先弄清楚这门课解决什么问题
Kubernetes 环境下的故障排查，向来是运维和后端开发最耗时的环节。Pod 频繁重启、服务间调用报错、海量日志里夹杂着偶发的异常堆栈，传统做法往往只能靠人肉 grep 和肉眼比对历史记录。这门课正是针对这个痛点，教你用大语言模型结合检索增强（RAG）技术，搭建一个能自动读取 K8s 日志、关联企业内部排障文档、并输出诊断建议的智能平台。它不是教你怎么调 Prompt，而是把 LLMOps 和 RAG 真正落地到运维场景里，让大模型不再只是聊天工具，而是能接入生产链路的诊断系统。
适合什么基础，建议先看哪几块
这门资料不适合零基础读者。你需要具备基本的 Kubernetes 操作能力（知道怎么用 kubectl 查日志、看 Pod 状态），并且对 Python 编程和 HTTP 接口调用有一定了解。如果你完全没碰过 K8s，建议先补基础再看，否则在数据接入环节会卡壳。拿到资料后，建议先看开篇关于 AIOps、MLOps 与 LLMOps 架构设计的部分。这几节篇幅不长，但把整个系统的运作逻辑讲得很清楚，能帮你建立全局视角。之后再跳到核心项目展示，挑一个最贴近你当前工作场景的诊断模块先看，比如异常日志检测或故障自动分析，带着具体问题去读代码比按顺序硬啃效率高得多。
资料怎么配合练习，学完能独立做什么
看视频时务必同步把代码跑起来，只看不练到真正排障时大概率还是不会用。建议准备一个测试用的 K8s 集群（本地 minikube 也行），把课程里的日志采集和 RAG 检索流程完整走一遍。关键步骤是：先让日志数据能正常流入处理管道，再验证 RAG 能否准确召回你预先放进去的排障文档，最后测试大模型输出的诊断建议是否合理。如果结果不理想，通常是文档切分粒度或检索召回率的问题，这部分需要你反复调参。学完之后，你应该能独立搭建一套完整的 K8s 故障诊断流水线：从日志采集、异常识别、知识库检索到诊断报告生成，整个链路都能自己落地，并且能根据团队的实际技术栈做适配调整。
掌握LLMOps+RAG构建K8s智能诊断系统，实现故障自动分析、日志异常检测与企业知识库增强检索。
课程目录
* 01 课程亮点和核心项目展示/
* 01 课程说明.mp4 07:09
* 02 课程面向的八类学习人群.mp4 09:27
* 03 课程七大目标.mp4 07:02
* 04 课程六大核心亮点.mp4 05:52
* 05 课程九大核心项目展示.mp4 10:22
* 06 课程资料下载方式.mp4 00:39
* 02 AIOps 、MLOps与 LLMOps 架构设计/
* 01 AIOps要解决的实际问题.mp4 08:13
* 02 MLOps实现的8个阶段.mp4 06:30
* 03 MLOps与DevOps区别.mp4 03:43
* 04 LLMops理论介绍.mp4 06:32
* 05 LLMOps核心环节-模型治理.mp4 06:12
* 06 LLMOps核心环节-Prompt治理.mp4 06:54
* 07 LLMOps核心环节RAG治理.mp4 06:56
* 08 AIops到MLOps、LLMops进阶.mp4 06:03
* 09 云原生k8s与LLMops关系解读.mp4 05:35
* 03 基于LLM大语言模型开发 K8s 故障自动诊断工具/
* 01 Deepseek-v3.2和v4模型说明.mp4 08:18
* 02 k8s故障智能诊断工具介绍.mp4 06:01
* 03 基于Pytohn+LLM的k8s故障诊断工具开发指南.mp4 28:12
* 04 故障诊断助手打包成windows程序.mp4 05:38
* 04 开发企业级AI系统实时分析EFK错误日志/
* 01 AI助手实时分析EFK错误日志-项目说明.mp4 06:32
* 02 代码实现说明.mp4 10:04
* 03 AI助手打包成电脑端应用.mp4 05:22
* 05 构建智能监控系统：自动设置告警阈值等/
* 01 智能运维进阶：AI 自动修改 Prometheus 告警规则.mp4 10:08
* 02 自动调整zabbix触发器表达式-智能告警.mp4 10:53
* 06 实现 RAG 增强检索 + 运维知识库问答系统开发/
* 01 LLM+RAG构建企业级运维知识库问答系统-项目说明.mp4 14:45
* 02 RAG管理-把内部知识库转成向量.mp4 05:44
* 03 AI问答系统代码解读.mp4 08:05
