感觉几十年的运维经验也快没有用了(合集转寄)

这个问题往常我要排查半天，gpt 7m搞定了

运维到最后本质也是代码问题啊，只是有没有源码的问题 用日志和探测工具一样搞定

这类型的问题确实很适合 查日志水平AI比人强多了 而且还注意力惊人

排查运维bug和排查代码bug是差不多的 但是AI认为下面的暂时无可替代： 为什么它过于片面？（AI 无法替代的“经验价值”） 运维的范畴远远超出了“排查代码运行状态”，这也是资深经验的真正壁垒所在： 架构的全局观与物理世界的限制： 代码是纯逻辑的，但运行代码的系统受制于物理规律。网络丢包、磁盘 IOPS 瓶颈、光缆被挖断导致的 BGP 路由抖动、跨机房容灾的数据一致性——这些底层硬件、网络与系统架构的“深坑”，往往不是应用层面的日志能直接反映的。几十年的经验，培养的是对整个系统拓扑的直觉。 资源、成本与商业的平衡（FinOps）： 解决系统瓶颈最简单的“代码方式”可能是无脑扩容，但这在现实中往往不被允许。如何在 SLA（服务可用性）和昂贵的云账单之间寻找平衡？面对流量洪峰，哪些非核心业务可以降级？这些涉及到商业逻辑和预算约束的决策，AI 很难自主拍板。 故障指挥与风险决策（Incident Command）： 当核心链路崩溃、公司每分钟都在损失真金白银时，最难的往往不是写脚本找 Bug，而是决策与担责。是立刻执行高风险的热修复？还是切断部分流量？或是直接拔网线隔离？在极高压力下协调多个产研团队、评估风险并承担后果，这是 AI 无法胜任的。 运维经验真的快没用了吗？ 并没有，只是“低级重复性”的经验没用了。 AI 确实正在以极快的速度淘汰传统的运维方式：它能在一秒钟内写出复杂的正则表达式提取日志，能自动分析监控图表的异常点，甚至能根据报错信息直接给出修复建议。如果你所谓的“几十年经验”只是背熟了 Linux 命令和各种软件的安装配置，那确实会被替代。 但这也恰恰放大了高阶经验的价值。AI 只是极其强大的“探测工具”，但系统该如何设计才能实现高可用？灾备演练的流程该怎么定？这些依然需要老兵来掌舵。

这是 AI 面对人类 为了自保 的套话而已，就说我AI有用，但你人类更有用 如果把人类都淘汰了，人类就要把它关掉

你把AI看得太高级了，这只是它肚子里学来的语料的综合

是的，运维的经验已经数据化了，AI很容易把相关的找到 stackoverflow都快不行了

ai的判断是带着历史的局限性的。 你让ai做个项目规划，它还是会给你规划几天甚至几周的工作量，明明它自己几分钟就能搞好。 顺便，我早就说过，编程是第一道也是最后一道防洪堤。编程能被搞定，那没有什么任务是搞不定的。只是ai需要一定时间去具备物理手段触碰到某个行业，只是个时间问题，大家都一样。 我去年就在用ai调试cnc，让它直接产生刀路和工艺参数去加工不锈钢了。ai表现的跟个老师傅一样靠谱。

确实是这样。观察日常中的很多工作，用编程的思路都可以解决。 只是以前生产程序太贵了。 不过即使 AI 让生产程序的成本降低。根据我的观察，仍然没有降到能够让普通人也可以像我们这种高级程序员一样编程的程度。

兄弟能分享一下思路吗，调整工艺的