新一代全行运维一体化平台——“启明”，总体分为两个阶段建设，第一阶段：“建平台，夯实底座”，以一体化平台基础能力为核心建设内容，完成统一采控、数据治理、企业级CMDB、自动化等模块建设，并实现多云环境、信创环境适配，在场景侧优先建设统一监控、应急处置等重点应用。第二阶段：“搭场景，运营生态”，在第一阶段基础上，重点建设技术变更、灾备切换等场景，探索告警智能收敛、根因推荐等智能化应用。

公司CTO在2020年04月时一个演讲里提到的智能运维核心技术栈。细看看，真不少。做toC产品时，完全想不到toB的软件如此复杂。hadoop、Elasticsearch、Spark、kafka、Vertica、Mesos、Apache、Flink...已晕...

在当前阶段，构建高效、可靠的AI智能体（Agent），其成功的关键并不在于从零开始训练一个更庞大的模型，而在于对输入给模型的“上下文（Context）”进行精心设计和管理，即所谓的“上下文工程”（Context Engineering）

当企业想要部署智能运维系统的时候，常常最疑惑的是：以企业现在的IT系统/数据中心情况，应该从哪里入手，怎么做才可以人力物力的投入未来三五年持续产生应有的价值？首先能想到的方法，是上网研究一下智能运维如何建设，找相关的厂商来交流。不过因为不同的厂商，都会根据自己的优势宣传侧重点，跟着走容易跑偏。最近，我们在对多家客户调研的基础上总结了常遇到的六大困惑和锦囊妙计。这篇是锦囊一“智能运维=机器学习算法？

很讨厌AI智障回复

这几天总有朋友来问如果有些大学计算机系分得比较细，读哪个专业比较好？人工智能、软件工程、CS（计算机科学与技术）怎么选？不是招生老师，说不到很准确。不过作为IT从业人员，大致也了解这几个专业的各自方向。人工智能专业，是这些里面最偏向于算法和数学的，选它最好有扎实的数学（尤其是代数）功底，需要经常性跟数学公式打交道，仅次于数学系。算法公式常常长这样：（我好像连字母都读不全......）软件工程专业，

很讨厌AI智障回复

开会时有老大提到，用于智能运维的算法有不少是有监督学习，在一定规则下学习出适用的场景模型。而我们需要做的“无监督学习”算法，难度则要大不少。对于我们这种算法小白，虽然理解了有监督和无监督的区别，对于无监督到底是怎么学习的还是有点云里雾里。直到前几天看到一张算法学习的图，才略有点明白。挺有趣的：如图中所描述，无监督学习也是分一段段时间的。第一阶段开始根据读入的数据初始建模。建完后继续学习，这时有突增

运维大模型，当下有什么落地场景？

很讨厌AI智障回复