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!

声明:来自木讷大叔爱运维,仅代表创作者观点。链接:https://eyangzhen.com/2628.html

木讷大叔爱运维的头像木讷大叔爱运维

相关推荐

关注我们
关注我们
购买服务
购买服务
返回顶部