大模型时代的智能运维AIOps--与小模型是关系及通用大模型底座该如何选择

在大模型时代，AIOps（智能运维）正面临技术挑战，需要整合语言模型与现有小模型工具，实现更智能的运维决策。

AIOps小模型数量众多，但通识大模型在运维L域的表现参差不齐，需要解决技术挑战，如运维语料不足、结构化数据处理、以及与现有AIOps工具的融合。

大语言模型的模型栈分为L1、L2、L3三层，分别对应不同的应用场景和技术挑战，如私有部署、多模态数据处理和知识融合。

运维大语言模型的应用案例包括数字化运维助手、私有文档问答、脚本解读和数据注释，这些应用旨在提G运维效率和准确性。

运维大语言模型的中长期应用定位为从助手到内部专家的角色转变，通过智能体和基础模型编程框架，实现复杂运维任务的自动化。

报告强调，尽管存在挑战，但通过技术思路和策略，如检索增强、课程学习、模型分层等，可以逐步克服这些问题，实现AIOps的广泛应用。

附件：大模型时代的智能运维AIOps--与小模型是关系及通用大模型底座该如何选择