本文回答一个一线运维团队最现实的问题：干了十几年的网优老师傅要退休了、骨干要跳槽了，他脑子里那几千条“一看告警就知道查哪儿”的经验，怎么安全地交给大模型，让它真的能顶岗？本文以 TM Forum 自主网络（Autonomous Networks）分级为骨架，梳理中国移动「九天」、中国电信「星辰/TeleChat」、SK Telecom「A.（A dot）」、华为 iMaster NAIE 等公开产品与平台在“排障知识工程化”上的技术路线（RAG、微调、Agent 闭环），给出一个可在生产网落地的知识库改造流程、幻觉治理与回滚保护方案。需要说明：本文写作时会话内外部搜索工具不可用，所有产品名与技术框架均来自笔者多年积累的公开资料，具体量化收益数据除注明出处者外一律不给精确数字，仅供参考量级。
在核心网和无线网优岗位干过的人都知道一个残酷事实：最有价值的排障知识，从来不在知识库里。
它在哪里？在老师傅的个人笔记里、在某次割接后写下的复盘邮件里、在 Excel 里那张只有他自己看得懂的参数核查表里、在深夜电话里那句“你先看下 S1AP 的 cause 值，八成是传输闪断”里。用行话说，这是典型的隐性知识（Tacit Knowledge）：高度上下文相关、非结构化、且随网络演进持续贬值——5G 时代积累的经验，到了 RedCap 和 5G-A 阶段要打对折。
传统知识管理为什么失败？三个原因：
大模型改变了这件事的成本结构：它第一次让“机器读懂口语化的排障描述”成为可能。以前需要人把经验归纳成规则引擎的 if-else（这是过去二十年专家系统失败的根本原因），现在只需要把原始的工单、复盘、聊天记录灌进去，配合检索增强生成（RAG），就能得到一个“读过你们家所有故障案例的实习生”。注意，是实习生——它能回忆起所有案例，但判断力和动手能力还需要你教。这个定位认知很重要，后面所有工程决策都基于它。
| 维度 | RAG（检索增强生成） | 领域微调（SFT/LoRA） | Agent（智能体闭环） |
|---|---|---|---|
| 解决什么问题 | 知识“记不住” | 能力“不会做”（输出格式、术语风格） | 执行“下不去手” |
| 知识更新成本 | 低——更新文档即生效 | 高——需重新训练 | 中——需维护工具与权限 |
| 幻觉风险 | 中（可溯源可校验） | 较高（知识内化后不可见） | 中（依赖工具返回真值） |
| 建设周期 | 周~月 | 月 | 月~年 |
| 适用场景 | 工单问答、案例检索、复盘生成 | 告警摘要、日志结构化、报告生成 | 自动诊断、参数核查、自愈执行 |
三条路线不是互斥的，而是分层叠加的。成熟的落地顺序几乎必然是：先 RAG（把知识管起来）→ 再微调（让输出格式和术语贴合运维场景）→ 最后才上 Agent（给模型接上网管北向接口的“手”）。
跳过前两步直接上 Agent 的团队，基本都会在同一个地方翻车：模型对网元参数的幻觉。你问它“PDCCH AGG level 该怎么调”，它给的答案混合了 3GPP 规范、网上博客和它自己脑补的内容，看起来头头是道，一到现网核查全是错的。知识底座不牢的 Agent，等于给实习生发了 root 权限。
据公开资料，国内外主要厂商在“AI 进网络运维”上的产品化布局大致如下（均为公开存在的产品/平台名，功能描述以官方公开口径为准）：
| 主体 | 产品/平台 | 公开定位 | 与本文主题的关系 |
|---|---|---|---|
| 中国移动 | 九天大模型（及行业衍生版本） | 通用+行业大模型体系，据公开报道已用于网络智能与客服场景 | 运营商自研底座的代表 |
| 中国电信 | 星辰大模型（TeleChat） | 据公开报道覆盖语义、语音、视觉及网络运维场景 | 同上，另有大量公开的内部网优应用报道 |
| SK Telecom | A.（A dot）/AIX 体系 | 个人AI助手起家，据公开报道向企业级与内部运营延伸 | 电信运营商“自研LLM+运营赋能”路线 |
| 华为 | iMaster NAIE 等网络自动化系列 | 网络自动化与AI使能平台，含知识图谱、数字孪生能力 | 设备商“平台+经验资产”路线 |
| TM Forum | 自主网络（AN）分级框架 | L0~L5 自治等级的行业通用语言 | 衡量“AI顶岗到哪一步”的标尺 |
这里必须引入 TM Forum 的自主网络分级，因为它是一线团队向管理层汇报时的“通用度量衡”：
| 等级 | 含义（通俗版） | 典型特征 |
|---|---|---|
| L0 | 纯人工 | 完全人工监控与操作 |
| L1 | 辅助工具 | 系统提供告警/工单，人做所有判断 |
| L2 | 部分自治 | 单场景闭环（如已知告警自动派单），人在环外观察 |
| L3 | 有条件自治 | 跨域能力，AI 给出决策建议，人审批后执行 |
| L4 | 高度自治 | 特定域内 AI 自主决策执行，人只在异常时介入 |
| L5 | 完全自治 | 全域无人化（行业公认短期内不现实） |
据行业公开讨论的普遍共识：目前全球运营商的“排障”场景大多处于 L2 攻坚、局部 L3 试点阶段。谁要是宣称全面到了 L4，建议先问一句“你们的变更管理流程怎么过的审计”。
以下流程是笔者结合多个团队公开分享与自身工程经验总结的落地路径，重点讲那些“踩过坑才知道”的细节。
不要一上来就“把所有文档灌进向量库”。先做盘点，运维侧经验密度最高的四类资产是：
其中第 4 类争议最大——涉及个人隐私和敏感信息，必须脱敏后再入库。笔者的建议是：宁可少灌，不可带病入库。一旦知识库里混进了未脱敏的用户数据，这个系统在安全审计上就死定了。
通用 RAG 教程里的“按 512 token 切块”在通信文档上效果很差，因为排障知识的原子单位不是 token，是“症状-根因-措施”三元组。一个故障案例如果被从中间切开，“告警现象”在 A 块、“处理措施”在 B 块，检索时就会答非所问。
正确做法：按文档结构切块（工单按字段切、复盘按章节切），并给每个块打上拓扑标签（涉及哪些网元类型：AMF/SMF/UPF/gNB/核心网元编码规则）和接口标签（N2/S1/NgAP/SBI 服务名）。检索时先解析用户问题里提到的网元和接口，再按标签过滤——这一步能把检索命中率提升一个档次，成本几乎为零。
排障场景的幻觉是要出生产事故的，必须工程化压制：
当 RAG 问答跑稳之后（一线使用率、答案采纳率有稳定数据），再给系统接“手”。一个务实的排障 Agent 闭环长这样：
flowchart TD
A[告警/工单触发] --> B[意图解析<br/>提取网元·接口·症状]
B --> C{知识库检索<br/>RAG+拓扑标签过滤}
C --> D[生成诊断假设<br/>带引用与置信度]
D --> E{安全沙箱内验证<br/>只读指令: ping/查状态/拉日志}
E -->|假设成立| F[生成处置建议]
E -->|假设不成立| C
F --> G{变更分级}
G -->|低风险/白名单| H[自动执行<br/>带回滚脚本]
G -->|中高风险| I[人工审批后执行]
H --> J[执行后验证<br/>告警消除?KPI恢复?]
I --> J
J -->|成功| K[自动归档复盘<br/>知识回流知识库]
J -->|失败| L[自动回滚 + 升级人工]
L --> K
K -.->|知识资产增值| C
这张图里最容易被忽略的是最后那条回流虚线：每一次处理，无论成败，都应该自动生成复盘草稿并回流知识库。这就是“老师傅经验”的数字化身——它不是一次性的导入，而是一个每天都在长个儿的活资产。老系统越用越贬值，这套系统越用越值钱，这是它和传统知识库的本质区别。
Q1：老师傅会抵触吗？ 会，而且应该正视。破解办法是把老师傅变成“知识审核者”而不是“被替代者”：AI 生成的诊断建议由老师傅批注对错，批注行为本身就在训练检索质量。据多个团队的公开分享，这套“人机师徒制”跑顺之后，老师傅的隐性经验反而第一次有了规模化的传承通道。
Q2：私有化部署还是用公有云 API？ 排障知识里满是网络拓扑、IP 规划、客户信息，从安全角度基本没有悬念——核心场景必须私有化或行业云部署。这也是为什么中国移动九天、中国电信星辰都强调“全栈国产化+私有部署”能力，SKT 的企业级方案同样主打本地化。模型选型上，几十 B 量级的开源底座配合领域微调，在排障问答这类封闭域任务上已经够用，不必追最的大模型。
Q3：怎么向领导证明价值？ 别讲“智能化率”，讲三笔账：老师傅离职带来的知识流失风险（用知识覆盖率衡量）、平均故障处理时长（MTTR）中“定位”环节的耗时占比、重复性故障（TOP 20 故障类型通常占工单量一半以上）的自动化命中数。第三笔账最直观——重复故障是 AI 排障最甜的果子，先吃它。
把话说透：大模型排障当前的真实能力边界，是“把 L2 做扎实、把 L3 的建议质量提上去”。距离“AI 自动修网”的发布会叙事，中间还隔着三座大山：
对一线团队的建议浓缩成一句话：先建知识底座（RAG），再谈智能闭环（Agent）；先吃重复故障，再碰疑难杂症；先把老师傅请进来当裁判，再想让他下班的事。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。