AI agent autogen在运维场景的实践

相信大家或多或少体验过大模型的魅力，有一定门槛的chatGPT（包含各种套壳的chat_bot），还有文心、通义千问等等。我总结有以下小缺陷

1. 知识库有截止时间，比如GPT当前在21年9月
2. 生成代码场景需要在本地手动执行、验证，反复贴报错最终得到一份可用的代码
3. 无法理解私域任务，比如你们公司每天要做服务器安全巡检
4. 准确度，在一些计算场景会乱答

打个比方大模型是大脑，AI agent给了模型“双手”。常见的autoGPT、babyGPT、本文介绍来自微软的autogen (https://microsoft.github.io/autogen/)

代码执行
先看效果，“请求https://www.baidu.com 50次，2秒间隔，记录每次的状态码、网络延迟，结果记录下来。并且生成图片，保存到当前目录下”

用人类的思路拆解：大致分两步，写爬虫代码，记录状态码等信息；用数据生成图，plt库或者excel拉图
下图是AI agent执行的过程，完成了自动编码、图片文件也存在指定目录了。修正代码bug和安装缺失库它都会自动帮你完成。

函数回调
有很多私域的任务仅属于你所在的公司，比如“查看开发环境kong服务器上有多少service”，此功能让模型知道你有此函数方法，并在恰当的时机进行调用，看效果