LLM 的推理能力与生成式 AI 的数据理解能力，为可观测技术的演进提供了全新思路。另一方面，可观 测技术也在反哺 AI 领域。那么， AI 与可观测技术是如何双向赋能的？AIOps 从实验到生产、从口号 到落地的行动路径又是怎么样的？ 李也：一是 "AI for 可观测"。过去，我们需要手动编写 SQL 来提取和分析数据。而现在，只要为大模 型提供清晰的上下文和数据格式，它就能出色地自动生成 SQL、配置大盘和定时任务。我们内部评测 显示，在上下文充足时，大模型在此类任务上的准确率可达 80%-90%，甚至超过不熟悉 SQL 的工程 师。这意味着，数据的提取方式已被彻底改变。 在更复杂的探索性、关联性分析方面，AI 同样能提供助力。例如，将复杂的系统场景截图交给大模 型，其分析结果有时优于新手工程师。虽然它目前还无法替代专家进行根因分析，但已能显著提升所有 工程师的工作效率。从"给人看"转向"给 AI 看"。未来的关键不再仅仅是美观的可视化，而是如何以结 构化的方式组织数据，使其能高效地被大模型理解与利用。 二是 "可观测 for AI"。AI 系统的出现带来了新的可观测需求。大模型的每次调用都会产生成本， ...