LLM模型在运维领域的应用，零基础入门到精通，收藏这篇就够了

原创于 2025-12-14 08:45:00 发布 · 1.2k 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#运维 #数据库 #linux

计算机同时被 3 个专栏收录

1864 篇文章

订阅专栏

程序员

1863 篇文章

订阅专栏

网工

399 篇文章

订阅专栏

前言

在云计算的世界里，系统变得越来越复杂，随之而来的是故障发生的频率也在增加。当故障发生时，我们需要运维工
程师能够迅速地找出问题所在，并解决它，以减少对用户的影响。这就是所谓的故障根因分析，它是运维工作中至关重要的一环。

背景

想象一下，你正在网上购物，突然支付环节出了问题，无法完成购买。这种情况对于电商平台来说是非常严重的，因为它直接影响到销售和用户体验。因此，当系统出现问题时，运维团队必须快速响应，找出问题的根源，并尽快修复。

但是目前云服务系统包含了许多子系统，比如用户管理、商品推荐、订单处理等。当故障发生时，系统会产生大量的数据，从中找出故障的真正原因就像是在大海里捞针一样困难。如果仅凭借人力运维，是很难实现快速恢复的。

这里提出了一种思路，实现如何快速完成告警到修复再到根因定位的闭环。

思路

大致思路是通过集成Agent+RAG+LLM模型，实现决策和推理。实现最终的快速定位

工作流程

#mermaid-svg-f1ddNR8ncNmeWIFd {font-family:“trebuchet ms”,verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-f1ddNR8ncNmeWIFd .error-icon{fill:#552222;}#mermaid-svg-f1ddNR8ncNmeWIFd .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-f1ddNR8ncNmeWIFd .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-f1ddNR8ncNmeWIFd .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-f1ddNR8ncNmeWIFd .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-f1ddNR8ncNmeWIFd .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-f1ddNR8ncNmeWIFd .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-f1ddNR8ncNmeWIFd .marker{fill:#333333;stroke:#333333;}#mermaid-svg-f1ddNR8ncNmeWIFd .marker.cross{stroke:#333333;}#mermaid-svg-f1ddNR8ncNmeWIFd svg{font-family:“trebuchet ms”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-f1ddNR8ncNmeWIFd .label{font-family:“trebuchet ms”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-f1ddNR8ncNmeWIFd .cluster-label text{fill:#333;}#mermaid-svg-f1ddNR8ncNmeWIFd .cluster-label span{color:#333;}#mermaid-svg-f1ddNR8ncNmeWIFd .label text,#mermaid-svg-f1ddNR8ncNmeWIFd span{fill:#333;color:#333;}#mermaid-svg-f1ddNR8ncNmeWIFd .node rect,#mermaid-svg-f1ddNR8ncNmeWIFd .node circle,#mermaid-svg-f1ddNR8ncNmeWIFd .node ellipse,#mermaid-svg-f1ddNR8ncNmeWIFd .node polygon,#mermaid-svg-f1ddNR8ncNmeWIFd .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-f1ddNR8ncNmeWIFd .node .label{text-align:center;}#mermaid-svg-f1ddNR8ncNmeWIFd .node.clickable{cursor:pointer;}#mermaid-svg-f1ddNR8ncNmeWIFd .arrowheadPath{fill:#333333;}#mermaid-svg-f1ddNR8ncNmeWIFd .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-f1ddNR8ncNmeWIFd .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-f1ddNR8ncNmeWIFd .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-f1ddNR8ncNmeWIFd .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-f1ddNR8ncNmeWIFd .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-f1ddNR8ncNmeWIFd .cluster text{fill:#333;}#mermaid-svg-f1ddNR8ncNmeWIFd .cluster span{color:#333;}#mermaid-svg-f1ddNR8ncNmeWIFd div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:“trebuchet ms”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-f1ddNR8ncNmeWIFd :root{–mermaid-font-family:“trebuchet ms”,verdana,arial,sans-serif;}

是

否

是

否

是

否

成功

失败

是

否

开始

系统监控告警

初步故障诊断

是否为已知故障?

详细数据收集

执行已知解决方案

分析日志和监控数据

是否找到潜在原因?

记录故障案例并更新知识库

使用AI模型进行根因分析

AI模型预测结果

执行推荐的修复操作

人工专家分析

专家提供解决方案

执行修复操作

故障解决确认

更新监控阈值和告警规则

通知相关人员进行进一步调查

结束或重新启动流程

流程解释：

开始：流程的起点。
系统监控告警：系统监控发现问题并触发告警。
初步故障诊断：对故障进行初步判断。
是否为已知故障：判断故障是否属于已知问题。
执行已知解决方案：如果是已知故障，执行已有的解决方案。
详细数据收集：如果不是已知故障，收集更详细的数据。
分析日志和监控数据：分析收集到的数据以寻找潜在的故障原因。
是否找到潜在原因：判断是否通过分析找到了可能的原因。
记录故障案例并更新知识库：如果找到原因，记录下来并更新知识库。
使用AI模型进行根因分析：如果未找到原因，使用AI模型进行深入分析。
AI模型预测结果：AI模型提供预测的根因。
执行推荐的修复操作：根据AI模型的推荐执行修复操作。
故障解决确认：确认故障是否已被解决。
更新监控阈值和告警规则：如果故障解决，更新监控阈值和告警规则以避免未来类似问题。
通知相关人员进行进一步调查：如果故障未解决，通知相关人员进行更深入的调查。
结束或重新启动流程：根据故障处理结果，结束流程或重新开始。
人工专家分析：如果AI模型失败，由人工专家进行分析。

工作原理

主要分为两个阶段：

数据采集：在这个阶段，实现从系统中收集必要的信息，比如系统日志，监控数据等。
根因预测：有了数据后，使用大模型来分析这些信息，通过关联与相似性算法，找出历史上相似的案例，并根据过往案例来预测当前故障的根因。
实践与反馈：人工确认最终结论的准确性。并入库更新知识库，以备后续参考。

数据采集

1、告警触发以及分类，通过对告警内容分析，通过分类算法识别告警类型
2、采集这段时间内的日志，监控指标，数据库，用户反馈等。根据时间形成事件轴。
3、通过专家系统处理模块：实现定向拨测。关联查询，执行修复操作等

根因预测

1、基于大模型自动推理决策，结合运维处理经验+prompt（思维链）指导模型分析
2、历史故障匹配：搜索历史上相似的故障案例，并提取解决方案。同时引入时间加权。优先考虑近期相似的故障
3、上下文信息总结：综合上述信息，提出最终结论，包括分析过程，分析结果，以及解决办法等。

实施与反馈

1、故障诊断报告：形成一份包含故障根因，可能的解决方案和未来预防措施的详细报告
2、人工审核与执行：运维工程师审核AI生成的报告，并根据实际情况执行修复操作，如果AI诊断错误或者不完整，工程师可以手动修正并更新知识库。
3、持续学习优化：系统根据新的故障案例和人工反馈进行持续学习，优化模型的准确性和效率。

总结

这篇文章纯粹YY，并没有经过完整的实际测试（目前正在调）。在这里就抛砖引玉了，希望大家拍砖。

这两年，IT行业面临经济周期波动与AI产业结构调整的双重压力，确实有很多运维与网络工程师因企业缩编或技术迭代而暂时失业。

很多人都在提运维网工失业后就只能去跑滴滴送外卖了，但我想分享的是，对于运维人员来说，即便失业以后仍然有很多副业可以尝试。

运维副业方向

运维，千万不要再错过这些副业机会！

第一个是知识付费类副业：输出经验打造个人IP

在线教育平台讲师

操作路径：在慕课网、极客时间等平台开设《CCNA实战》《Linux运维从入门到精通》等课程，或与培训机构合作录制专题课。
收益模式：课程销售分成、企业内训。

技术博客与公众号运营

操作路径：撰写网络协议解析、故障排查案例、设备评测等深度文章，通过公众号广告、付费专栏及企业合作变现。
收益关键：每周更新2-3篇原创，结合SEO优化与社群运营。

第二个是技术类副业：深耕专业领域变现

企业网络设备配置与优化服务

操作路径：为中小型企业提供路由器、交换机、防火墙等设备的配置调试、性能优化及故障排查服务。可通过本地IT服务公司合作或自建线上接单平台获客。
收益模式：按项目收费或签订年度维护合同。

远程IT基础设施代维

操作路径：通过承接服务器监控、日志分析、备份恢复等远程代维任务。适合熟悉Zabbix、ELK等技术栈的工程师。
收益模式：按工时计费或包月服务。

网络安全顾问与渗透测试

操作路径：利用OWASP Top 10漏洞分析、Nmap/BurpSuite等工具，为企业提供漏洞扫描、渗透测试及安全加固方案。需考取CISP等认证提升资质。
收益模式：单次渗透测试报告收费；长期安全顾问年费。

比如不久前跟我一起聊天的一个粉丝，他自己之前是大四实习的时候做的运维，发现运维7*24小时待命受不了，就准备转网安，学了差不多2个月，然后开始挖漏洞，光是补天的漏洞奖励也有个四五千，他说自己每个月的房租和饭钱就够了。

为什么我会推荐你网安是运维人员的绝佳副业&转型方向?

1.你的经验是巨大优势: 你比任何人都懂系统、网络和架构。漏洞挖掘、内网渗透、应急响应，这些核心安全能力本质上是“攻击视角下的运维”。你的运维背景不是从零开始，而是降维打击。

2.越老越吃香，规避年龄危机: 安全行业极度依赖经验。你的排查思路、风险意识和对复杂系统的理解能力，会随着项目积累而愈发珍贵，真正做到“姜还是老的辣”。

3.职业选择极其灵活: 你可以加入企业成为安全专家，可以兼职“挖洞“获取丰厚奖金，甚至可以成为自由顾问。这种多样性为你提供了前所未有的抗风险能力。

4.市场需求爆发，前景广阔: 在国家级政策的推动下，从一线城市到二三线地区，安全人才缺口正在急剧扩大。现在布局，正是抢占未来先机的黄金时刻。

运维转行学习路线

在这里插入图片描述

（一）第一阶段：网络安全筑基

1. 阶段目标

你已经有运维经验了，所以操作系统、网络协议这些你不是零基础。但要学安全，得重新过一遍——只不过这次我们是带着“安全视角”去学。

2. 学习内容

**操作系统强化：**你需要重点学习 Windows、Linux 操作系统安全配置，对比运维工作中常规配置与安全配置的差异，深化系统安全认知（比如说日志审计配置，为应急响应日志分析打基础）。

**网络协议深化：**结合过往网络协议应用经验，聚焦 TCP/IP 协议簇中的安全漏洞及防护机制，如 ARP 欺骗、TCP 三次握手漏洞等（为 SRC 漏扫中协议层漏洞识别铺垫）。

**Web 与数据库基础：**补充 Web 架构、HTTP 协议及 MySQL、SQL Server 等数据库安全相关知识，了解 Web 应用与数据库在网安中的作用。

**编程语言入门：**学习 Python 基础语法，掌握简单脚本编写，为后续 SRC 漏扫自动化脚本开发及应急响应工具使用打基础。

**工具实战：**集中训练抓包工具（Wireshark）、渗透测试工具（Nmap）、漏洞扫描工具（Nessus 基础版）的使用，结合模拟场景练习工具应用（掌握基础扫描逻辑，为 SRC 漏扫工具进阶做准备）。

（二）第二阶段：漏洞挖掘与 SRC 漏扫实战

1. 阶段目标

这阶段是真正开始“动手”了。信息收集、漏洞分析、工具联动，一样不能少。

熟练运用漏洞挖掘及 SRC 漏扫工具，具备独立挖掘常见漏洞及 SRC 平台漏扫实战能力，尝试通过 SRC 挖洞搞钱，不管是低危漏洞还是高危漏洞，先挖到一个。

2. 学习内容

信息收集实战：结合运维中对网络拓扑、设备信息的了解，强化基本信息收集、网络空间搜索引擎（Shodan、ZoomEye）、域名及端口信息收集技巧，针对企业级网络场景开展信息收集练习（为 SRC 漏扫目标筛选提供支撑）。

漏洞原理与分析：深入学习 SQL 注入、CSRF、文件上传等常见漏洞的原理、危害及利用方法，结合运维工作中遇到的类似问题进行关联分析（明确 SRC 漏扫重点漏洞类型）。

工具进阶与 SRC 漏扫应用：

系统学习 SQLMap、BurpSuite、AWVS 等工具的高级功能，开展工具联用实战训练；
专项学习 SRC 漏扫流程：包括 SRC 平台规则解读（如漏洞提交规范、奖励机制）、漏扫目标范围界定、漏扫策略制定（全量扫描 vs 定向扫描）、漏扫结果验证与复现；
实战训练：使用 AWVS+BurpSuite 组合开展 SRC 平台目标漏扫，练习 “扫描 - 验证 - 漏洞报告撰写 - 平台提交” 全流程。
SRC 实战演练：选择合适的 SRC 平台（如补天、CNVD）进行漏洞挖掘与漏扫实战，积累实战经验，尝试获取挖洞收益。

恭喜你，如果学到这里，你基本可以下班搞搞副业创收了，并且具备渗透测试工程师必备的「渗透技巧」、「溯源能力」，让你在黑客盛行的年代别背锅，工作实现升职加薪的同时也能开创副业创收！

如果你想要入坑黑客&网络安全，笔者给大家准备了一份：全网最全的网络安全资料包需要保存下方图片，微信扫码即可前往获取!

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

优快云大礼包：《黑客&网络安全入门&进阶学习资源包》免费分享

（三）第三阶段：渗透测试技能学习

1. 阶段目标

全面掌握渗透测试理论与实战技能，能够独立完成渗透测试项目，编写规范的渗透测试报告，具备渗透测试工程师岗位能力，为护网红蓝对抗及应急响应提供技术支撑。

2. 学习内容

渗透测试核心理论：系统学习渗透测试流程、方法论及法律法规知识，明确渗透测试边界与规范（与红蓝对抗攻击边界要求一致）。

实战技能训练：开展漏洞扫描、漏洞利用、电商系统渗透测试、内网渗透、权限提升（Windows、Linux）、代码审计等实战训练，结合运维中熟悉的系统环境设计测试场景（强化红蓝对抗攻击端技术能力）。

工具开发实践：基于 Python 编程基础，学习渗透测试工具开发技巧，开发简单的自动化测试脚本（可拓展用于 SRC 漏扫自动化及应急响应辅助工具）。

报告编写指导：学习渗透测试报告的结构与编写规范，完成多个不同场景的渗透测试报告撰写练习（与 SRC 漏洞报告、应急响应报告撰写逻辑互通）。

（四）第四阶段：企业级安全攻防（含红蓝对抗）、应急响应

1. 阶段目标

掌握企业级安全攻防、护网红蓝对抗及应急响应核心技能，考取网安行业相关证书。

2. 学习内容

护网红蓝对抗专项：

红蓝对抗基础：学习护网行动背景、红蓝对抗规则（攻击范围、禁止行为）、红蓝双方角色职责（红队：模拟攻击；蓝队：防御检测与应急处置）；
红队实战技能：强化内网渗透、横向移动、权限维持、免杀攻击等高级技巧，模拟护网中常见攻击场景；
蓝队实战技能：学习安全设备（防火墙、IDS/IPS、WAF）联动防御配置、安全监控平台（SOC）使用、攻击行为研判与溯源方法；
模拟护网演练：参与团队式红蓝对抗演练，完整体验 “攻击 - 检测 - 防御 - 处置” 全流程。
应急响应专项：
应急响应流程：学习应急响应 6 步流程（准备 - 检测 - 遏制 - 根除 - 恢复 - 总结），掌握各环节核心任务；
实战技能：开展操作系统入侵响应（如病毒木马清除、异常进程终止）、数据泄露应急处置、漏洞应急修补等实战训练；
工具应用：学习应急响应工具（如 Autoruns、Process Monitor、病毒分析工具）的使用，提升处置效率；
案例复盘：分析真实网络安全事件应急响应案例（如勒索病毒事件），总结处置经验。
其他企业级攻防技能：学习社工与钓鱼、CTF 夺旗赛解析等内容，结合运维中企业安全防护需求深化理解。