对话蚂蚁开源蒋炜：让 Agent 把运维人员从 24 小时的待命中解放出来

对话蚂蚁开源蒋炜：让 Agent 把运维人员从 24 小时的待命中解放出来

随着AI技术的快速发展，运维工程师的角色正在发生深刻变化。在2024年程序员节上，CSDN《新程序员》采访了蚂蚁集团高级算法专家蒋炜，探讨了AIOps（智能运维）的现状与未来。作为深耕AIOps领域六七年的专家，蒋炜分享了他对大模型技术、开源策略、多智能体系统（Agent）等热门话题的独到见解。

蒋炜 蚂蚁集团高级算法专家

AI为运维带来的变革：从人工到智能化

职业背景与工作重点

蒋炜最早在电信行业工作，2020年左右加入蚂蚁集团。他一直专注于AIOps领域，负责蚂蚁AIOps建设，具体工作涉及监控、应急到变更、容量领域的风险防控、效率提升和成本节约。随着2023年初以ChatGPT为代表的大模型技术兴起，他现在主要研究大模型与运维领域的结合。

大模型技术带来的本质性变革

在大模型出现之前，模型技术主要解决时序、日志、拓扑等结构化或半结构化数据的智能分析。但对于人类而言，更擅长的是语言沟通、文字记录、代码编写等非结构化数据处理。大模型的出现扩展了可被AI自动化替代的范畴，带来了更多想象空间。

AIOps与DevOps的异同

运维在传统观念中可能都是人工或人肉运维。这几年的发展历程是从人工到简易工具，再到平台化，最后发展到模型运维，探索如何通过智能化手段解决问题。整体发展趋势是系统化、问题清晰定义、平台化和智能化。

开源与多智能体：蚂蚁的技术实践

蚂蚁的开源工作

蒋炜认为，好的技术值得被看见和分享，更多人的参与也会让技术越来越好。相比企业内部重复造轮子，开源能让研发迭代变得更有效率，让好的技术有长期发展和存续的可能。

OpsGPT的诞生

OpsGPT的灵感来源于自下而上和自上而下两个层面。在大模型出现之前，只能面向结构化和半结构化数据进行自动化。大模型出现后，能够拓展这个范畴。从技术发展的角度，需要将技术融入需求中，从长远角度设计技术的迭代和演进。

muAgent项目

muAgent的推出源于对运维能力的深入分析。运维本质上是复杂多步任务处理的问题。既然能在运维这样复杂的场景取得成功，这些经验和技术完全可以推广到其他领域。这就促使构建一个面向通用场景的Agent框架。

"智能画布"的创新理念

市面上主流的Agent框架大致可分为两类：一类完全依赖模型进行推理和任务决策编排；另一类更类似于传统的固定决策树。而muAgent的理念是在人类经验指导下进行探索和推理，而不是完全随机发散。通过简单的可视化操作，就像制作PPT或流程图一样，通过拖拽和文字描述来输入经验。

让AI成为助手，而不是替代者

对AI在运维领域应用的理性思考

现阶段对AI模型过分的期待就是认为它无所不能，但在稳定性或专业性要求较高的场景，仍需要不断训练和教导它，才能真正变得可用。

AI对运维工程师角色的影响

模型更像是Copilot，扮演辅助角色。它能帮我们完成很多工作，但最后的确认环节，就像公司的业务审批流程一样，还是需要相关人员把关。

未来3-5年的发展趋势

未来3-5年，虽然需要解决各种技术问题，但最期待的是用Agent逐步替代传统的应急响应流程，让运维人员不再需要24小时待命，而能将精力投入到更具创造性的工作中。

AGI的发展路径

从现实角度出发，更重要的是面向不同场景做好产品应用。产品应用底层采用通用化设计，能够快速接入新的能力。不会投入纯AGI研发，它更像是一个API。

专业技能的不可替代性

无论在企业还是其他环境中，人际交往能力都是难以替代的。比如在处理人际关系和情感层面，模型确实还存在明显的局限性。

对年轻工程师的建议

最重要的是拥抱新技术，并将这些技术融入实际工作中。企业不缺纯粹的技术专家。从互联网发展历程来看，从百度到阿里，再到字节跳动、小红书，技术在不断迭代，但真正稀缺的是能够良好运用技术的人才。对于AIOps，更重要的是思考如何通过创新场景设计，更好地将AI融入运维过程中。