Auvik推出Aurora智能体AI平台，应对网络运维技能短缺危机

IT团队在管理多厂商网络时，面临告警数量持续攀升、具备专业处置能力的工程师却日益稀缺的双重压力。智能体AI正逐渐被视为解决这一困境的有效路径。

最新入局的厂商是Auvik。这家公司深耕云端IT与网络管理平台已有15年，创立之初的使命很明确：为那些无力承担传统本地化工具复杂性的企业提供网络管理能力，并兼容其所运行的各类厂商设备。

本周，Auvik正式发布Aurora——一个智能体AI平台，旨在突破单纯告警的局限，迈向自动化修复。这一方向源于客户的明确诉求：他们对那些无法转化为实际行动的AI已经失去耐心。

Auvik CEO Doug Murray在接受采访时表示："我们的客户和客户顾问委员会都说得很清楚，你推出的东西必须能解决真实世界的问题，而不是为了AI而AI、为了智能体而智能体。他们希望你提供的体验能帮助他们实现自动化、简化流程，这才是他们真正在乎的，而不是什么花哨的AI术语。"

Aurora之前，平台只能告诉IT团队出了问题。Aurora的目标是告诉他们该怎么处理，并最终替他们去处理。

Aurora目前具备以下核心功能：

告警优先级排序：平台不再以平铺方式展示告警，而是按影响程度将告警分为红、黄、绿三级。当一名MSP技术人员面对20条告警时，最关键的3条会优先呈现。

设备生命周期管理：Aurora在排名仪表板中展示受管设备的停产（EOL）和停止支持状态。管理100台设备的客户会收到通知，精确指出哪些SonicWall Gen 7防火墙需要回滚以及暴露范围，而不仅仅是告知"存在问题"。

CVE监控（测试版）：智能体主动扫描受管设备的已知漏洞，在被动式工单流程介入之前提前暴露风险。

脚本辅助：不熟悉某设备命令行界面的技术人员，可以用自然语言向Aurora询问修复方法，并获得可直接执行的生成脚本。

从长远来看，Aurora的目标是实现全自动修复。Aurora代表着Auvik所称的"执行"阶段——这是公司创始人在早期白板上勾勒的"感知、告知、执行"三阶段框架的最后一环。"感知"关乎可见性，即掌握基础设施的全貌；"告知"是告警与规范性通知，让团队了解发生了什么、需要关注什么；"执行"则是Aurora的核心所在，推动平台从发现问题转向主动解决问题。

Murray表示："人们可能会称之为自动驾驶，但本质上是将所有这些能力整合起来，推动更深层次的自动化。"

Aurora与那些简单叠加在网络管理平台之上的通用AI层的根本区别，在于其底层数据基础。Aurora的建议来源于从Auvik自身基础设施中实时提取的网络上下文，而非通用训练数据，这一数据积累跨越数千个客户环境、历经多年沉淀。

采集器：Auvik的本地网络采集器智能体持续从每台受管设备中拉取设备状态、拓扑结构、配置及性能数据，并将其发送至中央云端存储库。这一实时数据流是Aurora运行的基础。

数据底座：在15年的SaaS网络管理历程中，Auvik已积累超过3亿份设备配置备份，以及跨数百家支持厂商的22亿次命令行命令执行记录。平台目前每日管理超过1000万台设备。Aurora的建议正是基于这些历史数据，而非通用训练数据。

智能体层：Murray将该架构描述为以上下文为核心。智能体不依赖微调或传统的检索增强生成技术，而是针对特定客户网络的实时上下文运行，结合实时采集数据与更广泛数据集中的规律，生成针对该环境的专属建议。为此，团队在数据准备上投入了大量工作。Murray坦言："大约四年前，当我们真正开始整理这些数据时，发现它并不干净，基本上就是海量的原始数据，我们需要从架构层面想清楚如何将其转化为可执行的行动。"

AI技术栈：平台基于自有基础设施构建，主要使用Claude作为核心大语言模型，并针对特定功能调用OpenAI模型。Murray表示，过去两年智能体AI工具的快速发展，使得挖掘Auvik历史数据集的难度大幅降低，相比此前公司所采用的自研机器学习方案，效率提升显著。

Aurora整个方案背后，有一个结构性问题作为支撑。

Murray指出："现在从大学毕业的年轻人，很少有人在学习Cisco命令行或深度网络专业知识。正因如此，IT领域中大量熟悉基础设施的人才将在未来五到十年内陆续退休。"

Aurora的脚本辅助功能和自动修复方向，正是对这一人才缺口的直接回应。

Murray表示："我们的愿景是，让不具备网络专业背景的人也能运维网络基础设施。自动化程度越高、流程越简化、自动修复能力越强，这个平台的价值就越大。"

Q&A

Q1：Aurora智能体AI平台具体能解决哪些网络运维问题？

A：Aurora目前具备四项核心能力：一是告警优先级排序，将告警按影响程度分为红黄绿三级，帮助技术人员快速定位关键问题；二是设备生命周期管理，精确识别哪些设备面临停产或停止支持风险；三是CVE漏洞监控（测试版），主动扫描已知漏洞，无需等待工单触发；四是脚本辅助，技术人员用自然语言描述问题，Aurora即可生成可直接执行的修复脚本。

Q2：Aurora的AI建议是基于什么数据生成的？

A：Aurora的建议并非来自通用训练数据，而是基于Auvik 15年积累的真实网络数据，包括超过3亿份设备配置备份和22亿次命令行执行记录，覆盖数百家厂商设备。平台通过本地采集器实时获取每台受管设备的状态、拓扑和配置数据，结合历史规律，为特定客户网络环境生成专属建议。

Q3：Auvik为什么要开发Aurora，背后的驱动力是什么？

A：核心驱动力是网络运维人才的结构性短缺。精通Cisco命令行等深度网络技术的工程师正在老龄化，未来五到十年将大量退休，而新一代毕业生中鲜有人学习这类技能。Aurora的目标是让不具备专业网络背景的人也能运维复杂网络基础设施，通过自动化和智能修复填补这一人才缺口。