隨著行業(yè)數(shù)字化轉(zhuǎn)型的深入、人工智能的快速發(fā)展，傳統(tǒng)運(yùn)維框架正在逐漸被顛覆，運(yùn)維難度指數(shù)增長(zhǎng)。客戶應(yīng)用軟件系統(tǒng)群日益龐雜，急需完成系統(tǒng)群的集成運(yùn)維，運(yùn)維需求向更加專業(yè)化和規(guī)范化邁進(jìn)。如何讓IT系統(tǒng)持續(xù)穩(wěn)定運(yùn)行、如何讓運(yùn)維更加智能化成為了很多客戶的痛點(diǎn)和難點(diǎn)。頭部ISV在當(dāng)前復(fù)雜的運(yùn)維需求中具備重要的機(jī)會(huì)點(diǎn)和發(fā)力點(diǎn)。
中科軟科技股份有限公司作為提供行業(yè)應(yīng)用軟件產(chǎn)品和解決方案的高新技術(shù)軟件企業(yè)，行業(yè)應(yīng)用軟件的運(yùn)維是公司業(yè)務(wù)中的重要部分。在AI技術(shù)迅猛發(fā)展的當(dāng)下，如何利用好頭部ISV的技術(shù)和資源優(yōu)勢(shì)，加快AI運(yùn)維系統(tǒng)的開發(fā)和應(yīng)用并及時(shí)落地推廣也是中科軟科技一直以來(lái)的努力方向。
為推進(jìn)公司行業(yè)應(yīng)用軟件的AI運(yùn)維系統(tǒng)的更好發(fā)展和落地，同時(shí)也為了通過(guò)和相關(guān)領(lǐng)域?qū)＜?、客戶的指?dǎo)交流，推動(dòng)公司AI運(yùn)維系統(tǒng)的技術(shù)開發(fā)及運(yùn)維行業(yè)的技術(shù)發(fā)展和進(jìn)步，中科軟科技于2024年11月29日及12月2日成功舉辦了為期兩天的研發(fā)實(shí)踐技術(shù)交流會(huì)，主題為“行業(yè)應(yīng)用軟件的AI運(yùn)維系統(tǒng)方案”。
在軟件開發(fā)的過(guò)程中，運(yùn)維和AI結(jié)合是一個(gè)比較典型的部分。目前AI的實(shí)踐大量用于分析非結(jié)構(gòu)化數(shù)據(jù)中，產(chǎn)生的效益主要來(lái)自多模態(tài)數(shù)據(jù)、機(jī)采數(shù)據(jù)等方面，而運(yùn)維正是機(jī)采數(shù)據(jù)的應(yīng)用場(chǎng)景。
從目前實(shí)踐看，將運(yùn)維單純作為工具這一路徑還存在一定困難，在垂域大模型崛起后，新的硬件和模型基座廠家讓目前的運(yùn)維領(lǐng)域出現(xiàn)了合作趨勢(shì)。其中的模型部分，需要通用和專用兩個(gè)層面的訓(xùn)練?；鶑S家側(cè)重通用，而頭部ISV由于擅長(zhǎng)領(lǐng)域知識(shí)，側(cè)重專用的關(guān)鍵部分。當(dāng)前大模型訓(xùn)練關(guān)注成本和準(zhǔn)確精度，所以問(wèn)題焦點(diǎn)在標(biāo)準(zhǔn)正確答案數(shù)據(jù)集，即半結(jié)構(gòu)化標(biāo)注數(shù)據(jù)集，也是“精準(zhǔn)計(jì)算”模型訓(xùn)練所需數(shù)據(jù)集。問(wèn)題關(guān)鍵又從模型通用技術(shù)，轉(zhuǎn)回了領(lǐng)域知識(shí)數(shù)據(jù)的準(zhǔn)備。在運(yùn)維領(lǐng)域也分成系統(tǒng)軟件和應(yīng)用軟件兩部分，特別是運(yùn)維本身的知識(shí)庫(kù)/智能體的建設(shè)。只有大量工程實(shí)踐和積累的情況下，模型訓(xùn)練精度才能提高，成本才會(huì)下降。故必須廣泛開展半結(jié)構(gòu)化數(shù)據(jù)集應(yīng)用軟件實(shí)踐，另外新興的小模型（SLM）也是運(yùn)維系統(tǒng)發(fā)展的一個(gè)重要方向，因其具有準(zhǔn)確和本地化安全部署的特點(diǎn)，在降低運(yùn)維成本的同時(shí)，也更能契合目前運(yùn)維市場(chǎng)更加專業(yè)化和精確化的需求。ISV和廠家在這方面需要緊密的合作，才能提供給客戶更優(yōu)質(zhì)的產(chǎn)品和服務(wù)。
在新需求產(chǎn)生的同時(shí)，運(yùn)維領(lǐng)域的幾個(gè)特點(diǎn)也讓運(yùn)維智能化變革成為可能：全周期，在做需求、設(shè)計(jì)、開發(fā)測(cè)試和使用手冊(cè)的整個(gè)周期過(guò)程中都涉及到了運(yùn)維。全內(nèi)容，運(yùn)維的過(guò)程可以分為三個(gè)部分，三個(gè)部分中都可以有AI的助力。數(shù)據(jù)結(jié)構(gòu)需要運(yùn)維引入AI技術(shù)作為數(shù)據(jù)模型、數(shù)據(jù)做表的工具；在功能及運(yùn)行模塊，即表示層部分，涉及到大量界面的統(tǒng)一管理，這也是人工智能的重要應(yīng)用場(chǎng)景；最后在組件和腳本平臺(tái)部分，行業(yè)應(yīng)用軟件的代碼生成也可以運(yùn)用AI的能力。全環(huán)境，運(yùn)維不僅涉及到應(yīng)用軟件層面，也關(guān)系到系統(tǒng)軟件層面，運(yùn)維監(jiān)控就是對(duì)操作系統(tǒng)、數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)等多方面進(jìn)行監(jiān)控，在這部分工作中AI也大有可為。
本次交流會(huì)非常榮幸地邀請(qǐng)到來(lái)自人保科技、農(nóng)銀人壽、恒安標(biāo)準(zhǔn)養(yǎng)老保險(xiǎn)、現(xiàn)代財(cái)險(xiǎn)、中意人壽、中華人壽、華泰人壽、邦邦汽車、中國(guó)疾病預(yù)防控制中心、民航科學(xué)技術(shù)研究院、攬秀科技、神舟靈云等各行業(yè)客戶及生態(tài)伙伴的技術(shù)專家，以及北京交通大學(xué)、北京工業(yè)大學(xué)、中國(guó)科學(xué)院軟件研究所、中國(guó)社會(huì)科學(xué)院、中國(guó)科學(xué)院大學(xué)等高校及科研機(jī)構(gòu)的專家參與方案評(píng)審，共同探討AI運(yùn)維系統(tǒng)在行業(yè)應(yīng)用軟件領(lǐng)域的實(shí)踐和應(yīng)用。
中科軟科技各事業(yè)群在各領(lǐng)域行業(yè)應(yīng)用軟件的AI運(yùn)維系統(tǒng)研發(fā)實(shí)踐中，積累了豐富的經(jīng)驗(yàn)及解決方案，部分智能化運(yùn)維方案已在客戶端開始落地和試點(diǎn)工作，在本次技術(shù)交流活動(dòng)中相關(guān)團(tuán)隊(duì)就已有的AI運(yùn)維系統(tǒng)和具體解決方案進(jìn)行了成果展示，其中財(cái)險(xiǎn)團(tuán)隊(duì)-財(cái)險(xiǎn)數(shù)智化運(yùn)維平臺(tái)、壽險(xiǎn)團(tuán)隊(duì)-知行AIOps平臺(tái)獲評(píng)本次技術(shù)交流活動(dòng)的優(yōu)秀方案：
? 財(cái)險(xiǎn)數(shù)智化運(yùn)維平臺(tái)的01234體系
隨著智能運(yùn)維（AIOps）理念的不斷發(fā)展，這一領(lǐng)域正步入高速發(fā)展的全新階段。AIOps 作為一種極具創(chuàng)新性的技術(shù)手段，吸引著眾多行業(yè)頭部企業(yè)以及富有開拓精神的創(chuàng)業(yè)者紛紛投身其中。一時(shí)間，構(gòu)建完善的 AIOps 體系和打造相關(guān)特色產(chǎn)品成為業(yè)內(nèi)最為熱門的話題與發(fā)展趨向。
為推動(dòng) AIOps 在保險(xiǎn)行業(yè)垂直領(lǐng)域的眾多業(yè)務(wù)場(chǎng)景中有效落地，事業(yè)群在2017年研發(fā)的開發(fā)運(yùn)維一體化平臺(tái)（DevOps平臺(tái)）基礎(chǔ)上，升級(jí)進(jìn)化成財(cái)險(xiǎn)數(shù)智化運(yùn)維平臺(tái)，核心理念是0-1-2-3-4體系。
數(shù)字“0”代表財(cái)險(xiǎn)數(shù)智化運(yùn)維平臺(tái)的起點(diǎn)，即2017年推出的財(cái)險(xiǎn)DevOps平臺(tái)，主要功能包含監(jiān)控平臺(tái)、CMDB、ITSM、作業(yè)平臺(tái)等。
數(shù)字“1”代表一個(gè)運(yùn)維數(shù)據(jù)中心，負(fù)責(zé)整合多來(lái)源運(yùn)維數(shù)據(jù)（指標(biāo)、鏈路、日志、事件等），涵蓋數(shù)據(jù)采集、數(shù)據(jù)加工、數(shù)據(jù)存儲(chǔ)、運(yùn)維數(shù)倉(cāng)、數(shù)據(jù)服務(wù)和數(shù)據(jù)治理等環(huán)節(jié)，確保運(yùn)維數(shù)據(jù)能夠被高效利用，為后續(xù)智能檢測(cè)、智能分析、智能預(yù)測(cè)等場(chǎng)景提供全面支撐。
數(shù)字“2”代表兩類算法模型，即小模型和大模型，小模型主要負(fù)責(zé)指標(biāo)聚類、趨勢(shì)預(yù)測(cè)等算法，用于特定場(chǎng)景的異常檢測(cè)和故障診斷；大模型整合 MaaS平臺(tái)，算法能力、對(duì)話能力、生成能力，與小模型結(jié)合提升運(yùn)維效果，滿足用戶日常運(yùn)維管理的需求。
數(shù)字“3”代表為三類運(yùn)維場(chǎng)景賦能，具體涵蓋穩(wěn)定性保障、成本管理以及效率提升這三大關(guān)鍵領(lǐng)域。其中囊括了系統(tǒng)監(jiān)控、時(shí)序預(yù)測(cè)、日志監(jiān)控、容量規(guī)劃、智能規(guī)劃、成本管理、自動(dòng)作業(yè)、智能變更、ChatOps 等多種復(fù)雜運(yùn)維場(chǎng)景，全方位助力運(yùn)維工作的高效開展。
數(shù)字“4”代表四套完備的運(yùn)維保障體系，分別為運(yùn)維知識(shí)體系、運(yùn)維管理體系、運(yùn)維協(xié)作體系以及運(yùn)維技術(shù)體系。運(yùn)維知識(shí)體系著重于對(duì)運(yùn)維知識(shí)與保險(xiǎn)知識(shí)進(jìn)行統(tǒng)籌整合；運(yùn)維管理體系負(fù)責(zé)組織管理、制度管理以及流程管理；運(yùn)維協(xié)作體系細(xì)分為內(nèi)部協(xié)作與外部協(xié)作兩方面；而運(yùn)維技術(shù)體系則涵蓋開源及三方組件，旨在為運(yùn)維工作提供堅(jiān)實(shí)的技術(shù)支持。在財(cái)險(xiǎn)數(shù)智化運(yùn)維平臺(tái)的基礎(chǔ)上，我們針對(duì)眾多保險(xiǎn)公司運(yùn)維的不同場(chǎng)景推出了多個(gè)解決方案，并在多個(gè)關(guān)鍵領(lǐng)域所取得顯著效果，例如在多維根因分析方面，以往需要耗費(fèi)1至2小時(shí)，借助財(cái)險(xiǎn)數(shù)智化運(yùn)維平臺(tái)方案可將時(shí)間降低至10秒至20秒，效率提升了200倍。日志分析同樣成果突出，從異常問(wèn)題被發(fā)現(xiàn)到完成修復(fù)，從過(guò)去的半個(gè)小時(shí)壓縮至現(xiàn)在的10分鐘左右，使得平均修復(fù)時(shí)間（MTTR）效率提升了約3倍，減少了因問(wèn)題擱置而可能引發(fā)的業(yè)務(wù)風(fēng)險(xiǎn)。容量規(guī)劃也取得了重要突破，系統(tǒng)監(jiān)控點(diǎn)實(shí)現(xiàn)了極大的擴(kuò)充，系統(tǒng)資源利用率提升了10%～50%。再看 ChatOps 方面，運(yùn)維人員每天平均產(chǎn)生的運(yùn)維問(wèn)答達(dá)100多次，運(yùn)維效率平均提高了12倍左右。
? 壽險(xiǎn)-知行AIOps平臺(tái)
關(guān)于AI大模型應(yīng)用的探索已經(jīng)到了具體場(chǎng)景、具體業(yè)務(wù)的賦能提質(zhì)、提效的階段。整個(gè)運(yùn)維領(lǐng)域的發(fā)展過(guò)程是從依賴人工、腳本的ITOps到橫向打通各個(gè)模塊的DEVOps到從海量運(yùn)維數(shù)據(jù)中不斷地學(xué)習(xí)、提煉、總結(jié)，進(jìn)行智能分析、決策的AIOps，在穩(wěn)定性保障、成本管理、效率提升三大價(jià)值領(lǐng)域持續(xù)發(fā)揮作用。AI賦能智能運(yùn)維的過(guò)程是通過(guò)AI大模型融合小模型工具，構(gòu)建具有感知、交互、情景記憶、判斷決策的智能體運(yùn)維架構(gòu)。
對(duì)于行業(yè)應(yīng)用運(yùn)維更多的要考慮對(duì)于業(yè)務(wù)的關(guān)聯(lián)，在整個(gè)運(yùn)維體系中，更聚焦在ITSM方面。經(jīng)過(guò)對(duì)近5年超大規(guī)模保險(xiǎn)核心系統(tǒng)運(yùn)維經(jīng)驗(yàn)總結(jié)我們發(fā)現(xiàn)，系統(tǒng)答疑的運(yùn)維處理量占據(jù)日常運(yùn)維工作中的首位，系統(tǒng)答疑、數(shù)據(jù)維護(hù)、數(shù)據(jù)提取三項(xiàng)總占比高達(dá)86%，是成本投入的重點(diǎn)部分。性能問(wèn)題、宕機(jī)問(wèn)題雖然占比小，但是破壞力最強(qiáng)、排查難度最高。處理時(shí)效仍有較大進(jìn)步空間。我們希望AI運(yùn)維可以做到簡(jiǎn)化運(yùn)維處理流程，快速定位問(wèn)題、事件秒級(jí)響應(yīng)；有效實(shí)時(shí)預(yù)警，生成參考解決方案，提升運(yùn)維效率；大幅減少系統(tǒng)人工答疑工作量。
壽險(xiǎn)信息服務(wù)事業(yè)群團(tuán)隊(duì)以多年大規(guī)模保險(xiǎn)核心系統(tǒng)運(yùn)維服務(wù)經(jīng)驗(yàn)為基礎(chǔ)，結(jié)合LLM大模型RAG、AI Agent能力，構(gòu)建知行AIOps平臺(tái)，實(shí)現(xiàn)智能運(yùn)維體系的完整建設(shè)。整個(gè)平臺(tái)架構(gòu)分為四層，底層為CMDB、領(lǐng)域知識(shí)所構(gòu)成的數(shù)據(jù)基礎(chǔ)；其上通過(guò)數(shù)據(jù)處理平臺(tái)、MaaS平臺(tái)兩大支撐，結(jié)合平臺(tái)組件工具，形成業(yè)務(wù)功能、AI能力兩大功能版塊。更廣范圍的結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)的處理，與模型的產(chǎn)出、Agent構(gòu)建兩者并重。IT服務(wù)管理的規(guī)范化和AI賦能的能力輸出也是相輔相成的，AI成為復(fù)雜事務(wù)過(guò)程中的操作入口和信息處理元件。
AI能力的兩大核心是“智能分析”和“智能問(wèn)詢”，智能分析通過(guò)AI來(lái)組織形成更貼近事實(shí)描述的運(yùn)維事件信息，結(jié)合平臺(tái)分析組件，進(jìn)行快速的問(wèn)題定位。智能問(wèn)詢根據(jù)標(biāo)準(zhǔn)化的知識(shí)圖譜內(nèi)容進(jìn)行針對(duì)性的問(wèn)題答復(fù)和操作指引，自動(dòng)完成問(wèn)題改派，生成方案建議，代替一線運(yùn)維工作。智能分析的流程是分析任務(wù)創(chuàng)建、構(gòu)建分析路徑、定位異常點(diǎn)、根因分析。首先對(duì)系統(tǒng)預(yù)警進(jìn)行有效的歸類，根據(jù)預(yù)警等級(jí)及業(yè)務(wù)場(chǎng)景來(lái)觸發(fā)分析任務(wù)。通過(guò)skywalking等工具提取服務(wù)拓?fù)鋱D、鏈路日志、響應(yīng)參數(shù)、應(yīng)用指標(biāo)等半結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)的規(guī)范化處理是構(gòu)建分析路徑的關(guān)鍵步驟，將半結(jié)構(gòu)化、結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)借助領(lǐng)域知識(shí)、規(guī)則庫(kù)經(jīng)過(guò)數(shù)據(jù)清洗、規(guī)范化再進(jìn)行存儲(chǔ)。數(shù)據(jù)采集匯總完成之后需要組合串聯(lián)鏈路信息，形成事實(shí)描述長(zhǎng)文本。運(yùn)維分析信息來(lái)源于不同的設(shè)備、中間件，同時(shí)含有大量的業(yè)務(wù)標(biāo)簽，通過(guò)大模型來(lái)實(shí)現(xiàn)理解和組織，形成分析路徑。同時(shí)運(yùn)行過(guò)程中產(chǎn)生的這些描述信息又會(huì)形成豐富的數(shù)據(jù)資產(chǎn)提供給模型進(jìn)行反復(fù)迭代訓(xùn)練，使模型意圖識(shí)別的能力越來(lái)越強(qiáng)。
智能問(wèn)答處理是直接面向業(yè)務(wù)人員，業(yè)務(wù)人員發(fā)起咨詢事件建立工單進(jìn)入服務(wù)過(guò)程。AI代替一線運(yùn)維人員進(jìn)行問(wèn)題回復(fù)交流，充分引導(dǎo)業(yè)務(wù)補(bǔ)充關(guān)鍵信息，對(duì)問(wèn)題進(jìn)行分類并指派對(duì)應(yīng)二線運(yùn)維處理。答疑的處理中操作問(wèn)題居多，因此我們將需求、操作手冊(cè)與操作過(guò)程的對(duì)應(yīng)關(guān)系數(shù)據(jù)進(jìn)行迭代訓(xùn)練，以識(shí)別業(yè)務(wù)系統(tǒng)操作意圖，實(shí)現(xiàn)有效的問(wèn)答及指引。在存在業(yè)務(wù)含義的運(yùn)維工作中標(biāo)準(zhǔn)化過(guò)程是服務(wù)質(zhì)量、服務(wù)效率提升的關(guān)鍵，業(yè)務(wù)需求有非常強(qiáng)的結(jié)構(gòu)化要求，要有非常明確的頁(yè)面操作、業(yè)務(wù)流程的說(shuō)明，將問(wèn)題對(duì)應(yīng)到需求再通過(guò)需求對(duì)應(yīng)到相關(guān)代碼，制定知識(shí)標(biāo)準(zhǔn)化的規(guī)則通過(guò)約束運(yùn)維管理平臺(tái)的錄入來(lái)積累良好的數(shù)據(jù)基礎(chǔ)。問(wèn)題錄入明確分類，并且每次問(wèn)題解決對(duì)應(yīng)的提交代碼進(jìn)行關(guān)聯(lián)，再結(jié)合標(biāo)準(zhǔn)需求、標(biāo)準(zhǔn)程序以及表結(jié)構(gòu)實(shí)現(xiàn)信息錄入的約束和處理。在本次技術(shù)交流會(huì)上，與會(huì)專家評(píng)委們不僅充分肯定了中科軟科技通過(guò)技術(shù)交流的手段促進(jìn)公司乃至整個(gè)行業(yè)技術(shù)水平的提升，同時(shí)一致認(rèn)可中科軟科技在行業(yè)應(yīng)用軟件的AI 運(yùn)維系統(tǒng)領(lǐng)域展現(xiàn)出創(chuàng)新性，也肯定了中科軟科技在行業(yè)應(yīng)用軟件的AI運(yùn)維系統(tǒng)這一領(lǐng)域做出實(shí)踐落地的新成果。在本次比賽后，多位專家表達(dá)了進(jìn)一步深化合作的期望，認(rèn)為公司在AI運(yùn)維系統(tǒng)方案方面的研究與實(shí)踐找到了行業(yè)痛點(diǎn)，提出的解決方案為行業(yè)發(fā)展注入了新的活力?？蛻舴矫嬉矊?duì)公司的AI運(yùn)維系統(tǒng)方案表達(dá)了濃厚的興趣，對(duì)公司所展示的技術(shù)深度和前瞻性解決方案充滿期待，并期望能夠早日在實(shí)際業(yè)務(wù)中見到這些創(chuàng)新成果的應(yīng)用。此外，專家們對(duì)此次技術(shù)交流活動(dòng)給予了高度評(píng)價(jià)，認(rèn)為這次活動(dòng)不僅為公司內(nèi)部員工搭建了一個(gè)技術(shù)交流的平臺(tái)，也促進(jìn)了行業(yè)內(nèi)外專業(yè)人士之間的思想碰撞、經(jīng)驗(yàn)分享和合作機(jī)會(huì)的探索。
中科軟科技在未來(lái)的發(fā)展中也會(huì)一直堅(jiān)持不斷探索行業(yè)軟件技術(shù)發(fā)展前沿及應(yīng)用實(shí)踐，在吸收學(xué)習(xí)新知識(shí)、新技術(shù)，不斷加強(qiáng)業(yè)務(wù)骨干學(xué)習(xí)度的同時(shí)繼續(xù)傳承中科軟的開發(fā)精神和技術(shù)，給客戶提供更為智能、高效的行業(yè)應(yīng)用軟件解決方案，引領(lǐng)行業(yè)發(fā)展的新趨勢(shì)。
