在数字化转型进程中，运维工作面临知识碎片化、工具孤岛化、响应效率低等挑战。以DeepSeek、ChatGPT为代表的大语言模型（LLM）虽具备强大的语义理解能力，却难以直接适配垂直场景需求。嘉为蓝鲸OpsPilot智能运维支撑平台（以下简称“智能运维OpsPilot”）通过构建“知识库+工具调用+LLM”三位一体的智能体（Agent）架构，构建覆盖“知识问答-工具执行-场景适配”的全链路能力。
面对运维中五花八门的需求，从基础知识查询到复杂系统故障处理，单一智能工具难以满足要求。为此，智能运维OpsPilot计划逐步内置四类智能体：
- 基础智能体（如ReAct Agent）：能快速解答常见问题，比如运维人员问 “数据库如何备份”，它会结合私域知识库和联网实时信息给出方案；
- 协作智能体（Multi Agent系列）：遇到复杂任务自动分工，像排查 “K8s 集群pod状态异常” 时，协调多个工具检查日志、内存数据并输出报告；
- 自优化智能体（如Corrective RAG）：能不断学习优化，持续适配企业个性化运维流程；
- 高级推理智能体（LLM Compile等）：擅长处理复杂指令，例如将模糊需求编译为可执行脚本，实现服务器自动化部署。
当前，智能运维OpsPilot内置了两类核心智能体作为切入点，聚焦运维场景的高频需求：
01.知识问答智能体(ReAct Agent)：
知识库+LLM的静态赋能
ReAct Agent可通过简单配置，基于LLM大模型搭建聊天类智能体，支持引用私域知识，适用于纯问答场景，且智能运维OpsPilot内置十多种覆盖工作生活场景的模板供用户快速上手。例如运维人员查询“数据库备份策略”时，智能体会检索知识库中内部文档与联网检索实时信息，结合LLM生成“每日全量备份+每小时增量备份”等策略方案，其优势在于以自然语言交互降低使用门槛，同时通过多源知识融合确保回答兼具专业性与时效性。
多种问答场景模板
02.基础工具类智能体（LLM Compile Agent）：
动态场景的闭环执行
在知识问答的根基上，LLM Compile Agent借助LLM将用户需求精准编译为工具指令，搭配MCP协议智能调度各类工具，实现“问答-规划-执行”全流程自动化闭环。以用户提出“xx pod状态异常”问题为例，该智能体可通过LLM快速解析出“K8s故障诊断”意图，同步检索知识库锁定潜在原因，随即调用K8s工具自动检测集群，整合日志与节点内存数据，最终输出包含节点状态、异常分析及修复建议的详尽报告。这种自然语言驱动的跨系统协同模式，不仅打破了工具孤岛，更通过自动化执行大幅降低人为操作失误风险，显著提升运维响应效率与准确性。
03.差异化价值：
从通用LLM到垂直智能体的能力跃迁
相较于直接使用LLM或单一功能智能体，智能运维OpsPilot通过“知识-工具-LLM”的深度耦合，实现了场景适配性与操作闭环性的双重突破。以下从核心维度对比三者差异：
04.嘉为蓝鲸OpsPilot智能运维支撑平台：
更懂运维的AI平台
嘉为蓝鲸智能运维OpsPilot是集知识库管理、智能体配置、机器人管理及工具管理于一体的智能运维支撑平台，深度融合LLM大模型的语义理解、知识增强与多模态处理能力，聚焦运维领域，突破单一LLM能力局限，成为更懂运维的智能AI平台。
