运维大乱炖：寻找个人突破口是起点！

乱炖的起点

“公司业务平稳运行，各种工作暂时都有条理执行的情况下，怎样才能寻找个人突破口？”
这是交流群一个小伙伴最近的困扰，小伙伴们议论纷纷：

感同身受，这应该是很多运维人的困扰；
手动-自动-智能，运维按阶段建设；
看领导懂不懂运维的意义，不行就搞点故障；
只要想找一堆需要优化的点；
业务运维可视化建设；
热火朝天拼信创、拼AI、拼建设；
在此我的建议就是如果没方向的话，可以多看下报告，看看当前建设的离趋势有多远。AI下运维可以说是当前运维体系化建设的试金石，不要固步自封!

如何建立自己的运维体系？

正好小伙伴的另一个问题“如何建立自己的运维体系？”，其实问题的本身就是个人突破口的一个答案。因为这个问题的价值点在于小伙伴们从工具–技术–产品–业务–行业等不同视角发表了不同的看法，可以让我们如沐春风。

关于这个问题答案来自于行业资深运维老司机、不断向前的运维探索者、平易近人的管理者、打磨产品及深入用户的创始人等，下面我们就迫不及待的来看下吧：

如果是自己的运维体系，这个建议自己动手画一下运维框架图，从基础设施层、数据层、应用层等封层去填充及复盘自己，然后再去和一些行业、企业的成熟架构去不断纠偏。总之，这个只听别人的思路没有太多实际用途，必须亲自下场总结。
是什么行业的，我觉得运维体系会根据行业和组织架构不同，有很大变化。
从立场的角度看，比如说我们是厂商，我们更多的立场就从产品侧看；如果是内部中层管理，更多会组织架构和业务架构去看；或者花钱找顾问，会更加中立一些，原来我们在运营商，当年的HP和微软的顾问还是挺厉害的，中立了技术、业务、组织、流程。
关键要看现状和目标，做现状分析调研还是蛮重要的。
个人学习就是个人整合信息结合自己诉求取舍，提供点方向思路就好了，又不是搞心理咨询。
技术层面的，拿赵班长那个图就行了，但学技术如果是按照这种体系来学，人的寿命最起码得有300年。
要打造自己的技术体系，最快捷的路线，就是看各家大厂的招聘信息和国外大厂的招聘信息结合起来看，然后从里面找一些共同点的内容，下狠功夫学习。
运维体系，不单单是基于体系，运维管理体系的构建远远大于技术和工具体系的构建，否则再好的工具都可能用不起来。
LLM辅助研发”分层效应”

随着字节Trae、腾讯CodeBuddy的相继发布，近期阿里也推出了AI Agentic编程工具Qoder，相信这将会进一步拉高研发效能基准，但在此之前请让我们看下《DevData2025研发效能基准报告》关于 AI（LLM）应用专题部分的内容：

应用现状
80%企业已引入LLM辅助研发，36% 应用超一年；85% 企业期望LLM提升编程效率，但 50%企业尚未找到有效提效评估方法。
实际效果
效率：应用LLM企业代码生产率中位值4173（未应用 3552，增幅 17%），但65%企业提效≤20%或不明显，存在“分层效应”。
质量：应用 LLM 企业单元测试覆盖度15%（未应用 10%）、代码不重复度80%（未应用 78%），但超70%企业质量提升有限，需突破场景适配等障碍。
落地挑战
32%企业认为模型无法结合私有信息，30%企业面临内部运营/培训不足，23%提及硬件或软件成本高。
《DevData2025研发效能基准报告》北京思码逸科技有限公司与中关村智联软件服务业质量创新联盟 E³CI 软件研发效能度量工作委员会联合发布，基于 200 + 企业、数万名开发者的客观研发数据与主观问卷，从多维度剖析行业研发效能现状，为企业提供对标参考与改进方向。
运维大模型测评

《中国智能运维实践年度报告（2023-2024）》提出：

在GPT等大语言模型蓬勃发展的当下，许多产业开始结合自身的数据特点，开发垂直领域的专属GPT模型。在智能运维当中，结合大语言模型、时序大模型和时空大模型的优势，为自动化巡检、故障处理、智能分析与决策等领域带来了全新的应用前景。
看到这个报告，你可能会问我们运维领域的大模型在哪？

运维大模型评测OpsEval可能会给我们带来答案，这个项目的使命是构建权威、专业的运维场景大语言模型评测基准，为AIOps领域的AI技术发展提供科学的评估标准，推动人工智能在运维自动化、智能化方面的深度应用。

OpsEval基于运维场景的大语言模型综合性能列出了大模型排行榜：

乱炖总结

在AI趋势下研发效能、运维建设等都在发生着翻天覆地的变化，因此我们既要通过权威报告了解行业发展趋势，也要在专注个人运维体系的突破时不断纠偏！
添加好友邀你入群，运维人的圈子，每日精彩分享，更有小伙伴们的热议！