìn)化的現(xiàn)代運(yùn)維知識(shí)庫(kù)，能夠很好將各種運(yùn)維知識(shí)高效、精準(zhǔn)、主動(dòng)推送給有需求的工作人員?！睈?ài)數(shù)技術(shù)專家總結(jié)道。

現(xiàn)代運(yùn)維知識(shí)庫(kù)：可持續(xù)進(jìn)化

眾所周知，運(yùn)維崗位是一個(gè)融合多學(xué)科(網(wǎng)絡(luò)、系統(tǒng)、開(kāi)發(fā)、安全、應(yīng)用架構(gòu)、存儲(chǔ)等)的綜合性技術(shù)崗位，運(yùn)維知識(shí)也是紛繁復(fù)雜、多種多樣。如今，運(yùn)維工作越來(lái)越細(xì)分，對(duì)于運(yùn)維人員的綜合技能要求越來(lái)越高。尤其是隨著企業(yè)數(shù)字化轉(zhuǎn)型的深入，新場(chǎng)景、新業(yè)態(tài)涌現(xiàn)，實(shí)際上要求運(yùn)維人員在日常處理問(wèn)題和知識(shí)學(xué)習(xí)積累上提出更高要求。

因此，一個(gè)平臺(tái)開(kāi)放、方便實(shí)用和維護(hù)簡(jiǎn)單的現(xiàn)代運(yùn)維知識(shí)庫(kù)是大勢(shì)所趨。在愛(ài)數(shù)技術(shù)專家看來(lái)，現(xiàn)代運(yùn)維知識(shí)庫(kù)一定是具備自我持續(xù)進(jìn)化的能力，提供知識(shí)自動(dòng)采集、精準(zhǔn)搜索、智能推薦、知識(shí)問(wèn)答、知識(shí)自動(dòng)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(shí)的價(jià)值和進(jìn)一步提升運(yùn)維效率。

AnyRobot Library 5即是愛(ài)數(shù)公司推出的一款面向DevOps的現(xiàn)代運(yùn)維知識(shí)庫(kù)，通過(guò)關(guān)聯(lián)多類知識(shí)源，基于領(lǐng)域認(rèn)知智能技術(shù)打造運(yùn)維知識(shí)網(wǎng)絡(luò)、實(shí)現(xiàn)智能知識(shí)推薦、知識(shí)精準(zhǔn)搜索、知識(shí)推理和知識(shí)問(wèn)答等場(chǎng)景。

“DevOps面臨的各種運(yùn)維問(wèn)題往往需要綜合、多維度的知識(shí)，AnyRobot Library 5通過(guò)領(lǐng)域認(rèn)知智能技術(shù)形成運(yùn)維的知識(shí)網(wǎng)絡(luò)，實(shí)現(xiàn)知識(shí)關(guān)聯(lián)。”愛(ài)數(shù)技術(shù)專家表示道。

例如，在很多運(yùn)維場(chǎng)景之中，知識(shí)與知識(shí)之間具有關(guān)聯(lián)性，但卻又彼此獨(dú)立存在不同知識(shí)庫(kù)之中，知識(shí)價(jià)值無(wú)法充分發(fā)揮。為此，AnyRobot Library 5的知識(shí)推理功能在知識(shí)網(wǎng)絡(luò)構(gòu)建時(shí)，利用知識(shí)圖譜、算法模型等將離散的知識(shí)都結(jié)構(gòu)化成為知識(shí)網(wǎng)絡(luò)，解決相關(guān)知識(shí)關(guān)聯(lián)關(guān)系不全的難題，實(shí)現(xiàn)知識(shí)內(nèi)容數(shù)量的增加和知識(shí)搜索結(jié)果的精準(zhǔn)。

又如在知識(shí)推薦方面，傳統(tǒng)知識(shí)庫(kù)無(wú)個(gè)性化推薦能力，運(yùn)維人員遇到問(wèn)題或者想要獲取知識(shí)只能通過(guò)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(shí)網(wǎng)絡(luò)的個(gè)性化推薦，打造個(gè)人專屬的知識(shí)中心，精準(zhǔn)匹配運(yùn)維需求。

綜合來(lái)看，AnyRobot Library 5將AI相關(guān)技術(shù)融入到運(yùn)維知識(shí)庫(kù)之中，為運(yùn)維知識(shí)庫(kù)構(gòu)建起知識(shí)錄入、知識(shí)管理、精準(zhǔn)搜索、智能推薦、知識(shí)問(wèn)答和知識(shí)訂閱等應(yīng)用場(chǎng)景，徹底改變了運(yùn)維知識(shí)庫(kù)的使用模式?！癆nyRobot Library 5之所以能夠?qū)崿F(xiàn)運(yùn)維知識(shí)庫(kù)的諸多智能化場(chǎng)景，要得益于背后的領(lǐng)域認(rèn)知智能技術(shù)積累?！睈?ài)數(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(lái)，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(gè)參數(shù)更是引爆AI界，吸引了無(wú)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(jì)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(guò)，認(rèn)知智能的落地并非大模型一條路。且不說(shuō)大模型需要耗費(fèi)巨大的CPU、GPU等物理資源，針對(duì)一些特定領(lǐng)域的認(rèn)知智能問(wèn)題，大模型表現(xiàn)并不盡如人意。這無(wú)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(duì)更加寬泛的場(chǎng)景，領(lǐng)域認(rèn)知智能技無(wú)疑在特定領(lǐng)域、特定場(chǎng)景和特定問(wèn)題上更加具有優(yōu)勢(shì)。例如，AnyRobot Library 5背后就有著認(rèn)知智能開(kāi)發(fā)框架的功勞。

AnyRobot Library 5背后的認(rèn)知智能開(kāi)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(kāi)發(fā)的知識(shí)庫(kù)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(shí)庫(kù)中，知識(shí)管理的工作復(fù)雜性強(qiáng)、負(fù)擔(dān)大，AnyRobot Library 5則可以實(shí)現(xiàn)自動(dòng)的知識(shí)發(fā)現(xiàn)與管理，對(duì)知識(shí)的關(guān)鍵字、關(guān)鍵短語(yǔ)、摘要進(jìn)行自動(dòng)識(shí)別，然后根據(jù)運(yùn)維知識(shí)網(wǎng)絡(luò)的主題信息進(jìn)行自動(dòng)分類管理，大幅降低知識(shí)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(shí)網(wǎng)絡(luò)，AnyRobot Library 5可以實(shí)現(xiàn)運(yùn)維知識(shí)庫(kù)從知識(shí)積累、知識(shí)使用到知識(shí)價(jià)值挖掘的良性閉環(huán)。用戶將AnyRobot Library 5部署到真實(shí)環(huán)境之中，就可以源源不斷積累各種數(shù)據(jù)、知識(shí)和經(jīng)驗(yàn)，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(shí)采集、存儲(chǔ)、管理、搜索、問(wèn)答、推薦的效果持續(xù)提升。

面向未來(lái)，隨著千行百業(yè)數(shù)字化轉(zhuǎn)型的深入，DevOps將會(huì)成為企業(yè)開(kāi)發(fā)運(yùn)維的主流模式，在這個(gè)過(guò)程中，運(yùn)維知識(shí)庫(kù)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(kù)之中已經(jīng)成為大勢(shì)所趨，像AnyRobot Library 5這種現(xiàn)代化、可持續(xù)的運(yùn)維知識(shí)庫(kù)將成為最重要的方向。

生成海報(bào)

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(píng)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(gè)人觀點(diǎn)，與極客網(wǎng)無(wú)關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)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(lái)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(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。