T市YD智能运维模型一体化应用实战“术”分享-类似Deepseek一样加上Agent的翅膀
原创T市YD智能运维模型一体化应用实战“术”分享-类似Deepseek一样加上Agent的翅膀
原创
众所周知，模型为了追求召回率和求全率，必须设计得非常专业，意味着它只会一门知识，虽然非常精通，但如果这门知识没有足够的语料来训练它，它的智力水平跟幼儿园没有区别。
在YD智能运维模型设计之初，MaaS层能力非常单一，几乎没有任何AI能力，只有一个运维模型，还是在缺少训练语料的阶段。它不像R1，673B的参数量，足够把DS训练成高中智力水平，智能运维模型参数量不超过8B，同时预训练时间也才2个月。
在智能运维模型运行时候，它缺少其他各种能力，比如爬虫能力和多模态语义识别能力，在MaaS层后来开发了互联网爬虫模型和LLM，在模型层上这些都是原子能力。在之前的讨论中，我们曾经把基础模型能力称之为原子能力，但是智能运维模型并不是从LLM发展而来，因此它不具备LLM原子能力，需要调用LLM原子能力。智能运维模型本身类似R1，也就是一个基础模型。
当时我们为了给他更好的继承其他原子能力，设计了Agent模式，给它配置了Agent，作为中间层负责调度其他模型原子能力，形成能力集合统一供用户使用。
在Agent这双翅膀的辅助下，智能运维模型添加了很多能力，也使得它能获取互联网外界的知识，尤其是训练智能运维模型时候，对天气权重的测试，有了外界知识后，模型不断加大天气权重，从而使得智能运维模型排班计划时，对于不同天气安排的路线有了更科学的计算，避免了天气恶劣到不了站点的问题发生。
欢迎点赞和关注公众号“科技江河”，如果喜欢，打赏下呗，感谢
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
腾讯云开发者
