فرض کنید ابتدای روز وارد پنل مدیریت زیرساخت میشوید و چند هشدار میبینید. همزمان، یکی از کاربران میگوید برنامهاش کند شده است. هنوز نمیدانید این اتفاقها به هم مربوطاند یا باید جداگانه بررسی شوند.
کار شما از همینجا شروع میشود: بازکردن داشبوردها، بررسی وضعیت ماشینهای مجازی و خواندن لاگها؛ همان گزارشهایی که سیستم از رویدادهای خود ثبت میکند. مسئله فقط پیداکردن اطلاعات نیست؛ باید بفهمید از کجا بررسی را شروع کنید.
دستیار هوش مصنوعی VCF در نسخه 9.1.1، یک راه تازه برای شروع این بررسی فراهم میکند: پرسیدن سؤال در همان محیط مدیریت زیرساخت.
این دستیار دقیقاً چیست؟
قابلیت AI Assistant for VCF یک رابط گفتوگو درون VCF Operations است؛ ابزار پایش و بررسی وضعیت زیرساخت در VMware Cloud Foundation.
طبق معرفی رسمی، این دستیار به بررسی سلامت vSphere و سرویسهای مدیریتی VCF کمک میکند و امکان مرتبطکردن هشدارها، تنظیمات و لاگها را فراهم میسازد. پرسشهای ساده انگلیسی، روش معرفیشده برای تعامل با آن هستند. معرفی رسمی قابلیتهای VCF 9.1.1
برای درک تفاوت، این دو سؤال را مقایسه کنید:
«چرا ممکن است یک ماشین مجازی کند شود؟» سؤالی عمومی است و معمولاً پاسخی آموزشی میخواهد.
اما «در محیط من چه مشکلاتی برای vCenter ثبت شده است؟» به اطلاعات همان زیرساخت نیاز دارد. ارزش چنین دستیاری برای مدیر سیستم، در همین نوع سؤال دوم است.
در عمل چه کمکی میکند؟
William Lam در آزمایش خود، از دستیار برای خلاصهکردن مشکلات vCenter و تهیه جدول مشخصات ماشینهای مجازی استفاده کرده است. جدول میتواند نام ماشین، تعداد پردازنده مجازی، حافظه و فضای تخصیصیافته را نشان دهد. پاسخها همچنین لینک منابع مربوط را در VCF Operations ارائه میکنند. تجربه عملی William Lam
به مثال ابتدای مقاله برگردیم. یک روش منطقی برای استفاده از دستیار این است که ابتدا تصویری کلی از مشکلات بگیرید، سپس منبع مرتبط را باز کنید و جزئیات را بررسی کنید.
این ترتیب مهم است: خلاصه، نقطه شروع بررسی است؛ نتیجه نهایی عیبیابی نیست. اگر یک ماشین حافظه زیادی دارد، هنوز نمیتوان نتیجه گرفت حافظه کافی است؛ و اگر هشداری دیده میشود، الزاماً همان هشدار علت کندی برنامه نیست.
هوش مصنوعی آن کجا اجرا میشود؟
این دستیار برای تولید پاسخ به یک مدل زبانی نیاز دارد؛ همان بخش هوش مصنوعی که پرسش را پردازش و پاسخ را تنظیم میکند.
دو مسیر معرفی شده است: استفاده از Google Gemini یا مدلهای مستقر روی VCF Private AI Services؛ بستری برای اجرای مدلهای هوش مصنوعی در زیرساخت خصوصی. گزینههای مدل در معرفی رسمی VMware
بنابراین، حضور پنجره گفتوگو داخل پنل بهتنهایی مشخص نمیکند پردازش کجا انجام میشود. هنگام طراحی، باید روشن باشد چه مدلی انتخاب شده و چه دادهای برای پردازش در اختیار آن قرار میگیرد.
چگونه فعال میشود؟
در راهنمای William Lam، ابتدا روی VCF 9.1.1، سرویس Log Management راهاندازی میشود. سپس در بخش Extensions، افزونههای VMware Intelligent Assist و Advanced Configuration فعال میشوند.
پس از روشنکردن سرویس دستیار، ارائهدهنده مدل در LLM Providers و مدل موردنظر در Models انتخاب میشود. مسیر Gemini به کلید API نیاز دارد. در پایان، محیط گفتوگو از Extensions > VMware Intelligent Assist در دسترس است.
دو نکته عملی: بعضی مدلهای فهرستشده ممکن است دیگر قابل استفاده نباشند؛ همچنین در نسخه آزمایششده، تاریخچه گفتوگو پس از ترک صفحه حفظ نمیشود. راهنمای فعالسازی و نکات اجرایی
جمعبندی؛ شروع سادهتر، بررسی همچنان فنی
بهترین نگاه به این قابلیت، استفاده از آن برای پیداکردن نقطه شروع و مرتبکردن اطلاعات است. همچنان باید شواهد را بررسی کنید و پیش از هر تغییر، اثر آن بر سرویسها را بسنجید.
برای مدیر زیرساخت، سؤال اصلی این نیست که «آیا هوش مصنوعی پاسخ میدهد؟»؛ سؤال مهمتر این است: آیا پاسخ، من را سریعتر به اطلاعات قابل بررسی و تصمیم درست میرساند؟ ارزش دستیار جدید VCF را باید با همین معیار سنجید.
