隨著大數據、人工智能等技術的快速發展，金融行業近年來集中進行數字化轉型，數字化技術可以提高企業的核心競爭力，更好地適應市場變化和客戶需求，智能運維便是企業數字化轉型的關鍵支撐。

傳統應用運維著重于服務器的手工搭建、參數的手工維護和版本的正確安裝。就參數而言，隨著企業規模的逐漸壯大，應用數量增加，參數數量隨之激增，參數規模迅速膨脹。參數量在壯大的同時，也讓諸多風險凸顯出來，如參數分類不正確、參數描述模糊帶來的人工維護成本居高不下、參數值不正確阻礙測試等等。傳統手工維護參數并對參數進行人工復核的方式成本消耗巨大，為提升運維質效，中國工商銀行軟件開發中心利用人工智能技術，結合 DevOps 與 AIOps 思想，運用自動化工具進行參數治理建設，為企業發展注入新的活力。 

（1）參數設計不合理，版本安裝后反復修改，導致測試效率降低、回退存在風險。

（2）版本帶出參數分類錯誤，導致環境參數數量不準確，運維人員需維護在工具內的規則更復雜，也會導致參數修改權限混亂，可修改參數的人員范圍擴張。

（3）環境存在冗余參數，對于已經退出使用的參數未進行刪除，或者新增參數時并未合理利用現有可復用參數，導致參數體量越來越大，同時增加運維維護成本。

為解決上述問題，參數治理亟需貫穿于 DevOps 各個環節，研發針對參數治理的自動化工具，從源頭開始對參數進行把控，避免參數無序增長及隨意被修改、刪除。

設計及編碼階段：參數的新增、修改需符合各項參數規范，參數描述要準確、控制范圍和生效條件要明晰，形成參數設計文檔。

參數的修改要由審核者進行審核后發布到Git，避免不合理的參數設計引入各個環境。同時，在提版環節利用大模型創建智能體，提供參數提交指導，如參數分類、參數合理描述等，形成參數文檔資產，納入參數臺賬。另外，智能體還可在參數提交后輔助審核人員進行檢測審核。

構建及部署階段：管理參數，實現參數的熱發布、權限管控、集中管理，提升參數的機密性、完整性、可用性。研發參數自動化檢測工具，掃描版本帶出的參數，智能識別分類錯誤、冗余、參數值及描述不合理的參數。

測試階段：對參數設計文檔進行復核并覆蓋測試，同時利用自動化檢查工具結合分布式配置中心（Apollo）進行測試環境與生產環境的參數比對（含投產前核對），降低版本交付風險。

在各個涉及參數的環節，需遵守相關規范，將安全宗旨貫穿于整個運維流程。同時利用大模型或機器學習收集各個環節的運維數據，并用提供相應指導與檢測，降低人為操作頻率，提高運維效率。

參數設計：參數臺賬系統為設計人員提供應用存量參數的全局視圖，方便設計人員在參數新增時按節點、服務環境、標簽等維度靈活查詢存量已有的參數信息，避免引入冗余參數。在參數新增環節，針對參數命名、參數描述、參數分類、參數值等列，對標技術參數管理規范強化系統校驗，同時訓練大模型助手實時提供參數維護建議，便于從源頭避免引入不合理的參數設計。同時，參數臺賬展示了參數的維護記錄、人員、原因等，減少了后續問題溯源的時間。

參數審核: 大模型輔助提供參數審核指導，降低審核人員的專業門檻及人工誤操作的幾率。

參數檢測：基于機器學習、文本分析技術打造自動化智能掃描工具，對版本制品、測試環境中的參數進行定時掃描，精準識別分類錯誤的參數及環境中長時間未被調用的或過于相似的參數，掃描結果基于參數臺賬推送至應用架構師，架構師基于分析結果確認整改版本計劃；自動掃描參數值為弱密碼、明文密碼等可能帶來密碼泄露風險的參數，并將上述所有掃描結果返回至大模型進行進一步訓練。

參數比對：在版本交付或上線前對版本帶出的與各個環境的參數進行差異比對，避免由誤刪除、參數值不準確等情況導致的測試覆蓋不全的問題發生。

環境搭建：在環境準備初期，對環境參數進行自動替換，并生成不同版本間參數的差異便于后期核對。

工商銀行軟件開發中心通過上述流程機制和工具，在DevOps 各個環節進行參數治理，截至目前已成功治理 2W+ 參數，極大降低了環境搭建中斷次數及版本安裝中斷次數，有效提高了測試效率。

參數治理是一個持久的過程，需納入環境運維的常態化機制，企業可以結合人工智能的不斷發展，堅持把防控風險作為金融工作的永恒主題，加強監管和防范化解風險，堅決守住不發生系統性和區域性金融風險的底線。

工商銀行軟件開發中心將緊跟時代步伐，將人工智能技術繼續深入運用到運維體系中，進一步提升運維效率，創造出更智能的自動化工具、更穩妥的工作流程，降低人工操作的風險，實現運維的數字化轉型，同時解放人力創造更多價值，為推進金融高質量發展、加快建設金融強國貢獻力量。