智能运维

32次

Shawn Bai

百林哲咨询（北京）有限公司专家团队成员

DeRisk AI原生的智能运维平台实践

当下技术风险领域的防线主要是以规则引擎出发构建的风险智能防线，以及部分子领域在LLM时代的一些workflow式的技术探索。

智能运维

38次

Yale Mo

百林哲咨询（北京）有限公司专家团队成员

大模型后训练在智能运维Agent 上的应用

现代IT系统复杂度飙升，运维团队不仅深陷于海量数据带来的“认知债”，更面临着通用大模型缺乏企业内部知识、无法有效执行具体运维任务的现实鸿沟。

智能运维

44次

Leo Yang

百林哲咨询（北京）有限公司专家团队成员

面向业务的智能化可观测性实践

伴随云原生架构、多模态数据、微服务与智能体广泛部署，传统运维手段正面临可视性断层、响应迟缓与根因溯源难等系统性瓶颈。

智能运维

26次

Yvonne Tian

百林哲咨询（北京）有限公司专家团队成员

SRE主导的智能化场景落地实践

随着大模型基础能力的不断提升，SRE领域在研发提效、运维提效、资源优化、系统可靠性提升等方向的智能化程度有了进一步提升的可能，朝着与业务结合的智能化运维方向演进

智能运维

24次

Cesar Li

百林哲咨询（北京）有限公司专家团队成员

基于大模型的可观测根因定位与告警分析实践

随着AI能力的普及，企业结合大模型、算法帮助提升运维工作效率，尤其是故障场景中的发现、分析、定位等环节的工作效率，均成为AIOPS行业应用趋势。

智能运维

22次

Guy Liu

百林哲咨询（北京）有限公司专家团队成员

可观测的智能化：任务规划在Agent落地中的挑战与应对

当前越来越多的企业开始引入基于LLM的智能Agent。智能Agent具备强大的泛化能力，可以自动适应多变的业务环境和复杂任务。而其中任务规划环节是关键

智能运维

28次

Zane Wang

百林哲咨询（北京）有限公司专家团队成员

AIOps在大模型训练场景的实践

为了达成高效训练的目标，企业借助AIOps快速发现训练问题、定位故障根源、快速恢复任务，进而保障了模型训练的有效时长，提升和保证资源的有效利用

自动化测试

46次

Hector Li

百林哲咨询（北京）有限公司专家团队成员

AI Agent质量保障体系建设与评测探索实践

当前智能体评测面临多重挑战，包括任务复杂性导致的行为不确定性，以及评估方法的局限性。此外，智能体性能、安全和伦理风险等问题进一步增加了评测难度。

自动化测试

36次

Wynn Kong

百林哲咨询（北京）有限公司专家团队成员

AI智能客服在解决技术支持工单问题中的探索与实践

传统技术支持工单模式，对客服及BD人员来说，存在响应慢、解决耗时长的问题；对产研团队而言，则面临重复处理咨询问题、工作频繁被打断、以及工单与项目优先级冲突等挑战