老计聊技术

AI训练师二级03：数据挖掘代码题怎么拆，从一份数据挖出业务价值我是老计。上一篇拆的业务分析题是纯方案设计，这一篇拆一道带代码的数据挖掘题（B1 里的数据题）。这类题的长相是：给你几份数据（通常是一份业务交易数据加一份市场或大盘数据），让你用 Python 读取分析、从几个业务场景里挖出机会点并可视化，再针对结果挖隐藏价值、提 AI 方案。

AIOps实战06：核心功能的需求描述（下），高阶模块与非功能需求我是老计。上一篇写了数据接入、告警降噪、异常检测三个基础模块的需求。这一篇继续，写三个更高阶的模块，根因分析、预测与容量、智能助手，再讲一块特别重要、却常被新手忽视的东西，非功能需求。尤其安全这块，我会结合 K8sChat 的实践讲，因为它是 AIOps 的生命线。

AIOps实战07：AIOps的地基是数据，可观测三支柱怎么喂给AI我是老计。前面几篇讲了 AIOps 的能力、产品和需求，都是上层的东西。这一篇往下挖，挖到最根本的地基，数据。一句话先撂在这：AIOps 再智能，本质上也是建立在运维数据之上的。数据这个地基没打好，上面盖的所有智能高楼，都是空中楼阁。这一篇，我结合做 SRE 和可观测的经验，讲清 AIOps 的数据到底是什么、怎么喂给 AI。

AIOps实战05：核心功能的需求描述（上），把AIOps需求写规范我是老计。上一篇给了一款 AIOps 平台的功能全景，八个模块，那是概览。这一篇和下一篇，我们往前走一步，挑其中几个核心模块，写成更规范、更细致的需求描述，让你看清一份 AIOps 的功能需求，到底该怎么写、写到什么颗粒度。这一篇先讲最基础的三个：数据接入、告警降噪、异常检测。

AIOps实战04：一款AIOps平台该具备哪些功能，一份产品视角的功能全景我是老计。前面三篇，我们从技术和认知的角度讲了 AIOps 是什么、能做什么、两代怎么融合。从这一篇开始，进入一个不太一样的板块：产品与需求视角。我们换个身份来看 AIOps,不再是使用者或技术研究者，而是站在做产品、选产品、评估平台的角度问一个很实在的问题：一款完整的 AIOps 平台，到底该具备哪些功能？

AIOps实战03：两代AIOps，传统机器学习与大模型该怎么配合我是老计。前两篇讲了 AIOps 是什么、能力全景和成熟度。这一篇要把一条贯穿全系列的主线讲透：AIOps 的两代技术，传统机器学习和大模型，它们各自擅长什么、不擅长什么、以及最关键的，该怎么配合。看懂这两代和它们的融合，你就有了理解今天整个 AIOps 技术版图的钥匙。

我是有底线的