https://sre-ai-blog.pages.dev/zh/tags/aiops/Recent content in AIOps on SRE & AI 实践录Hugozh-CNSun, 26 Jul 2026 01:29:48 +0800https://sre-ai-blog.pages.dev/zh/posts/aiops-practice/Mon, 20 Jul 2026 10:00:00 +0800https://sre-ai-blog.pages.dev/zh/posts/aiops-practice/<h2 id="一传统-sre-运维的痛点与-ai-引入背景">一、传统 SRE 运维的痛点与 AI 引入背景</h2> <p>在现代大型分布式系统中，SRE 团队每天需要面对成千上万条监控指标以及海量的日志数据。传统的报警规则依赖于人工设定的静态阈值，极易引发&quot;告警风暴&quot;或出现漏报现象。</p> <h2 id="二基于时间序列分析的异常检测模型">二、基于时间序列分析的异常检测模型</h2> <p>针对 KPI 时间序列的周期性与突发性，我们采用了结合 Transformer 与 LSTM 的混合神经网络模型。</p>https://sre-ai-blog.pages.dev/zh/posts/rag-knowledge-base/Wed, 15 Jul 2026 00:00:00 +0000https://sre-ai-blog.pages.dev/zh/posts/rag-knowledge-base/<h2 id="一运维知识管理的痛点">一、运维知识管理的痛点</h2> <p>在大型组织中，运维知识往往分散在 Wiki、Runbook、Slack 记录和事故报告中。On-Call 工程师需要在多个系统间反复切换，才能定位到关键信息。RAG（Retrieval-Augmented Generation）技术为解决这一问题提供了新思路。</p>