跳至主要内容
NOWChatBlog · OpsAgent 已上线BUILDINGMCP Agent · RAG 系统持续迭代SKILLSMCP / Function Call / RAG / K8sOPEN对 AI Agent / RAG 方向机会保持开放

AI × DevOps 专家 · 2026

AI 驱动的自动化专家

ChatBlog · OpsAgent 已上线

我是 OpsZhu,站在 AI 与基础设施的交汇处。深耕 Agent 多轮推理、RAG 混合检索与云原生架构,持续追踪 MCP 协议、SKILL、推理模型与 Agent OS 等前沿方向,把复杂运维和知识工程问题变成可运行、可复用的智能系统。

AI 与基础设施的交汇处

从 AI Agent 开发到 RAG 系统构建,再到全栈工程落地,覆盖从构想到部署的端到端能力。

01 / REACT

多轮推理 Agent 系统

基于 ReAct 范式构建多轮推理 Agent,支持 MCP 协议、Function Call 与 Tool Use,实现自主规划、动态决策、故障自愈的智能诊断系统。深度集成 LLM 思维链推理,支持 Agentic Workflow 的复杂任务编排。

  • ReAct
  • MCP
  • Function Call
  • Tool Use
  • Agentic Workflow
  • Langchain
实战经验

从工具链设计到 Agent 编排,对 MCP 协议接入、Function Call 链路和 ReAct 循环有体系化理解与完整落地经验。

代表项目OpsAgent — 6 层诊断 · 分钟级故障定位
02 / RAG PIPELINE

混合检索 RAG 系统

端到端 RAG 架构设计与实现:智能文档解析(MinerU)→ 多粒度分块 → 混合检索(BM25 + 向量)→ Cross-Encoder 重排 → LLM 生成。支持知识图谱可视化、语义搜索、上下文感知的 AI 问答,检索准确率 95%+。

  • RAG Pipeline
  • BM25
  • 向量检索
  • Rerank
  • MinerU
实战经验

对 Chunking 策略、Hybrid Search、Query Rewriting 和 Reranking 有体系化实践,覆盖 5+ 文档格式的完整解析链路。

代表项目ChatBlog — RAG 知识库博客 · 95%+ 检索准确率
03 / DOCKER

云原生 AIOps 架构

全栈云基础设施设计:Kubernetes 编排 + Docker 容器化 + Terraform 。构建 AI 赋能的可观测性系统,集成 Prometheus/Grafana 监控,实现告警智能诊断、自动修复与成本优化,支持多云部署与灾难恢复。

  • Docker
  • Kubernetes
  • Terraform
  • Prometheus
  • Grafana
实战经验

Docker / K8s / Helm / Terraform + 阿里云 / 腾讯云,CI/CD 自动化流水线,Prometheus/Grafana 可观测性体系。

技术栈Docker / K8s / Terraform / Prometheus · Grafana

从构想到落地的精选项目。

不包装成已经成熟的商业项目,公开展示真实状态和核心能力。

全栈 LLM 应用已上线系统本站技术文章

ChatBlog

RAG 知识库博客系统 · 检索准确率 95%+

完整的 RAG Pipeline:智能文档解析(MinerU)→ 多粒度分块 → 混合检索(BM25 + 向量)→ Cross-Encoder 重排 → LLM 生成。支持 5+ 文档格式自动解析、知识图谱可视化和语义搜索。

95%+检索准确率
5+文档格式
BM25+向量混合检索
已上线Next.jsRAGVector DBMinerU
AI Agent 系统已上线系统GitHub ↗

OpsAgent

服务器告警智能诊断 · 6 层诊断 · 分钟级定位

基于 Agentic 多轮推理的智能运维诊断系统。通过 Reason → Retrieve → Observe → Decide 循环逐步逼近根因,支持 Prometheus/Zabbix 多源接入、命令白名单和飞书通知。

分钟级故障定位
6 层诊断层次
ReAct推理范式
已上线PythonFlaskLLM AgentAIOps
团队网络访问控制系统已上线系统GitHub ↗

OpenVPN 管理平台

核心零依赖任何 IM / 审批系统,按需扩展。

基于 Docker 的开箱即用 OpenVPN 管理系统,面向需要自建 VPN 且对账号生命周期、双因素认证、细粒度访问控制有要求的团队。核心三容器(server / admin / mysql)开箱即用,账号维护支持两条路径:管理员通过 admin 后台手工创建/编辑,或通过外部审批流程/Webhook 自动签发账号(飞书审批、钉钉审批、自定义 HTTP 触发器均可)。账号签发流水线、事件推送、认证方式均以可插拔模块形式提供,使用者按需实现自己的触发器、通知器和认证 Provider,核心代码不绑定任何外部系统。

openvpn双因素认证Docker自动签发账号

技能与专长

覆盖 AI、全栈开发与云基础设施的综合技术能力。

AI & LLM

  • AI Agent
  • RAG Systems
  • MCP Protocol
  • Function Call
  • Embedding & Rerank
  • Vector Database

后端开发

  • Python
  • Django
  • Flask
  • FastAPI
  • Node.js

DevOps & 云平台

  • Docker
  • Kubernetes
  • Helm
  • 阿里云/腾讯云/火山引擎
  • Terraform
  • CI/CD
  • Jumpserver
  • GitLab
  • Jenkins

前端开发

  • React
  • Next.js
  • TypeScript
  • Tailwind CSS
  • 微信小程序

网络 & 智能家居

  • Home Assistant
  • VPN 系统
  • 智能家居
  • 网络路由
  • NAS

把技术探索过程写下来。

关于 AI、系统设计与工程实践的深度文章。更多内容持续发布在 opszhu.cn。

查看更多文章
01
LangChain 核心组件与交互

LangChain 将大模型应用拆解为六大核心组件:Models(模型,统一调用接口)、Prompts(提示词模板)、Indexes(资料检索,支撑RAG)、Memory(对话记忆)、Chains(固定流程串联)和Agents(自主决策调用工具)。这些组件像团队角色各司其职,通过数据流动协作完成复杂任务,例如企业知识库问答中,Memory记录历史、Indexes检索文档、Prompts组装指令、Models生成答案。组合方式上,早期使用固定Chain类,现在更推荐LCEL管道式组合(用|符号串联组件,灵活插入自定义步骤)和LangGraph图编排(支持条件分支、循环、人工审批等复杂流程)。无论组合方式如何变化,六大组件的核心职责不变,变的只是拼接的灵活性和可编程性。

02
别再手动管OpenVPN了,一行命令部署管理后台

系统基于Docker Compose部署,包含三个容器:OpenVPN服务端(kylemanna/openvpn镜像)、Flask+Bootstrap管理后台、MySQL 8.0数据库,认证热路径直连MySQL避免单点故障。项目已开源至GitHub,并支持多认证Provider插件化,可接入企业自有账号体系。

03
给微信装个AI大脑

一个开源微信AI助手,通过微信官方iLink协议接入DeepSeek V4 Flash模型,实现合规不封号、有持久记忆、白名单防刷、扫码即用的功能。项目用Docker一键部署,仅200多行Python代码,适合个人在NAS上运行。

04
Kubernetes网络隔离翻车,Pod IP全乱套了

ACK集群中两套节点池因共用可用区导致Terway网络隔离失效,Pod IP混杂、公网出口错乱。根因是Terway的eni-config按可用区分配IP,无法区分同可用区内不同网段的交换机。解决方案是将节点池2迁移至eni-config未配置的可用区E/F,利用Terway降级回退机制,使Pod IP从节点eth0所在交换机分配,实现物理隔离。

05
站点里关于知识图谱的实现思路

文章提出知识图谱实现方案,采用4种节点(文章、标签、概念、实体)和6种语义边(链接、归属、相似、引用、构建、矛盾),并引入来源追踪机制(auto/manual/both)支持增量更新。通过LLM提取实体增强语义层,过滤低置信度结果。渲染选用D3.js替代ReactFlow以提升力导向交互流畅性。图谱还作为搜索的结构化扩展通道,与embedding和rerank协同。核心设计哲学包括来源追踪、渐进增强、图谱即检索和交互优先。

06
RRF 融合是怎么工作的

RRF(倒数排名融合)是一种多路召回结果融合方法,核心是抛弃原始分数,仅依赖每路结果的排名。通过公式 `score(d) = Σ 1/(k + rank_i(d))`(k默认60),将不同量纲的分数(如cosine、BM25、概率等)统一为排名倒数累加,消除量纲差异和超参调优问题。其有效性在于:无量纲、无超参、强化多路共识文档、自然降级。k=60控制头部与尾部差距,使排名差异温和但可区分。工作流程中,四路召回独立排序后,RRF融合得到最终分数,截断Top-20返回。设计哲学强调排名优于分数、多路投票、理论经验结合、可降级,成为现代搜索系统融合多路召回的事实标准。

AI Agent / RAG 、大模型应用开发方向

欢迎通过以下方式联系我。也欢迎关注我的技术博客和 GitHub。

GitHubopszhu