“背锅侠”的春天，AnyRobot Library5让运维进阶So Easy

都说运维是个苦差事儿，哪里有坑去哪里。以至于人们常戏言：运维是操着卖白粉的心，每天起的比鸡早，睡的比猪晚，还随时可能要背锅。

但不可否认的是，运维的价值正在变得愈发重要。尤其是随着企业数字化转型的深入，DevOps成为大势所趋，多业务的持续交付速度、应用服务的稳定性、运维降本增效都彰显出运维的重要性。

因此，近年来AIOps迅速流行，业界希望在运维中融入AI相关技术，减少运维复杂性和工作量，以实现运维的自动化和智能化。除了改变运维工作流程和模式之外，AI是否能对运维人员的能力提升和职业进阶有所帮助？

答案是肯定的！近日，爱数正式发布了AnyRobot Library 5，用领域认知智能技术彻底改变传统运维知识库，让运维知识库可持续进化，彻底改变运维人员的日常学习和进阶模式，从此甩掉“背锅侠”的称号。

传统运维知识库为何让人爱不起来

正所谓，天下武功，唯快不破。如今，市场风向和客户需求瞬息万变，也让企业自身必须变得更快。与传统的瀑布式开发交付模式相比，DevOps的小步快跑模式能够加快业务交付效率、快速响应市场需求，深得企业人心。

虽然企业借助DevOps打通了开发、运维的各个环节与流程，却在运维知识层面存在着割裂、运维经验难传承等情况。很多企业希望停止新建不同位置的运维数据孤岛；并且希望将专家沉淀下来的宝贵经验主动推荐给有需求的运维人员，以提升解决问题的效率；还希望让运维知识更加自动化和智能化，改变知识关联性差的状况。

有人可能会问，运维知识库不就是解决这些问题的办法么？

知识库的确在运维工作中不可或缺，但传统运维知识库如今很难适应DevOps的发展需求，甚至正在成为运维人员深恶痛绝的东西。例如，目前传统知识库主要分两类：一类是内嵌在ITSM之中，是服务管理过程中留下的知识留档，用于后续同类问题处理时复用；另一类则是企业自建的知识库包括需求分析、开发、测试、运维等相关文档，但这两类知识库都让运维人员爱不起来。

爱数技术专家直言：“如今在很多企业中，运维知识库的建设与更新要么是KPI考核强制性的，要么就是激励性的，最后结果都不理想。”事实上，爱数经过大量行业用户的调研分析，认为传统运维知识库主要存在四大问题：

• 知识录入麻烦：知识来源分散且多样，通常采用手工逐个文档上传，还需要人工加标签并对知识进行分类；
• 维护成本高：知识库需要运维人员手动更新，花费太多运维人员个人精力，意愿不强；
• 知识搜不到：使用者不知道历史知识，也想不到去哪里搜；最新的知识和经验搜不到，或者还未同步到知识库之中；搜索关键词不准确，知识库无法理解用户的意图；
• 知识搜不准：知识库无法匹配用户的身份，从而给出精准推荐；用户搜索的关键词，得出的内容却与之不匹配，很难得到想要的信息。

“企业需要一个可以持续进化的现代运维知识库，能够很好将各种运维知识高效、精准、主动推送给有需求的工作人员。”爱数技术专家总结道。

现代运维知识库：可持续进化

众所周知，运维岗位是一个融合多学科(网络、系统、开发、安全、应用架构、存储等)的综合性技术岗位，运维知识也是纷繁复杂、多种多样。如今，运维工作越来越细分，对于运维人员的综合技能要求越来越高。尤其是随着企业数字化转型的深入，新场景、新业态涌现，实际上要求运维人员在日常处理问题和知识学习积累上提出更高要求。

因此，一个平台开放、方便实用和维护简单的现代运维知识库是大势所趋。在爱数技术专家看来，现代运维知识库一定是具备自我持续进化的能力，提供知识自动采集、精准搜索、智能推荐、知识问答、知识自动更新等智能化功能，可以帮助企业彻底激活企业运维知识的价值和进一步提升运维效率。

AnyRobot Library 5即是爱数公司推出的一款面向DevOps的现代运维知识库，通过关联多类知识源，基于领域认知智能技术打造运维知识网络、实现智能知识推荐、知识精准搜索、知识推理和知识问答等场景。

“DevOps面临的各种运维问题往往需要综合、多维度的知识，AnyRobot Library 5通过领域认知智能技术形成运维的知识网络，实现知识关联。”爱数技术专家表示道。

例如，在很多运维场景之中，知识与知识之间具有关联性，但却又彼此独立存在不同知识库之中，知识价值无法充分发挥。为此，AnyRobot Library 5的知识推理功能在知识网络构建时，利用知识图谱、算法模型等将离散的知识都结构化成为知识网络，解决相关知识关联关系不全的难题，实现知识内容数量的增加和知识搜索结果的精准。

又如在知识推荐方面，传统知识库无个性化推荐能力，运维人员遇到问题或者想要获取知识只能通过搜索的方式，甚至经常出现搜索结果与需求不匹配的情况。而AnyRobot Library 5的智能推荐则是基于运维知识网络的个性化推荐，打造个人专属的知识中心，精准匹配运维需求。

综合来看，AnyRobot Library 5将AI相关技术融入到运维知识库之中，为运维知识库构建起知识录入、知识管理、精准搜索、智能推荐、知识问答和知识订阅等应用场景，彻底改变了运维知识库的使用模式。“AnyRobot Library 5之所以能够实现运维知识库的诸多智能化场景，要得益于背后的领域认知智能技术积累。”爱数技术专家表示道。

Library 5背后：领域认知智能的崛起

近年来，随着大模型的崛起，“大炼模型”和“炼大模型”成为业界的口头禅。像目前应用最广的GTP-3的1750亿个参数更是引爆AI界，吸引了无数关注。很多人利用GPT-3模型进行像文学创作、新闻编辑、智能客服、前端设计等工作。

大模型的确是正在改变认知智能的应用与落地模式。不过，认知智能的落地并非大模型一条路。且不说大模型需要耗费巨大的CPU、GPU等物理资源，针对一些特定领域的认知智能问题，大模型表现并不尽如人意。这无疑为领域认知智能的崛起提供了良好机遇。

领域认知智能技术犹如“专精特新”，相比于大模型针对更加宽泛的场景，领域认知智能技无疑在特定领域、特定场景和特定问题上更加具有优势。例如，AnyRobot Library 5背后就有着认知智能开发框架的功劳。

AnyRobot Library 5背后的认知智能开发框架，集成了大量认知智能技术，并封装成很多工具集给上层应用使用。AnyRobot Library 5即是基于认知智能框架开发的知识库应用，也基于此，让AnyRobot Library 5具备了可持续进化能力。

例如，在运维知识库中，知识管理的工作复杂性强、负担大，AnyRobot Library 5则可以实现自动的知识发现与管理，对知识的关键字、关键短语、摘要进行自动识别，然后根据运维知识网络的主题信息进行自动分类管理，大幅降低知识管理的难度。

更加关键的是，基于认知领域框架和运维知识网络，AnyRobot Library 5可以实现运维知识库从知识积累、知识使用到知识价值挖掘的良性闭环。用户将AnyRobot Library 5部署到真实环境之中，就可以源源不断积累各种数据、知识和经验，提升运维人员的使用频率，进而不断优化领域认知智能的算法模型，让知识采集、存储、管理、搜索、问答、推荐的效果持续提升。

面向未来，随着千行百业数字化转型的深入，DevOps将会成为企业开发运维的主流模式，在这个过程中，运维知识库不应该成为企业数字化转型的负担，将AI技术融入到运维数据库之中已经成为大势所趋，像AnyRobot Library 5这种现代化、可持续的运维知识库将成为最重要的方向。