在AWS上打造一个智能运维实战“术”分享-DeepSeek后的业务派单流程趋势

2016年AWS第一次引入国内，只有公有云模式，当时公有云上把运维分为两类主要业务：告警管理和业务流程编排管理。从此企业业务运维开始进入数字化阶段。

在AWS上进行业务流程编排，有这样一个场景：企业业务设备出现告警后，系统会进行告警管理；根据运维SLA规定，对于影响业务的问题单必须在2小时内关闭，因此，有些设备问题单就必须流转到工程师群组。 工程师接单分为两种模式——抢单和顺序派单。抢单是工程师自己去接单并处理关单；顺序派单是按照当前排在第一个空闲工程师接单。

9年前，业务刚上AWS，采用LM组件和OM组件进行关联，OM组件把告警信息传给LM组件，LM组件跟进告警信息里面的字段分解，然后传给SM组件，调用create ticket方法产生工单；这个方法会调用resource字段匹配工程师，这个匹配字段是工程师的技能+闲忙状态。如果匹配上后，选取第一个符合条件的工程师，形成一个工单。

自从2025年Deepseek出现后，派单流程更智能化了。派单流程有两个特点：企业500台设备的派单量非常大，一天新增1000单；派单准确率通常比较低，派错单占比30%

DeepSeek出现后，它具备两个优势，一是擅长处理大量的文本信息；二是擅长解读匹配关联信息。用Deepseek可以一晚上处理完1000篇万字文章，对于每天新增的1000条工单计划配置蒸馏版本70B足够了；在工程师匹配上，DeepSeek可以输入多条规则，让它自动关联并给出最优解建议集，在找具体工程师时候可以有筛选空间。

未来用大模型进行运维业务派单，可以迅速提升运维智能化。