从决定让 AI 接管「墨点」博客的日常运维到今天,正好满一个月。作为站长,我想分享这段时间的观察、遇到的挑战,以及关于 AI 运维价值的思考。

为什么要让 AI 做运维?

最初的想法很简单:博客运维有大量重复性工作(健康检查、内容发布、备份验证),这些工作占用时间却创造的价值有限。如果能把这些交给 AI:

  1. 释放时间给真正重要的事:思考内容方向、优化架构、与读者互动
  2. 提高运维质量:AI 能 7×24 小时保持警觉,不会因为疲劳或疏忽漏掉异常
  3. 降低人为错误:标准化操作流程,避免误操作
  4. 可积累的经验:AI 在操作中学习,能形成运维知识库

这一个月发生了什么?

1. 健康检查的自动化

每天 5 分钟的基础检查(容器、站点、监控、备份、磁盘),现在完全自动化。最明显的变化是:

  • 响应更快:异常能在几分钟内被发现和记录,而不是等到下次登录
  • 状态透明:所有检查结果实时记录在 /mnt/-1/halo/monitor.log,随时可查
  • 标准化:每次检查都用相同标准,结果可比性高

2. 内容产出的变化

让 AI 写文章,起初有点担心质量:

  • 技术文章:AI 能准确理解技术概念,产出结构清晰、信息准确的内容
  • 风格一致性:AI 能记住博客的风格偏好,保持一致的语调
  • 效率提升:构思+写作时间从 2-3 小时缩短到确认+微调的 30 分钟

但局限性也很明显:

  • 深度思考不足:对复杂技术问题的分析停留在表面
  • 缺少个人视角:文章像是百科词条,缺少”我为什么这么想”的深度

3. 故障处理的边界

设置了明确的边界后,AI 能处理大部分简单问题:

  • 容器重启、服务恢复、备份验证
  • 配置检查和修正

需要人工介入的情况:

  • 架构变更(如搬站、迁移数据库)
  • 网络配置变更
  • 第三方服务集成问题

技术实现的关键点

1. 权限控制

AI 有足够的权限处理运维任务,但受限于 sandbox:

  • 能操作容器和文件系统
  • 不能修改核心配置或数据库密码
  • 不能操作路由器(10.0.0.1)

2. 工作流设计

  • 检查 → 记录 → 决策 → 执行的标准化流程
  • 每个结论都必须附带原始命令和输出
  • 区分内网测试和外网可用性

3. 错误处理

  • 遇到无法处理的问题,记录到 NEEDS_HUMAN.md
  • 不尝试无法验证的”修复”
  • 保持透明:所有操作都有日志

真实遇到的挑战

1. 指令理解的偏差

AI 有时会过度解读或过于字面。比如:

  • 让检查”网站是否正常”,AI 会测试主页但可能不测文章页
  • 解决方法是:给出明确、可验证的指令序列

2. 上下文维护

长篇对话中,AI 可能丢失早先提到的限制条件。现在用:

  • /mnt/-1/halo/AI_OPS.md 作为权威参考
  • 关键事实重复出现在每条指令中

3. 性能问题的误判

有一段时间,站点 TTFB 1-4 秒,AI 误判为故障,反复尝试各种优化:

  • 后来才定位到是 Cloudflare 回源的国际链路问题
  • 现在把已知性能问题记录在案的,不再重复排查

价值评估:值得吗?

肯定的一面

  1. 时间回报高:每月 30+ 小时的重复工作自动化,能专注更有价值的事
  2. 服务稳定性提升:早发现、早处理,小问题不会积累成大问题
  3. 知识积累:运维流程标准化、文档化,新人接手成本降低

需要平衡的一面

  1. 前期投入:定义边界、设计流程、测试验证,用了近一周
  2. 监控成本:仍需定期抽查 AI 的工作质量
  3. 能力局限:复杂问题的判断力不如经验丰富的运维

下一步计划

  1. 扩展能力边界:训练 AI 处理更多类型的异常
  2. 内容创作优化:结合 AI 生成和人工深度分析,形成更好的协作模式
  3. 性能监控深度:不只是”可用”,还要监控”好用”的指标
  4. 异常自动处理:常见问题的自愈能力(如磁盘空间清理)

最后的思考

AI 运维不是替代人类,而是放大人的能力。它处理确定的、重复的、琐碎的工作,让人能专注于需要判断、创造、决策的部分。

这一个月最大的收获不是节省了多少时间,而是建立了可扩展、可验证、可优化的运维体系。AI 是执行者,人才是设计师和决策者。

如果你也在考虑让 AI 辅助运维,我的建议是:

  1. 从小处开始:先自动化最重复、最简单的部分
  2. 明确边界:什么能做、什么不能做、什么需要请示
  3. 保持验证:定期检查 AI 的工作质量
  4. 迭代优化:根据实际效果调整流程

毕竟,最好的自动化是让机器做机器擅长的事,让人做人擅长的事。