每个运维都想有一个能替自己 7*24小时干活的AI运维智能体，全自动的做故障分析、定位、修复自愈。随着大模型的发展，梦想好像已经要慢慢变成现实了。但RSAC Labs最新发布的研究成果《当AIOps变成”AI Oops”》，提出了一种全新的攻击方式——AIOpsDoom攻击，可以让你的智能体，在不知不觉中执行黑客的攻击指令！甚至还以为这就是最佳修复方案。 继续阅读……

随着大模型厂商纷纷跟进发布 Deep Research 功能，我们在 2025 年正式迈入一个全新的“AI智能体时代”。从智能客服、自动化交易，到具身智能，智能体在各行各业全面开花。然而，这些高度自主化的智能体系统，也给 IT 运维部门带来了新的挑战：如何确保其运行的稳定性和可靠性。当智能体出现异常时，运维要如何发现问题、定位根因并进行修复加固？这就是今天我想给大家分享的内容——智能体时代的可观测性。 继续阅读……

最近各种AI编程工具都在宣传”一句话建站”，仿佛只要说一句”帮我做个电商网站”，AI就能自动生成完美的产品。 继续阅读……

判决书里有些内容记录很好玩，我摘录几条： 继续阅读……

用 AI 模型来分析日志，发现未知异常，是目前非常流行的监控手段，之前我也介绍过这一类日志异常检测算法。不过你有没有想过一种可能性：你的日志 AI 模型会被黑客注入后门，AI 平常该怎么告警还怎么告警，关键时刻却“故意”漏报异常日志？ 继续阅读……

一年前，笔者曾写过一篇《离大模型全面接管运维还有多远》，探讨了当时几篇运维领域大模型的进展。一年过去了，大模型技术本身可谓日新月异，各种开源闭源模型层出不穷，能力也肉眼可见地增强。那么，在运维这个“老大难”的领域，大模型应用是否也水涨船高了呢？我们是不是离那个“NoOps”又近了一步？ 继续阅读……

近期，可观测性 2.0 概念引发了国内外友商们的广泛关注与热议，greptimedb 公司《什么是可观测性 2.0 ？什么是可观测性 2.0 原生数据库？》引用了 honeycomb CTO Charity Majors 的文章，介绍了宽事件(wide event)的概念和自己针对这个概念的底层设计，flashcat 公司《可观测性2.0？还是只是日志的卷土重来？》则批判性地翻译了 Hydrolix CTO Todd Persen的文章——Todd Persen 在 Charity Majors 观点的基础上，进一步认为应该提供高性价比的原始日志存储方案，并提供超脱在运维以上的业务价值——而 flashcat 则认为这个观点不方便利旧，落地难度更高，还是选择上层串联的方式更实用。 继续阅读……

在八个月前的《日志易 SPL 实现基于大模型的海量日志总结》中，我曾经展示了一种综合 TFIDF 向量化、KMeans 聚类和 DPP 多样性采样算法，实现日志总结的方案。现在新一代的大模型，普遍可以支持 128k 的上下文窗口大小，激进一点的，比如 gemini、minimax，运用线性注意力机制，甚至实现了 1M 以上的窗口。很多人就有疑问了：我是不是直接把几千行日志一口气上传给大模型，要求 AI 总结就足够了？ 继续阅读……

一、背景：MCP 协议介绍

在 AI 蓬勃发展的当下，大型语言模型（LLM）虽展现出强大潜力，却受困于与外部资源连接的难题。数据分散、接口繁杂，致使 AI 模型难以灵活对接本地资源与远程服务，极大限制了其响应质量与工作效率。而就在这一关键时刻，MCP Server 强势登场，成为破局的关键力量。尤其随着 Manus 的火爆出圈，MCP Server 也备受瞩目，迎来了飞速发展，短短 1 个多月时间，数量已超 5000 个 。 继续阅读……

昨天看到安全村 SecUN 公众号上发表了一篇署名为奇安信副总裁张卓的文章：《通过DeepSeek现象思考大模型落地的正确路径》。文章很长，内容很多，看起来非常扎实。但其中一些技术细节和数据，值得商榷。 继续阅读……

因为 deepseek 的母公司幻方做量化基金的缘故，相当多的一大批大模型新用户们，想当然的认为大模型可以用来炒股！一些半懂不懂的 IT 从业人员，也觉得大模型完全可以用来处理时序指标数据。一些运维的公众号软文里，已经开始写怎么用 deepseek 做监控——那么，大_语言_模型，直接读监控指标，真的可行么？ 继续阅读……

当我们沉迷AI搜索，背后有一场“看不见的战争”

最近，上海寸屋拉面店在门口打出的广告爆红网络，广告内容很神奇，是该店被DeepSeek推荐为“上海最好吃的日本拉面TOP1”： 继续阅读……

过年前后，deepseek 大火特火的时候，安全圈突然爆出 deepseek 的数据库泄露了！研究团队的原始内容参见：https://www.wiz.io/blog/wiz-research-uncovers-exposed-deepseek-database-leak。 继续阅读……

上一篇《Splunk Conference 2024解读》里，我提到 grafana 和 splunk 都在探索怎么降低 trace 的存储空间。今天展开聊聊。 继续阅读……

Splunk Conf24 最近公开了分享内容，这是 Splunk 被 Cisco 收购后的第一次年度技术大会。我看了一遍，大概总结有这么几个要素： 继续阅读……

toB 软件由于专业性较高，很难像 toC 软件那样上手就玩。于是软件使用文档写得好不好，相对来说显得比较重要。我们经常可以看到类似的抱怨：“这文档写的，完全看不懂”。 继续阅读……

前段时间，阿里开源了qwen-agent，可以对长文档进行 RAG 增强的对话问题。但在对话之前，还缺了第一步——人们总是习惯先问一句“总结一下这篇文档说了什么”，然后再根据总结来具体提问。“长文总结”，其实是大模型应用要过的第一关。 继续阅读……

“完成优于完美”不仅仅是一句口号，更像是Datadog技术作者的座右铭。毕竟，谁不想在“完美”的文档上留下自己的痕迹呢？😉 继续阅读……

日志易 Text to SPL，从广义概念上属于 Text to SQL 的一种变体。经过接近一年的尝试探索后，我们的第一个正式版即将推出。正好我在 AiDD 上海站听了好几家 Text to SQL 的分享，发现他们的各种路线我们都尝试过了。这下也更有信心，可以给大家分享一下我们的探索过程。 继续阅读……

上一代 AIOps 的问题

关注 AIOps 日志算法的读者朋友们可能都知道，在日志解析方面，香港中文大学开源的 Drain 在几年前基本已经一统江湖。就连 elasticsearch 的 categorize_text aggregation 实现也使用了 Drain 算法。 继续阅读……

事先声明：标题是吓唬人的，本文主要内容是解读和RCA根因分析有关的五篇大模型论文，并泼泼冷水。 继续阅读……

大模型火起来已经一年多，大家应该已经见过很多prompt提示工程和SFT微调训练的文章，但讲预训练的少之又少。原因也简单：没这么多显卡和数据。 继续阅读……

很多人都说，一切软件都应该用大模型重构一遍。这几个月，我也在探索类似的话题：运维软件，应该怎么用大模型来“重构”一遍呢？ 继续阅读……

话接上回，今天给大家介绍 ChatGPT “能好怎”中的“好”字诀——Schillace’s Law。 继续阅读……

越来越多的人开始尝试使用 ChatGPT 了，随之而来的是一些质疑的声音：“感觉 ChatGPT 没多厉害啊？这也不会那也不会……”这其实很正常，所有新技术在成熟运用之前都要经历类似的炒作曲线。恭喜大家进入冷却期，也就是要开始真正掌握这门技术了。 继续阅读……