系統(tǒng)基于大模型的開發(fā)訓練方法，完成大模型開發(fā)訓練環(huán)境的搭建，并特別針對企業(yè)典型的云平臺運維需求，結(jié)合領域業(yè)務數(shù)據(jù)完成運維大模型的調(diào)試工作，實現(xiàn)了大模型在云平臺運維領域的應用。

1、技術(shù)路徑：基于大模型的云平臺智能運維系統(tǒng)以淵亭大模型開發(fā)訓練平臺、大模型數(shù)據(jù)治理平臺為基礎，消納用戶已有的運維數(shù)據(jù)（日志、監(jiān)控信息、應用信息等），結(jié)合淵亭科技的智能模型開發(fā)和調(diào)優(yōu)經(jīng)驗，支撐云平臺多個應用方向的智能運維管理。

2.技術(shù)架構(gòu)：基于大模型的云平臺智能運維系統(tǒng)從下至上，分為基礎設施層、資源支撐層、能力供給層、能力生成層和應用服務層。

基于大模型的云平臺智能運維系統(tǒng)典型應用場景有運維數(shù)據(jù)管理、異常告警管理、故障分析、故障預測等。

云平臺運維工作是一項繁瑣、高要求的工作，除了常規(guī)的日常運維服務之外，在當前海量數(shù)據(jù)場景下，自動發(fā)現(xiàn)故障和自動異常檢測的需求甚為迫切，如何能極大地簡化研發(fā)策略配置成本，提高告警的準確率，減少告警風暴和誤告，從而提高運維效率是運維工作面臨的重大挑戰(zhàn)之一。另外，如何解決當前海量數(shù)據(jù)場景下人工配置和運營告警策略、告警風暴和準確率不高等問題也是運維工作的核心痛點。

本項目由淵亭科技針對同方有云重點運維業(yè)務的痛點進行行業(yè)大模型建設。具體的，處理大量的云平臺運維數(shù)據(jù)（日志、監(jiān)控信息、應用信息等），利用開源大模型訓練運維基座模型，并結(jié)合業(yè)務需求，孵化面向不同場景的專業(yè)運維大模型，能夠進行自動發(fā)現(xiàn)故障和自動異常檢測，探索了基于運維大模型的智能運營。同時，設計了數(shù)據(jù)回流機制，能夠在運維過程中從海量運維數(shù)據(jù)中不斷進行處理加工和提煉，反哺專業(yè)運維大模型，形成數(shù)據(jù)飛輪。

基于大模型的云平臺智能運維系統(tǒng)以淵亭大模型開發(fā)訓練平臺、大模型數(shù)據(jù)治理平臺為基礎，消納用戶已有的運維數(shù)據(jù)（日志、監(jiān)控信息、應用信息等），結(jié)合淵亭科技的智能模型開發(fā)和調(diào)優(yōu)經(jīng)驗，支撐云平臺多個應用方向的智能運維管理。

基于大模型的云平臺智能運維系統(tǒng)從下至上，分為基礎設施層、資源支撐層、能力供給層、能力生成層和應用服務層，如下突所示。

3.系統(tǒng)功能

（1）向量知識庫管理功能：提供一站式的向量庫建立手段，能夠?qū)�入知識圖譜、文檔等，快速進行向量化，并對向量化細節(jié)提供細粒度的調(diào)整手段，能夠測試和預覽向量知識庫效果。

（2）向量知識庫應用功能：支持多樣化的編排模版，實現(xiàn)對話鏈、溯源等典型場景的快速構(gòu)建。并能夠結(jié)合提示詞模版支撐高匹配度的領域問答。

• 支持至少10GB級別的大規(guī)模數(shù)據(jù)集的接入，包括連接數(shù)據(jù)源、加載數(shù)據(jù)、解析數(shù)據(jù)、數(shù)據(jù)處理等能力；

• 支持加載多種精度（如float64、float16或int8等）的模型；

• 支持使用至少2種常見的微調(diào)算法開展微調(diào)；

• 支持微調(diào)后模型保存時間為分鐘級；

5.應用場景

基于大模型的云平臺智能運維系統(tǒng)典型應用場景有運維數(shù)據(jù)管理、異常告警管理、故障分析、故障預測等。

（1）異常告警監(jiān)控

通過對異常數(shù)據(jù)進行打標、微調(diào)，能夠自動發(fā)現(xiàn)IT系統(tǒng)中的異常行為，并提供及時的警報和響應。利用溯源功能、知識庫功能，快速定位異常點，進而完成海量數(shù)據(jù)精確匹配、時序類別多樣性分析和實時處理等工作。

（2）運維故障分析 能夠快速分析處理多種類型的海量數(shù)據(jù)，如Trace、Metric和Log等類型，輔助進行故障診斷和分析，形成推測的事件根因，供人工二次復核。結(jié)合運維系統(tǒng)其他功能，實現(xiàn)從異常檢測到根因定位、故障分類、故障分析和修復建議的全流程自動化處理，提高故障分析效率。

（3）故障預測

引入正常數(shù)據(jù)、異常數(shù)據(jù)，開展運行數(shù)據(jù)的特征挖掘，聚焦其中的異常因素，形成模型基礎認知。在實際問題即將發(fā)生前，大模型自主快速的進行提示，通過人機結(jié)合的確認審核手段，預測未來事件，防止?jié)撛诘墓收稀?

系統(tǒng)運維工作是一項繁瑣、高要求的工作，且對可靠性具有很高的要求，基于大模型的云平臺智能運維系統(tǒng)可以提高信息化系統(tǒng)運維效率，降低運維成本，增強預測性維護能力，并能實現(xiàn)運維個性化服務。

1.提高運維效率：系統(tǒng)引入運維大模型，自動化處理海量運維數(shù)據(jù)，進行快速、高質(zhì)量判斷，能夠代替運維人員進行大量判斷，實現(xiàn)風險的預防、發(fā)現(xiàn)、定位和處理，從而大幅提高運維工作的效率。

2.降低運維成本：隨著系統(tǒng)復雜化，傳統(tǒng)的人工運維成本不斷上升。系統(tǒng)通過構(gòu)建具備自適應性的功能大模型，減少人工維護工作量，進而有效降低這部分成本，是降本增效的有效手段。

3.增強預測性維護：增強的預測性維護能力，使得設備的可靠性、生命周期得到大大的提升，系統(tǒng)的穩(wěn)定性也得到增強。