这两天一个朋友和我探讨AIGC在数据库运维领域的能力问题，他们准备搞一个题库，用于对大模型做这方面的能力测试。这是一件十分好的事情，因为最近这半年里，我一直在使用NewBing辅助我的工作，用NewBing内置的GPT4帮我收集资料，分析资料，颇为得心应手。也有一些朋友在用AIGC分析SQL执行计划、自动生成BI查询所需的SQL语句。甚至更为激进的朋友已经开始用AIGC自动生成SQL语句，运维自己的系统了。

就我这段时间的探索获得的经验，AIGC用于DBA工作辅助，最大的问题依然是幻觉问题。在一些模棱两可的问题或者一些ZERO SHOT场景，大模型依然会一本正经的说瞎话。

我尝试给NewBing出了一道题，这道题难度并不算太大，不过如果不了解Oracle共享池原理的人还真的不一定能答对。

NewBing给出了一个十分完美的答案，不仅答对了，其分析过程也无懈可击。可能很多DBA干了五年十年，对Oracle共享池的理解也不过如此吧。

继续提问，不过这回出了一道更为复杂的题目，参杂了Oracle与PG的知识，这回NewBing显然没有给出正确的答案。

它答对了A，但是把容易混淆的C也当成错误答案了。当日这道题普通的DBA也容易答错。我把比较容易出现歧义的地方做了修改，不过没办法，在这个对话SESSION中，AIGC已经认定了自己的判断了。

面对如此顽固的Newbing，我我只能新开了一个会话，再次提问这个问题。

在一个新的会话中，我用了作为Postgresql专家这个提示，NewBing居然十分正确的回答了这个问题。从上面的测试可以看出，AIGC已经具备了很强的人类辅助能力，但是因为幻觉的存在，它的回答是不确定的，也是无法保证准确的。基于此AIGC在DBA领域的作用也最好被放在辅助上，而完全自动化驾驶的环境中，还是要慎用的。前阵子在Oracle PAB大会上，Oracle的一些技术专家对此的看法也是如此。AIGC支持下的MOS肯定会有，AIGC支持下的智能分析诊断也一定会有，AIGC支持的CBO优化器还不一定能有。

在DBA领域，AIGC支持下的知识库、教学课程、数据建模辅助、SQL优化辅助、AI4BI的SQL自动生成、日志分析辅助定位、故障溯源辅助、复杂场景预警等这些工作，AIGC已经可以胜任了。只要是在辅助领域，而不是数据库的自动化驾驶领域，AIGC都可以进行很好的支撑。不过在自动化操作这个领域，因为幻觉的存在，绝对是要十分慎重的。

AIGC已经被证明是十分有效的辅助手段了，大模型结合RAG是目前比较流行的解决方案。RAG 是检索增强生成(Retrieval-augmented generation)的缩写，是一种利用大语言模型和检索系统来生成文本的方法。RAG 可以从大规模的文本数据库中检索相关的文档，然后将它们作为上下文信息提供给 LLM，从而提高 LLM 的生成质量和准确性。RAG 可以应用于多种任务，如问答、摘要、对话等。

我一直在关注的蚂蚁的开源项目DB-GPT也发展得日臻完善。以此框架为基础，在数据库智能化运维领域构建自己的企业级AIGC智能化运维体系应该是可行的。有兴趣的朋友不妨关注一下这个开源项目。