awesome-LLM-AIOps：把 78+ 篇大模型运维论文整理成了一张路线图

做运维的朋友应该懂这个痛苦：线上一炸，先是告警刷屏，然后翻日志、对时间线、找根因，最后还得写复盘。

想上 AI 吧，又容易卡住。

不是不知道大模型能干活，而是不知道从哪篇论文、哪个场景、哪个任务开始看。

最近 GitHub 上这个 awesome-LLM-AIOps，东哥觉得挺适合先收藏一下。它不是那种“点一下就自动修系统”的神奇平台，而是把大模型在 AIOps 里的研究和实践，按场景整理成了一个清单，目前收了 78+ 篇论文。

它主要分三块：故障管理、日志分析、基础设施管理。

里面故障管理这一块最密，从告警聚合、根因定位、故障修复，到事后复盘，基本把一次 incident 的生命周期都铺开了。做过线上系统的都知道，真正麻烦的不是某一个报错，而是十几个告警一起飞，日志还分散在不同服务里，时间戳一错位，人就开始怀疑人生。

日志分析部分也挺实用，像日志解析、异常检测这些方向都有单独归类。每篇论文还标了任务和用到的方法，想快速筛选就方便很多，不用一篇篇点进去猜它到底在讲啥。

东哥看这种列表一般先不看 star，先看分类是不是贴近真实运维流程。因为 AIOps 这事最怕写得很玄，最后落到现场，还是日志字段不统一、告警规则太吵、上下文缺一截。

所以这个项目更像一个入口：适合做运维平台、可观测性、SRE、智能告警的同学慢慢翻。别指望今天收藏明天系统自愈，但想搞清楚 LLM 到底能在运维里干哪些活，它比乱搜关键词省事多了。