文章主题：
案例 | AIGC在系统运维领域的应用探索
文 / 中国银行软件中心 王婉婷 付晖 闫晓斐 陈若昱
🌟随着分布式架构的飞速演变与云原生时代的到来，大型银行的IT系统已展现出独特的动态平衡——既有高度敏感的敏态特性，又有稳健可靠的稳态基础。在云上云下交织、集中与分布并存的复杂格局中，对运维工作的高效敏捷性提出了更高的挑战。🔍近年来，AI技术的革新，特别是AIGC这一革命性力量，为提升运维效能注入了强大动力。它催生出多元化的技能库，如文本生成、智能分析和内容推荐等，在解决复杂问题上展现出无人能敌的实力。极简主义设计风格在现代生活中的应用
AIGC运维体系
🌟中国银行软件中心🚀引领行业智慧运维转型，利用先进的AI技术与深厚的IT运维经验，逐步打造智能化运维体系。📈从平台关键技术到全面监控，再到配置管理、智能响应和报告生成，我们提供全方位的智能运维服务。💡通过AGI框架，我们实现了运维信息一体化，应用追踪无死角，故障诊断精准快速，变更自动化执行，实时决策护航。📊基于企业级资源库，如通用与专业模型集、场景库及知识库，算法库和用户权限系统，我们构建了一套运维智能生态系统。💻服务台是我们的统一门户，为用户提供流畅的运维体验，如图1所示，让每一次操作都高效且无缝。🏆通过这些创新，我们致力于提供更优质、高效的IT运维支持。🌟SEO优化提示：AGI框架、AI技术、智慧运维、企业级资源库、服务台体验等关键词可以增强文章的相关性和搜索引擎排名。
图1 AGI运维框架
在AGI运维框架下，实现企业级一体化运维的高效策略包括三个方面：首先，通过智能化信息生成，如利用AI链接企业数据库和分析系统，实现实时生成各类运维报告，如巡检、事件与资源使用情况，使数据处理更快速且精准。其次，交互层面采用AI驱动，通过优化提示引导AI生成操作指令，并连接RPA工具，实现简化的命令式对话运维，提升互动效率。最后，借助智能告警和自愈机制，大型AI模型对运维数据进行深度分析后，自动触发自动化工具，实现故障的快速定位和自我修复，确保系统的稳定运行。这样不仅提升了运维的智能化水平，也优化了整体运维流程，有助于搜索引擎SEO优化。
🌟图2展示了AGI运维的强大应用场景——通过高效利用MaaS层的大模型API服务和企业级工具接口，结合智能化的调优建议，轻松满足日常运维所需。💡问答型AI能提供及时的技术支持，如解答疑问或推荐运维解决方案，而任务导向的AI则可实时监控并自动执行任务，如查看状态与一键部署。🚀无论何时何地，AGI都能以精准和便捷的方式，为您的运维工作保驾护航！
图2 AGI运维场景示例
1.多渠道信息收集，构建运维数据基石。兵马未动，数据先行。数据的收集整合是整个运维工作的基础。大模型训练阶段需要多种类型的数据做支撑。企业可观测系统整合了Zabbix、Prometheus、ELK、Skywalking等存量监控系统，企业统一配置中心融合了各种自动化脚本工具，具备多渠道、高效率的数据收集能力，将基础资源层、平台层、应用层等各级基础配置、系统和应用运行日志、监控指标、链路信息、运维知识库等纳入管控范围，稳定支撑了几万余分区的运维数据收集。
🌟领域大模型🚀以问题为核心，通过深度分析海量数据，持续优化预处理流程，减少冗余干扰，精准提取关键运维指标。它像一个AI智能管家，针对传统基于规则或机器学习的告警系统，提供定制化优化建议，实时调整算法，提升告警准确性与效率。每一份预警通知都附带解决策略，实现数据整合和全面可视化的“一站式”服务，让运维工作更高效、精准。🌍
2.全链路可观测，精准排除系统故障。全域覆盖，动态感知。AGI运维框架以企业可观测系统和企业统一配置中心为基础，以领域大模型和算法库为驱动，从系统架构、网络拓扑、应用程序等多维度开展链路级的聚合分析以及故障分析诊断。采用关键路径埋点、故障链路染色，将收集到的大量基础数据串联，并开展多轮次的模型训练和参数调整，结合链路中的多源历史数据建立应用程序的运行状态的基准画像。将业务集群中的实时链路数据动态与应用的基准画像进行基线匹配，并对故障信息进行上报，实现了业务链路脉络张力的透明化，使“链路即服务”“故障即发现”变得触手可得，为系统和应用的精准排障提供了智慧“双眸”。
原文改写：🌹落红虽逝，却化为滋养新生的春泥，这就是故障分析的智慧。我们的模型就像这样，通过深度解析关键链路、异常指标和日志数据，以及历史问题的知识库，精准诊断故障。生成报告后，它会自动审查并总结故障详情，形成故障摘要，然后悄然移入待处理区。专家团队随后进行详尽审核，确保无误后，这些宝贵信息将被知识宝库永久珍藏。同时，它们也会成为模型迭代优化的宝贵养分，推动诊断能力不断提升。🌱SEO优化词汇：故障解密神器，关键链路监测，异常指标解析，日志数据洞察，问题知识库挖掘，故障总结报告生成，专家验证流程，知识库升级，模型迭代优化。添加emoji: 🌹💡🔍📚🤖📊🧩✅📜
3.变更实施控制，实现流程高效敏捷管理。围绕“安全、敏捷、高效”原则，对变更、应急、服务请求等进行简化和灵活性改造，建立适用于云原生环境下的轻量级、便捷式流程。AI通用大模型、垂直领域大模型与机器人流程自动化（RPA）、自动化工具等结合，能够实现变更配置和部署流程的自动化。模型通过收集和分析系统配置信息、环境要求和应用程序的特性，生成适用于特定环境和应用程序的配置文件，并对配置文件进行验证。基于系统配置信息和部署策略，生成自动化部署计划，包括步骤、顺序和依赖关系。根据生成的部署计划，自动化工具执行配置文件的分发和应用程序的部署。在部署或变更完成后，执行验证步骤，如果发现问题，根据事先定义的回滚策略，自动还原到先前的可用状态，实现智能运维下变更流程和实施“道法自然”效果。
智能变更流程如图3所示，通过输入用户变更信息描述，通用大模型分解变更任务，并分发至领域大模型进行子任务的并发执行，通过约束大模型的输出内容，链接不同的企业工具如数据库、搜索工具、RPA系统等进行实时信息获取和任务执行，任务完成后将相关信息反馈至变更负责人或落盘记录，方便后续审查。
图3 智能变更流程
4.智慧运营，为运维提供决策支持。运筹帷幄，决胜千里。AGI运维框架的智能服务层通过“一对一”对话式方式让系统运维变更简单，能够结合全局信息提供更合理的决策支持。在系统资源分配方面，模型通过分析系统运行数据，预测未来的资源需求，实时响应用户需求，辅助运维团队制定资源分配和扩容的计划，真正做到云资源使用的自主感知和弹性伸缩。为有效应对网络威胁攻击，应用AGI模型辅助设计与生成针对多云环境下的网络安全防护体系和漏洞疏堵策略。基于网络巡检、故障诊断等报告，配合全面的流量采集、蜜罐管控、访问控制等多重防御手段和合理的模型提示词，打穿不同系统和应用间壁垒与隔阂，生成安全防御报告并统一纳管至安全运营中心，构建立体化、纵深防御的网络安全体系，实现安全防御策略的智能分析和决策。
不谋全局者，不足谋一域。中国银行拥有多地多中心的生产和测试的数据机房，基于通用和行业领域构建的多模型融合的AGI运维框架，能够让运维工程师足不出户可以获取到准确的运维指引，高效完成多地多中心协同运维任务。
问题和挑战
AIGC大模型在运维领域已经崭露头角，但在实际应用中，仍面临一些不容忽视的挑战。
1.内容不确定性。基于大模型生成的内容可能受到训练数据质量或数量的限制，以及模型可靠性的影响，导致生成的内容存在偏差或错误，需要利用大模型应用框架调试Prompt以优化其生成能力，如Json格式的输出约束。
2.隐私和安全问题。银行的业务系统涉及大量的敏感信息和关键数据，需要采取相应的安全措施和隐私保护措施，如RLHF模型对齐、模型前置和后置的生成安全内容检测，以防止未经授权的访问和数据泄露。
3.用户信任度考验。大模型的决策过程通常是不透明的，可能会引发关于其决策的解释和信任的问题，需要经过时间和效果的考验才能得到用户的接受和信任。
总结与展望
未来，新时代带来了新机遇和新挑战。随着AIGC技术的应用场景不断被发掘，业界也涌现出了诸多大模型框架，陆续覆盖了代码开发、系统安全等领域。中国银行软件中心将继续深耕AIGC技术研究工作，将其打造成为测试和运维人员进行根因分析、故障排除与预测、系统迭代与优化的首选手段，同时积极关注业界AIGC技术及开源社区发展动态，挖掘该技术在银行业反洗钱、智能投顾、黑灰产业欺诈分析等多种场景下的落地应用，为业务的安全、稳定、效率运行提供坚实的环境保障。
（此文刊发于《金融电子化》2024年1月上半月刊）返回搜狐，查看更多
责任编辑：
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
