
Любой инженер, сталкивавшийся с инцидентами в ИТ-системах, знает: решение часто есть в документации. Проблема в том, что найти его — как искать иголку в стоге сена. Документация объёмная, разрозненная, специфичная и написана далеко не всегда для людей. Время идёт, SLA поджимает.
Но что если бы у нас был помощник, который мгновенно читал бы всю документацию, понимал бы контекст сбоя и предлагал конкретные рекомендации? Сегодня это возможно — благодаря большим языковым моделям (LLM), таким как GPT-4, Claude, Gemini и другим.
В этой статье я расскажу, как использовать LLM для анализа технической документации и выдачи рекомендаций по устранению инцидентов. Спойлер: это работает. Особенно в случаях, когда документация специфичная, локальная и больше нигде в интернете не встречается.