主要观点总结
本文从AIOps的演进谈起，提出了AIOps的挑战症结所在，重点分析了AIOps是怎样的运维工作模式，其智能运维场景如何构建，以及大模型和AI Agent给场景带来的新思路。文章对AIOps的发展趋势有深入的思考，值得同行学习借鉴。
关键观点总结
关键观点1: AIOps的挑战和演进
文章详细阐述了AIOps的演进过程，指出了当前AIOps面临的挑战，如算法与专家经验的脱节、用户对AI的信任危机等。
关键观点2: AIOps的工作模式
作者提出了自己对AIOps的理解，认为AIOps是一种数智时代人机协同的运维模式，是算法、数据、机器人与SRE专家经验融合的结果。
关键观点3: 智能运维场景的设计
文章围绕“感知、决策、执行”的智能运维场景展开讨论，阐述了如何将算法、数据、机器人应用在运维场景上，重新设计一系列稳定性保障场景。
关键观点4: 大模型和AI Agent的新思路
作者探讨了大模型和AI Agent在智能运维场景中的应用，认为大模型在处理数据时的灵活性、AI Agent的智能化和自主性能够提升智能运维的效果。
关键观点5: 未来展望
文章最后对AIOps的未来进行了展望，认为需要继续推动AI技术与人类经验的融合，激发SRE积极参与智能运维的动力。
文章预览
【摘要】 本文从AIOps的演进谈起，提出了AIOps的挑战症结所在，重点分析AIOps是怎样的运维工作模式，其智能运维场景如何构建，以及大模型和AI Agent给场景带来的新思路。本文对AIOps的发展趋势有较深入的思考，值得同行学习借鉴。 【作者】彭华盛， 广发证券数字化运维研发团队负责人。超过10年金融领域运维工作，期间负责参与企业运维组织、流程、工具的建设，包括多项重大业务系统及数据中心工程性项目实施，数据中心工作流程构建，运维平台规划与研发等工作、多项行业标准编写，参与编写《运维数字化转型》《运维数据治理》、《运维前线》、《变局中的证券机构：数字化转型与创新》等书。 信息化时代，我们通过线上系统将传统线下工作重新做了一遍；互联网时代，用连接打破了交流的界限；数字化时代以数据驱动重塑商业模式。那
………………………………
