引言
手动交付软件存在耗时长、易出错、安全风险高且难以扩展等问题。为了自动化软件从构建到交付的全过程，DevOps应运而生。随着机器学习（ML）的普及，MLOps在DevOps基础上引入了数据和模型作为一等公民。而近两年大语言模型（LLM）的爆发式应用，又催生了LLMOps这一专门领域。理解从DevOps到MLOps再到LLMOps的演进脉络，是构建可靠、可监控的LLM应用的第一步。
DevOps基础
DevOps是一套旨在缩短开发生命周期并确保持续交付高质量软件的方法论。它强调协作、自动化、工作流集成和快速反馈循环。
DevOps生命周期
DevOps涵盖了软件从构思到交付的全流程，八个关键阶段如下：
- 计划：组织和优先级排序任务，确保跟踪完成。
- 编码：团队协作编写、设计和管理代码。
- 构建：将应用及其依赖打包为可执行格式。
- 测试：通过自动化测试确认代码功能正确且符合质量标准。
- 发布：测试通过后将构建标记为新的发布版本。
- 部署：将最新发布部署到最终用户环境。
- 运营：管理运行软件的底层基础设施，包括扩缩容、安全、数据管理、备份与恢复。
- 监控：跟踪性能指标和错误，减少事故的严重程度和频率。
核心概念
DevOps的落地依赖以下实践：
- 部署环境：为充分测试，需要定义多个预生产环境（如开发、预发布），这些环境尽可能模拟生产环境，最后才是直接面向用户的生产环境。
