专题演讲嘉宾：王宁

随着信息技术和大数据的发展，企业在日常运维管理中面临越来越复杂的挑战。传统的 AIOps 系统依赖于规则和模式识别，但常常由于知识库的局限性和缺乏灵活的智能决策支持，无法高效处理快速变化的故障场景。大语言模型（LLM）凭借其跨任务的智能能力，逐渐展现出在运维领域中的巨大潜力，尤其在跨系统的知识整合、故障处理以及自动化决策方面，具备了比传统技术更高的灵活性和智能化水平。

然而，大语言模型本身的挑战也不容忽视。由于其训练依赖于公开的互联网数据，LLM 通常缺乏针对私有领域、特定行业或企业的知识积累。这意味着，虽然 LLM 能够在通用场景中表现出色，但在处理企业的私有化、专有知识时，常常表现出知识盲区或无法精准适配的情况。为此，如何将企业内部丰富的私域知识与 LLM 的智能能力结合，成为了智能运维技术发展的关键瓶颈。

本次演讲将介绍如何通过创新的知识沉淀、学习、生成与更新机制，将私域知识与 LLM 深度融合，构建更加智能和自主的运维系统。我们将展示 SOPAgent 这一全新架构，如何解决传统 AIOps 中遇到的难题，通过大语言模型的自主学习能力，让企业能够高效、智能地处理复杂的运维场景，从而大幅提升运维效率与准确性。

演讲提纲

1. 业务背景与挑战

• LLM 在 AIOps 中的优势与挑战
• 私域知识的沉淀与使用难题

2. 技术方案与创新

• 知识沉淀：自动化收集与整合私域知识，处理多模态数据
• 知识学习：基于 LLM 的自动学习与组织
• 知识生成：自动化生成（混沌工程）与业务需求对接
• 知识更新：智能化迭代与持续学习

3. SOPAgent 架构设计

• 知识收集与处理阶段
• 知识生成与应用阶段

4. 技术亮点与创新

• 多模态大模型的应用
• LLM 的推理与知识抽取能力
• 知识生成与验证的闭环
• 自动化与智能化的运维提升

5. 实践效果与案例分享

• SOPAgent 在实际运维中的应用效果
• 故障处理与知识生成的实际案例展示
• 系统如何提升运维效率与准确性
• 客户反馈与应用成果
• 企业运维人员如何利用 SOPAgent 提高工作效率
• 智能化运维对公司整体生产系统的影响

6. 经验总结与建议

7. 未来展望与发展方向

您认为，这样的技术在实践过程中有哪些痛点？

• 多模态数据的处理
• RAG 系统的搭建
• LLM 能力的局限

演讲亮点

• 智能 Agent 的自主学习能力：LLM 如何从私域知识中自主学习、生成 Agent，减少业务人员的直接参与
• 多模态数据的智能处理：如何有效整合图像、文本等多种形式的私域数据，提升知识的应用效果
• 闭环的知识管理体系：知识的自动收集、学习、生成与更新，推动智能化运维的不断发展

听众收益

• 了解如何通过 LLM 优化私域知识管理和运维流程
• 掌握基于 LLM 的智能 Agent 开发与运维知识管理最佳实践
• 获取提升运维效率和准确性的技术方案与实践经验