关于我

一句话

从虚拟机运维做到云原生平台，再做到 LLM 告警分析——每一段都是因为「重复劳动太多」而往上走了一层。

现在关注的问题是：运维领域积累的大量数据（告警、指标、变更、历史案例），能不能真的交给模型去产出结论，而不只是做个更好看的看板？ 这个站点上的两个 Agent Demo 就是这个思路的具体化。

经历

沐瞳科技 · SRE 工程师 · 2024.10 — 至今

• 负责竞技线业务运维：支持 MLBB（决胜巅峰）国服区域上线、MCGG（魔法战旗）等内部孵化项目从 0 到 1 上线；发布流程改造见项目案例。
• 牵头业务容器化转型，推动资源统一调度和标准化交付。
• 开发并上线磁盘告警自愈平台：Prometheus 告警 → 规则匹配 → 自动清理 → 验证恢复 → 升级/人工审批的闭环，用两级 dry-run 门控、危险路径白名单、阈值复核、规则无关的突增熔断这一整套机制兜住「自动删文件」的风险。
• AI 运维探索：基于 Eino 框架构建 LLM 告警分析 Agent——MySQL 存历史故障案例做长期记忆、Redis 存会话状态做短期记忆、火山云向量库做检索增强，实现告警根因初步定位。定位是辅助值班同学，不是替代。本站的两个 Demo 是这条思路的延伸。

腾讯 IEG · SRE 工程师 · 2021.11 — 2024.04

• 牵头英雄联盟端游的云原生改造，从 IDC 物理机迁移到 K8s，累计节省成本 500 万/年；方案复用到新游无畏契约的上线，见项目案例。
• 设计 runtime 双态兼容方案：游戏服务只需切换一个 runtime 关键字即可在物理机与云原生环境间无缝切换，做到可灰度、可回退；搭建 Grafana 统一观测体系，新旧环境一起看。
• 优化 Riot 游戏交付物与公司内部发布平台的对接流程，完成云原生适配改造。
• 独立负责线上故障响应和应急处理，沉淀故障分析方法论。
• 协助掌上英雄联盟 APP 接入分布式编译、代码检查、测试服发布等 DevOps 流程。

易鲸捷 · DevOps 工程师 · 2020.06 — 2021.10

• 独立开发 esgynDB / qianbaseDB 分布式数据库的 Kubernetes Operator，达到 OperatorHub.io Level 3 Full Lifecycle，管理效率提升 40%，见项目案例。
• 开发数据库命令执行器与节点采集器，把安装文档从 10 页精简到 5 页，安装效率提升 50%。

钢银电商 · 运维开发工程师 · 2019.04 — 2020.06

• 维护 vSphere 虚拟化集群和 Kubernetes 集群，管理 2500+ 虚拟机与 5000+ Pod；通过 request/limit 调优、闲置资源清理、混部，资源利用率提升 25%。
• 参与开发内部运维平台（异地灾备快速切换、CMDB、CI/CD、Arthas 接入、Pod 模板 Web 化），运维效率提升 20%。

技能

教育

计算机网络与安全 学士 · 英国伯明翰城市大学 · 2014 — 2018

联系

• 邮箱：sunheng1235@126.com
• GitHub：SHenry07

电话没有放在公开页面上——留邮箱就行，我会回。