截止昨天，云原生模块的框架就差不多了，主要就是针对k8s集群资源的增删改查等基础操作的功能，这也是为了熟悉集群基础资源的增删改查的开发流程。要说完整开发还得用类似kubesphere等专业的管理平台。
那么今天就来看看AI模块，这块其实就更多就是一个尝试，只能边学边开发了，我这边就暂时是直接将别人开源的chagpt模块接入自己的平台，后期在考虑自己开发一个页面吧，如下所示：
在介绍下接入的chatgpt模块相关信息：
这个chatgpt开源地址是：
代码语言：javascript复制https://github.com/xcatliu/chatgpt-next可以运行docker镜像
代码语言：javascript复制docker run --name chatgpt-next -d -p 3000:3000 -e OPENAI_API_KEY_ALIAS xcatliu/chatgpt-next:latest
# --name 容器名称，-d 后台运行，-p 端口映射，-e 透传环境变量也可以npm手动运行
代码语言：javascript复制# 构建
pnpm build
# 启动
pnpm start二次开发的话：
代码语言：javascript复制# 安装依赖
npm i -g pnpm
pnpm i
# 本地开发
pnpm dev至于智能预测和排障还得多学习才能开发出来，慢慢来。
那么下面就来聊一聊AIOPS：
AIOPS的主要目标是:
1. 减轻人工干预,自动化运维流程：使用机器学习技术分析大量运维数据,找到规律和异常,并自动触发相应的运维操作。
2. 提高运维的准确性和速度：机器学习模型可以快速分析海量数据,找出复杂的规律,并在发现异常时快速告警,使运维工程师可以尽快定位和解决问题。
3. 预测故障和需求,实现运维的可视化：通过机器学习预测技术,可以发现设备利用率和流量的变化规律,预测未来可能出现的故障和需求,实现运维的预防和规划。并通过可视化技术,使复杂的运维数据和流程更易于理解和管理。
4. 不断优化运维策略：AI可以持续监控不同的运维策略和操作是否达到最佳效果,并根据效果反馈不断调整和优化,使运维过程最大化自动化与智能化。
AIOPS通过运用机器学习、大数据分析和自动化技术,不断地监控、分析、预测、优化复杂的IT系统和运维流程,实现更快速、更可靠和更智能的运维,这是IT运维发展的未来方向。
所以说真正想实现这块功能没那么简单，需要学习的东西还是比较多，但不可置疑的事情就是未来的运维开发会转向智能化自动化，需要人工操作的会越来越少，我们更多的会在思考上面。
好了，今天的分享就到这了，祝学习顺利！
