应急预案即使写得详尽,也未必能安全地交给运维智能体使用。文档中的“确认影响范围”“必要时重启”等表述依赖工程师理解上下文;对机器而言,适用对象、判断依据和执行边界都可能不明确。机读化知识治理的核心,是把经验转化为可识别、可校验、可追溯的规则,而不只是把文档转换成结构化格式。
从文档到可执行规范
治理首先要确定知识单元:一条处置规范针对什么场景、适用于哪些资产、由谁维护,以及在什么条件下才可使用。随后,将原本混在段落中的内容拆分为前提条件、前置校验、执行动作和预期校验指标。每一步都应有明确的输入和判断依据,无法确定的条件应标记为待人工确认,而不是由模型自行补全。
例如,一份服务重启预案不能只写“服务异常时重启”。它还需要说明适用的服务范围、执行前应检查的状态、重启后的验证方式,以及验证失败时如何停止后续操作或回滚。这样,智能体才能区分“找到了一份相关文档”和“当前条件满足该文档的执行要求”。
让知识随环境变化
结构化之后,知识仍可能因系统变更而失效。治理机制需要为规范指定责任人,记录版本、适用范围和审查状态,并在相关配置或操作流程变更时触发复核。历史故障记录可以作为修订线索,但不能未经核验就直接升级为生产操作规范。
调用时还应结合资产关系和实时状态检查适用性:文档中描述的对象是否存在,依赖关系是否仍然成立,前置条件是否满足。若知识缺失、版本不明或检查结果冲突,系统应停止自动执行并转交人工判断。
机读规范本身也不等于执行授权。即使智能体匹配到了有效预案,实际动作仍需经过权限校验、必要的审批和操作审计;结果则应与预期指标比对,异常时中止或回滚。知识治理负责明确“应该怎样做”,独立的执行控制负责限制“能否这样做”,两者配合才能形成可信闭环。
