专场：大模型在DevOps领域的创新应用(AIOPS)
专场聚焦于探讨：在人工智能领域飞速发展的时代，大语言模型的出现有望为DevOps带来哪些技术变革。本专场重点讨论但不仅局限于“自动化和效率提升，智能监控和故障预测，Tools智能决策支持，用户体验改善智能分析”等相关话题，着重关注大语言模型在DevOps领域的应用，助力其实现自动化。参与者将了解AIOPS的一些优秀落点案例，从而能够帮助开发者应用在实际工作中，来逐步降低开发成本和运维成本，更好地AIOPS为赋能。
专场出品人：张奇
复旦大学计算科学技术学院教授、博士生导师
主要研究方向是自然语言处理，聚焦自然语言表示、信息抽取、鲁棒性和解释性分析等。
兼任中国中文信息学会理事、中国中文信息学会理信息检索专委会常务委员、中国人工智能青年工作委员会常务委员、SIGIR Beijing Chapter组织委员会委员等。

在ACL、EMNLP、COLING、全国信息检索大会等重要国际国内会议多次担任程序委员会主席、领域主席、讲习班主席等。近年来承担了国家重点研发计划课题、国家自然科学基金、上海市科委等多个项目，在国际重要学术刊物和会议发表论文150余篇，获得美国授权专利4项，著有《自然语言处理导论》和《大规模语言模型：理论与实践》，作为第二译者翻译专著《现代信息检索》。

获得WSDM 2014最佳论文提名奖、COLING 2018 领域主席推荐奖、NLPCC 2019杰出论文奖、COLING 2022杰出论文奖、NeurIPS 2023 Instruction Workshop最佳论文奖ICLR 2024亮点论文奖。获得上海市“晨光计划”人才计划、复旦大学“卓越2025”、人才培育计划等支持，获得钱伟长中文信息处理科学技术一等奖、汉王青年创新一等奖、上海市科技进步二等奖、教育部科技进步二等奖、ACM 上海新星提名奖、IBM Faculty Award等奖项。

张曦
华为云SRE AI使能专家
华为云SRE AI使能专家。犹他州立大学统计学博士，研究方向为AI for Data、AI for BI、AIOps，时间序列分析等；具有丰富的人工智能在企业场景应用落地的成功经验，应用场景覆盖营、销、服、供、采、制、研发等多领域，曾支撑华为集团多个业务应用+AI，曾带领团队成功攻克5+企业技术难题，并主导发布多个AI服务。
待定
待定
LLM和Multi-agent在运维领域的实验探索
AIGC的发展正加速影响着生产力的变革和竞争力的重构，企业智能运维在大模型时代背景下面临着怎样的机遇和挑战？生成式AI为代表的新兴人工智能将改变大多企业应用在可拓展性、多功能性和适应性方面的运作方式，如何用好AI创造价值，提升企业生产力，防范关键风险，是企业数字化智能化急需克服的挑战。本议题从智能运维面临的挑战和痛点出发，介绍在企业运维领域应用AIGC的实践案例，提出以LLM为中心，基于多Agent协同的运维方案，并提出在大模型时代下，对下一代智能运维的思考。
1. 大模型给企业运维带来新机遇
    1.1 传统智能运维方案的痛点
    1.2 大模型给AIOps带来新机遇
2. 基于LLM和Multi-Agent相结合的运维方案
    2.1 Metric基础模型
    2.2 Log基础模型
    2.3 Trace基础模型
    2.4 Multi-Agent协同框架
    2.5 Multi-Agent给智能运维带来的变化
3. 大模型时代下智能运维演进趋势展望
1. 了解如何结合LLM和Agent在智能运维领域进行应用
2. 了解Multi-Agent协同框架
3. 了解智能运维在新时代下的发展趋势
内容大纲
听众收益
付求爱
华为云 智能化运维算法专家
华为云智能化运维算法专家、华为云PaaS产品部智能化运维业务负责人，负责华为云PaaS研发质量看护和智能化运维关键能力构建、技术研究、整体规划、团队管理及交付落地。
待定
待定
大模型驱动的故障根因分析和修复推荐
随着企业数字化转型和业务互联网化，企业对应用的高可用、可靠性提出了更高的要求，以及近年来云原生、微服务、分布式技术的引入，业务规模和运维管理对象成倍增加，服务之间的依赖、调用关系愈发复杂。一方面我们享受着开发效率指数提升的红利，同时也在承受着故障定位成本居高不下的痛苦。特别是当业务出现问题的时候，如何快速发现问题和止血变得非常困难。基于大模型技术实现复杂场景下的代码级故障分析及推荐问题修复建议。
1. 华为云PaaS业务&背景介绍
2. 面临的挑战&运维痛点
3. 大模型驱动的故障根因分析和修复推荐方案介绍
    3.1 数据获取及处理
    3.2 故障根因推荐
    3.3 故障修复建议推荐
4. 总结和展望
华为云相关业务以及面临的运维难题、华为云基于大模型的AIOps建设思路，部分方案可直接采用，也可启发听众。
内容大纲
听众收益
黄金
趣丸科技 技术保障线 基础架构负责人
趣丸科技的资深架构师，拥有9年的行业经验，专注于多云基础设施和AIGC赋能项目。在容器技术、高可用系统架构设计以及人工智能领域积累了丰富的实践经验。 作为一名积极的开源社区贡献者，是知名混部项目Koordinator的核心维护者。多次在包括QCon、SACC、HW HCE、DBAPlus、GOPS等在内的国际技术峰会上发表演讲。 目前，正致力于探索AI运维Agent在IT运维领域的有效应用，以及AIGC技术在研发流程中的创新赋能方式，旨在通过这些前沿技术推动企业的数字化转型和业务创新。
待定
待定
趣丸科技在运维AI Agent 的探索与实践
在企业规模扩大和技术迅速进步的今天，IT基础设施变得日益复杂，特别是微服务、容器化和云原生技术的应用，导致了海量的可观察数据和复杂的服务依赖关系。为了应对这些挑战，企业开始采用以大语言模型驱动的智能AI运维Agent，以实现运维工作的自动化和智能化。 AI运维Agent利用大语言模型的强大数据处理与逻辑决策能力，对IT基础设施产生的海量数据进行深入分析，实现预测性故障分析，实时监控和智能决策支持。这不仅帮助企业提前发现并解决潜在问题，避免服务中断，而且提高了运维的效率和系统的可靠性。通过智能化的运维，企业能够降低运营成本，提高运营效率，实现降本增效的目标，为企业的持续创新和发展提供强有力的支持。
1. 大模型与Agent 概述
2. 趣丸科技在智能运维Agent 上的探索与实践
    2.1 多Agent 协作架构实现思路
    2.2 双思维链模型
    2.3 Prompt实践
    2.4 AiOps 与 大模型
3. 智能运维Agent 应用场景分享
    3.1 故障助手
    3.2 企业知识库
    3.3 智能表单
    3.4 根因定位
4. 大模型在运维场景落地常见问题与解决方案
    4.1 运维领域 RAG 的挑战
    4.2 CMDB 与 LLM 结合
    4.3 LLM 调试技巧
5. 未来展望
1. 了解智能AI Agent 在运维领域的应用
2. AI Agent 在运维领域解决方案与思路
3. AI Agent 与AiOps对比与结合
4. AI Agent 在企业内部落地遇到的问题与解决方案
内容大纲
听众收益
关注QECon公众号
关注QECon视频号
议题投稿 
lijie@qecon.net  
票务联系 
15901265561  小娟
 
媒体合作
13516196409  皮皮
商务合作
15122643988  木子
购票咨询
15901265561  小娟