基于大模型的根因分析实战_42页_12mb

2024 AI+研发数字峰会总结

核心内容

本次2024 AI+研发数字峰会上，文吉分享了基于大模型的根因分析实战经验，重点介绍了畅捷通信息技术股份有限公司在运维智能化方面的实践和成果。畅捷通作为用友集团旗下的企业，专注于小微企业财税及业务云服务，其业务架构复杂，且业务迭代速度快，因此在运维方面面临巨大挑战。

主要观点

• 运维复杂性：随着业务从自建机房逐步转向全面采用公有云容器化架构，运维复杂性呈指数级增长。
• 传统AIOps的缺陷：运维团队积累的专家经验难以编码到算法模型中，通常被简化为阈值或复杂规则，难以维护和传承。
• 根因分析的必要性：通过构建根因排查逻辑树、统一报警字段集规范、多模态Agent集合等方式，实现报警的自动化分析，提升故障定位和应急止损的效率。
• 大模型的作用：大模型技术通过文本推理能力，将运维专家经验转化为可执行的逻辑流程，帮助运维人员更快速地定位问题。
• 未来展望：进一步推进工作流插件化、构建“大总管”模式，减少知识获取难度，利用大模型的汇总、总结能力实现低代码运维。

关键信息

业务背景

• 畅捷通是用友集团成员企业，专注于小微企业财税及业务云服务。
• 业务架构复杂，包括C端和B端用户，业务迭代速度快。
• 采用公有云模式（阿里云、华为云、腾讯云）及混合云模式，实现云原生架构。

运维痛点

• 报警处理复杂：定位问题需要打开多个看板并执行多个分析脚本，耗时较长。
• 故障难以预测：线上无法复现问题，导致故障处理困难。
• 报警信息不清晰：难以判断报警的严重性、影响范围及处理状态。
• 资源利用率低：手工操作导致资源利用率低，部署和扩展速度慢。
• 应急响应压力大：IT从业者的压力极大，尤其在业务高峰期。

解决思路与整体方案

• 检查单机制：借鉴飞机检查单（SOP）思想，构建根因排查逻辑树，将故障排查过程固化。
• 统一报警字段集：规范报警字段，使所有报警都能标准地关联到具体的业务、产品和资源。
• CMDB自动化维护：构建包含业务、基础资源、人员、代码仓库、配置等信息的大型数据字典。
• 多模态Agent集合：通过查询类Agent和动作类Agent，实现报警的自动化分析。
• 根因分析流程：将故障排查流程转化为工作流，实现自动化的故障处理流程。

具体实现与技术实践

• 根因分析流程：通过预设的检查流程，对报警事件进行分析，最终定位根因。
• Agent定义：定义了多种Agent，包括查询类和动作类，用于不同阶段的故障排查。
• 工具构建：通过CMDB、IT资产清单、CICD配置、config数据等，构建了查询类Agent。
• 自动化分析：目前根因的召回率已超过50%，随着Agent和流程编排的完善，召回率将逐步提升。
• 闭环处理：成功召回根因的报警，机器人会自动关闭报警工单，支持钉群交互，形成闭环。

技术运营平台

• 技术运营平台：名为“技术运营平台 /OPS-202448”，实现了报警的自动分析。
• 智能服务：通过智能服务组件，实现了报警事件的自动处理和根因分析。
• 调试预览：通过提示词预览，帮助用户更好地理解AI在运维中的应用。

未来计划

• 更多工作流：让AI串联更多工作流程，如监控、巡检、故障止损、智能容量预防、智能风险识别等。
• 工作流插件化：将这些工作流转化为插件，以便在大模型应用中调用。
• 大总管模式：面向对话框工作，简化开发过程，释放AI能力。
• 关键词：全文检索、逻辑推理、低代码。

总结

本次分享详细介绍了畅捷通在运维智能化方面的实践和成果，通过构建根因排查逻辑树、统一报警字段集规范、多模态Agent集合等方式，实现了报警的自动化分析，提升了运维效率和故障处理能力。未来，畅捷通将继续推进工作流插件化、构建“大总管”模式，进一步降低运维复杂性和成本，利用大模型的汇总、总结能力实现低代码运维。