1. 建立 SOPS 基本盘

SOPS，Standard Operating Procedures，标准化操作程序。在我们进行的生产活动中，经常会有一些基础的、重复的操作流程，这些操作就是 SOPS。

你需要建立一系列的 SOPS，通过排列组合 SOPS 能帮助你更快地完成任务。以前建立标准流程需要资深工程师才能完成，现在借助 AI 输出 SOPS 是一件非常容易的事。

既然都是 AI 制造，为什么不在解决问题时，动态创建 SOPS 呢？这是终极形态，目前 AI Agent 还没有达到这样的成熟度。有几个方面的原因:

• 每个公司的实践路线不一样，AI 提供的通用方案并不完全适用，SOPS 充当了 Prompt
• 有限集合的 SOPS 能避免 AI 太多发散性地思考，更快更准地解决问题，SOPS 提供 few-shot 的样本
• AI 无法为我们承担物理世界的责任，SOPS 充当了守门员

2. 导出 MCP 协议

我在 MCP 篇 中有过阐述，MCP 最大的价值是，在模型大战快结束，AI 应用爆发前夕，让开发者们对模型之外的能力调用有了统一的标准。

不要被 OpenClaw 中普遍使用的 CLI 模式所迷惑。CLI 是打开旧世界的钥匙，Openclaw 通过 CLI 驱动了很多来不及拥抱 AI 的传统应用。CLI 的局限性在于与系统和处理器绑定。如果只是处理一些日常应用，倒是没什么问题，其他人已经帮你进行了兼容。但如果是对接内部系统呢，你会愿意给 Windows、Linux、Mac 组合 X86、ARM 各写一个 CLI 吗？

MCP 可以转为 CLI。在很多的 Skills 中，会借助工具 mcporter 来将 MCP Server 直接转为 CLI 命令使用，不需要进行额外开发。如果需要选择，MCP 是更好的选择，最好是一个 MCP Server 将能力集中起来。MCP Server 是新的应用范式，更多的功能、更多的调用次数意味着更高的价值输出。

3. 不要迷信 token

这是一条基本原则: 尽可能不要用 token。

你可能会很疑惑 AI Agent 不用 token 还能是 AI Agent 吗？事实上，工程实践面临的困境通常不是一个单点的技术问题，并不是只要模型能力够强就可以直接解决问题。

token 的使用会有以下几个问题:

• 额外成本，虽然 token 的单价越来越低，一轮动辄百万级别的 token 也会是一笔不小的开支
• 效率降低，调用模型接口需要时间，使用 token 会导致整体响应时间变长
• 不确定性，即使 temperature 为 0，也不能保障每次输出的内网完全一致，使用 token 需要面临这种不确定性
• 隐私泄露，一方面模型服务商可以直接获取到用户的输入，另一方面用户数据一旦被用于训练，还可能会泄露给其他用户

要祛魅模型，不要一股脑每个地方都用模型，这样会导致系统失去演化能力。系统不能够持续地获得高分容易失去其他人的信任，你也会开始怀疑自己。

4. 执行 SOPS 的范式

4.1 通过页面下发·

在 AI Agent 时代，继续用页面点击执行 SOPS 的方式并不丢脸。有一个传统的 SOPS 入口，有很多好处:

• 以防没 token 时，降级采用人工操作
• 直接查看数据，用于对齐 AI Agent
• 作为公共存储后端，对接全部此类 AI Agent
• 记录历史、审计数据，用于定责

我们还可以用 AI Agent 帮我们生成 SOPS 的项目，在运维领域，就是类似作业平台、流水线平台之类的项目，而我用的就是之前写的开源项目 https://www.chenshaowen.com/ops/ 。

如上图，Ops 提供了对集群的运维能力，而运维平台通过整合业务信息和业务场景对接业务系统，对生产运维事项提供直接的封装。

4.2 根据关键字

通过关键字筛选，能够很快匹配上某种具体的模式，自动化地执行某个预设的 SOPS。

如上图，我们实现了一个 ops-sops-keyword 的应用，对接异常事件和 Copilot 消息的 SOPS 处理流程。主要实现了以下功能:

• 通过正则匹配提取参数
• 通过 action 匹配选中 SOPS
• 添加额外参数，可以借助模型完成上面两件事

对于一些意图非常明显的任务，我们完全可以基于规则进行处理。

上图是生产中的一个案例，通过添加 cordon-node 禁用异常的节点。这种处理方式从来没有失败过，而之前基于模型的驱动方式，时不时就会跑错 SOPS。

4.3 分流高危操作

今年，我们接入了 OpenClaw 用于故障的自动化定位和处理，目前也取得了一些效果。后续，我会分享相关的一些实践。

如上图，各种 AI Agent 会通过 ops mcp server 对接 SOPS 能力。在任务执行到 Ops 时，我们会对其分流。主要是两类:

• 常规、安全操作，直接执行，效率非常高
• 高危、复杂操作，通过对接业务信息的运维平台，走审批流程执行

上图是生产中的一个真实示例。在 OA 端，直接回复消息给 Agent，Agent 基于模型选择合适的 SOPS 执行触发运维平台的重启节点操作。运维平台立即下发审批通知，准备重启节点，