我现在公司内部有一个很强的ai平台，它最让我惊讶的是它已经完全接入了公司内部文档，通过与ai的唠嗑可以了解业务（甚至可以得到业务相关的核心应用和数据库信息），还可以快速的用起来各平台对应的api，导致我最近几乎每天都在跟ai唠嗑。
举给例子，我在公司文档里随便乱写了一个内容，然后把保密等级调整到L2（公开）：
我让ai自己讲述了一下，它主要有这么几个能力：
从上面这个表可见这个ai的底层大模型是DeepSeek V3.2，RAG 的能力则是公司内部做的，它好就好在关联了公司内部十几万篇内部文档和高质量技术文章。这样的后果就是如果我要开发的话，直接问一下ai“ XX 的api是啥，请给我写一个demo”，马上ai就能反馈给你一个demo，你只需要看看代码改一改就能用（毕竟ai还是有些胡编乱造的情况），所以开发落地速度非常的快。
为什么我这么爱RAG？因为这代表就是以后不用专门的写配置文件了，以前的配置文件都是yaml json这样的格式，而现在直接就用文档，文档的格式就太多元了，表格也行，图片说明也行，无疑让人读起来更友好。不过这里有一个关键点，就是文档里不可以有“互斥”的地方，比如第一篇文档写了“A监控告警的时候，要执行B预案”，结果下一篇文档却写了“A监控告警的时候，千万不要执行B预案”，那这样ai就蒙了，它会根据文章发布的先后新旧顺序和文章属性（官方文档还是个人笔记）来抉择，虽然这里有抉择，但是还是让ai困惑。
所以我觉得，将来这部分的文档也要引入“质量门禁”，让大家一起来评审 and 一起来验证文档一致性，把“不爱说主语的甚至话说不明白”的作者都纠正过来。
于是乎，我们未来工作的思路也要转变：
1 | 以前：人 → 学习语法 → 写配置 → 机器 |
所以我觉得SRE未来应该开发一个 AI SRE agent，这才是未来工作的王道！
但是越用ai你越发现，它目前还是一个工具，它不能给你直接提供灵感，目前看最好的合作方式是“你在工作中发现要做什么，然后告诉ai，ai能快速落地”，所以目前看这个世界属于“更了解痛点、更了解业务、更了解趋势的人”，因为他们才会知道让ai做什么。
还有一个注意的点！ai token的计费 = 输入token费用 + 输出token费用。其中：
- 输入token：包括用户的问题（query）和检索到的上下文内容。所以别说弯弯绕绕的废话，简单清晰的去告诉ai需求。
- 输出token：模型实际返回给用户的回答内容。
- 思考过程不会返回给用户，因此不计费。但是我不是说“深度推理”这个功能没用啊，如果是简单的问题，比如“新中国是哪年成立的”，这种就不用开“深度推理”，但是如果你要ai深度的帮你设计一个方案，需要发散思维的时候，“深度推理”功能还是要开的，这点钱该花还是要花。
但是随着我用ai越来越多，我发现了一个致命的问题。就是我公司这个ai，他的大模型是deepseek 3.2，知识截止到了2024年，RAG能力是检索全公司的文档。但是如果你问他的是“2024年之后且全公司文档里没有的东西”，它就傻眼了。比如公司的grafana是最新的版本，结果只有2024年能力的它根本无法解决我最新的grafana配置的问题。
