feat(ops): Update AI operations trends with generative AI tools

- Introduce NewRelic's generative AI assistant for observability
- Detail PageDuty's Copilot for automating operational tasks
- Highlight Dynatrace's Davis CoPilot for root cause analysis
- Add a new .shire file for research summary generation
- Update the article with the latest AI operations trends and tools

.shire-output/gen-ai-ops.md

@@ -0,0 +1,219 @@
+根据如下的草稿和对应的资料，编写一篇对应主题的文章。
+文章草稿如下：
+
+# AI 辅助软件工程：AI 运维
+
+## 行业趋势
+
+- NewRelic
+    - 构建生成式 AI 应用的可观测性
+    - 无缝辅助从异常到错误代码修复建议
+    - 文档问答、自然查询语言转换等。
+- PageDuty
+    - 日常聊天助手辅助（PageDuty Copilot）
+    - 总结问题、起草事故回顾报告等文本工作
+    - 辅助生成 Runbook 自动化任务代码
+- Dynatrace
+    - 自动化的根因分析
+    - 自然语言转化 Dynatrace 查询语言（DQL）
+    - Davis CoPilot 辅助生成工作流代码
+- Datalog
+    - 辅助诊断问题，确定范围及修复问题
+    - 自然语言查询数据
+    - 撰写事故分析的初稿和防范（自动化测试）
+
+## AI 运维 Copilot
+
+问题示例：
+
+- 告警来自哪里？
+- 相关的服务及其状态是什么？
+- 在过去的24小时内发生了什么变化？
+- 这个事故之前是否发生过？
+- 这些变化中是否有任何可能是事故原因的？
+- 将@用户名添加为响应者
+- 运行工作流{工作流名称}
+- 确认该事故
+- 帮我了解最新情况
+- 解决该事故
+
+## 运营驱动
+
+> 产品类的问答对准确性要求高，对幻觉容忍度相对低，需要搭建运营机制多重保障落地
+
+- 冷启动运营：
+    - LLM辅助从文档抽取FAQ
+    - 队伍进一步审核入库FAQ
+- 日常检视运营：
+    - 是否需要补充更多材料数据？
+    - 是否高频问题落到FAQ通道？
+    - 哪些需要进一步结构化？
+- 模型持续运营：
+    - 意图识别数据标注&模型迭代
+    - 向量相似召回数据标注&模型迭代
+
+## 相关资料
+
+- [Introducing Bits AI, your new DevOps copilot](https://www.datadoghq.com/blog/datadog-bits-generative-ai/)
+- [Dynatrace expands Davis AI with Davis CoPilot, pioneering the first hypermodal AI platform for unified observability and security](https://www.dynatrace.com/news/blog/hypermodal-ai-dynatrace-expands-davis-ai-with-davis-copilot/)
+- [PagerDuty Announces the Latest Capability from PagerDuty Copilot, a Set of Generative AI-Enabled Use Cases Available Across the PagerDuty Operations Cloud ](https://www.pagerduty.com/newsroom/pagerduty-copilot/)
+- [Meet the first GenAI assistant for observability](https://newrelic.com/blog/nerdlog/new-relic-ai-assistant)
+
+相关的资料如下：
+以下是对文章的技术关键信息的总结：
+**技术关键信息：**
+
+1. **产品介绍：**
+    - Bits AI 是由 Datadog 开发的一款基于生成式人工智能的 DevOps 辅助工具。
+    - 它通过 Datadog 平台提供单一的对话式界面，帮助用户从多个数据源中获取和关联关键信息。
+2. **功能特点：**
+    - **环境监控：** Bits AI 可以快速诊断问题并确定影响范围。
+    - **数据查询：** 支持自然语言查询，帮助用户快速发现相关指标、跟踪和日志。
+    - **事件响应：** 流程化的事件响应和修复，包括自动声明事件、通知团队成员、更新事件严重性等。
+    - **问题预防：** 帮助编写事后总结，创建合成测试以预防问题再次发生。
+3. **使用场景：**
+    - **快速诊断：** 在生产环境中检测到问题时，使用 Bits AI 进行快速诊断。
+    - **深入调查：** 通过自然语言查询深入调查问题的根本原因。
+    - **流程优化：** 在事件响应过程中，自动提供事件总结和关键资产，如运行手册和修复指南。
+    - **测试创建：** 根据用户提示或分析创建合成测试，以验证服务的可用性和性能。
+4. **集成与协作：**
+    - Bits AI 可以与 Datadog 的其他产品（如日志管理、APM）以及 Slack 和 PagerDuty 等工具集成。
+    - 在 Slack 频道中自动为新加入的响应者提供事件总结。
+5. **技术优势：**
+    - Bits AI 通过理解组织如何标记服务和基础设施，将用户的提示转换为正确的查询语法，使任何人都能轻松获取关键信息。
+    - 通过生成式 AI，自动执行许多行政任务，减少人工负担。
+6. **可用性：**
+    - Bits AI 目前以私有测试版的形式提供，可通过填写表格请求访问。
+    - 新用户可以免费试用 Datadog 平台 14 天。
+      这些信息可以作为写作时参考的技术要点，帮助读者理解 Bits AI 的核心功能和优势。
+      以下是对文章的技术关键信息的总结：
+1. **Davis CoPilot™的推出**：Dynatrace宣布推出Davis CoPilot™，这是在其Davis® AI平台中加入生成式AI能力后的成果，使其成为业界首个超模态AI平台。
+2. **超模态AI (Hypermodal AI)**：结合了预测AI、因果AI和生成AI，以提高运营、安全、开发和业务团队的生产力。
+3. **Davis AI的功能**：
+    - **预测AI**：使用机器学习和统计方法，基于过去的数据推荐未来的行动。
+    - **因果AI**：处理可观察性、安全和业务数据，以确定问题的根本原因、安全风险、用户影响，并触发自动修复措施。
+    - **生成AI**：通过AI驱动的分析和自动化，为组织内的所有成员提供生产力提升。
+4. **Davis CoPilot的特点**：
+    - 使用自然语言创建查询、数据仪表板和数据笔记本。
+    - 提供自动化工作流的代码建议。
+    - 简化和加速Dynatrace平台的入门、配置和采用。
+5. **AI技术的结合**：预测AI和因果AI为生成AI提供确定性的答案和可靠的自动化，而精确的上下文则丰富了生成AI的自动或用户创建的提示。
+6. **应用场景**：Davis AI通过其不同的AI技术，支持可观察性、安全和业务用例，例如自动根本原因分析、自然语言查询、自动编码工作流、预测性操作、自动生成的质量检查、AI驱动的应用程序安全性和自然语言到视觉分析的转换。
+7. **可用性**：Davis AI的预测AI和因果AI功能目前已可供所有Dynatrace客户使用，而Davis
+   CoPilot™计划于2023年晚些时候作为Dynatrace平台的核心技术推出。
+   这些信息可以作为您撰写相关文章时的参考。
+   文章标题：Featured PagerDuty Advance Generative AI for critical operations work. Explore now
+   技术关键信息：
+1. **产品名称**：PagerDuty Advance Generative AI
+2. **应用领域**：关键业务运营工作（Critical Operations Work）
+3. **技术特点**：
+    - **生成式AI**：利用先进的生成式人工智能技术，能够自动生成内容或提供决策支持。
+    - **实时响应**：针对关键业务场景，提供实时响应和决策支持，以优化运营效率。
+    - **自动化**：通过自动化功能，减轻人工负担，提高工作效率。
+4. **目标用户**：需要进行关键业务运营的企业和组织。
+5. **探索机会**：文章鼓励用户探索和了解这一技术，以便在写作时作为参考。
+   在写作时，可以关注以下方面：
+
+- 生成式AI在关键业务运营中的应用案例和效果。
+- PagerDuty Advance Generative AI如何帮助用户提高工作效率和准确性。
+- 该技术的市场前景和潜在影响。
+- 用户如何开始使用和探索这一技术。
+  以下是对文章《How to Relic Best Practices Culture News》的技术关键信息总结：
+
+1. **文章主题**：介绍New Relic推出的首个面向观测性的生成式AI助手，旨在使观测性对所有用户更加易于访问和使用。
+2. **核心功能**：
+    - 使用大型语言模型（LLMs）和New Relic统一遥测数据平台，用户可以通过简单的提问获得系统状态的深入洞察。
+    - 提供一个熟悉的聊天界面，用户可以询问New Relic AI问题，并获得系统异常的深度分析、见解和建议修复方法。
+    - 使非技术用户和开发、运维、安全、产品、支持、测试团队等能够更快地解决问题，减少停机时间，提高开发速度和创新。
+3. **技术优势**：
+    - 将大量数据合成为清晰的见解，帮助用户从众多仪表板、文档、运行手册、警报、异常、日志和跟踪中区分信号和噪声。
+    - 通过统一的数据库，New Relic AI可以从多个角度分析问题，生成见解。
+4. **应用场景**：
+    - 加速新遥测数据源的配置和监控。
+    - 自动识别代码级错误并建议修复方法。
+5. **产品集成**：
+    - New Relic AI与OpenAI GPT系列API的集成，用于监控应用程序。
+6. **未来发展**：
+    - New Relic正在扩展其生成式AI功能，包括使用机器学习模型进行预测分析，优化AI实施，并使观测性更加易于访问。
+7. **用户指南**：
+    - 提供文档指导用户如何开始使用New Relic AI。
+    - 提供免费账户，包括100 GB/月的免费数据摄入和访问30+功能。
+8. **作者信息**：
+    - 作者Camden Swita是New Relic产品管理总监，负责New Relic AI、变更跟踪和查看功能。
+9. **法律声明**：
+    - 文章包含前瞻性声明，可能涉及风险和不确定性，实际结果可能与声明不同。
+10. **相关资源**：
+    - 提供了与文章相关的其他观测性文章和集成资源链接。
+
+--------------------
+
+# AI 辅助软件工程：AI 运维的未来趋势
+
+随着技术的不断进步，人工智能（AI）在软件工程领域的应用日益广泛，尤其是在运维（Operations）方面。AI 辅助运维正在成为行业趋势，多家知名企业如
+NewRelic、PageDuty 和 Dynatrace 等都在积极开发和应用相关技术。本文将探讨 AI 运维的最新趋势及其对软件工程的影响。
+
+## 行业趋势
+
+### NewRelic：构建生成式 AI 应用的可观测性
+
+NewRelic 推出了基于生成式人工智能的辅助工具，它能够通过自然语言处理（NLP）技术，帮助用户从多个数据源中获取和关联关键信息。
+该工具不仅能够提供异常到错误代码修复的建议，还能进行文档问答和自然查询语言转换等。
+
+### PageDuty：日常聊天助手辅助
+
+PageDuty 的 Copilot 功能利用生成式 AI，为运维人员提供日常聊天助手。它能够总结问题、起草事故回顾报告等文本工作，并辅助生成
+Runbook 自动化任务代码，从而提高运维效率。
+
+### Dynatrace：自动化的根因分析
+
+Dynatrace 的 Davis AI 平台通过引入 Davis CoPilot，进一步增强了其自动化根因分析的能力。它支持自然语言转化 Dynatrace
+查询语言（DQL），并辅助生成工作流代码，简化了运维流程。
+
+### Datalog：辅助诊断问题
+
+Datalog 的 AI 运维工具能够辅助诊断问题，确定范围及修复问题。它支持自然语言查询数据，并撰写事故分析的初稿和防范措施，如自动化测试。
+
+## AI 运维 Copilot
+
+AI 运维 Copilot 是一种智能辅助工具，它能够回答一系列运维相关问题，如告警来源、相关服务状态、过去24小时内的变化等。Copilot
+还能执行一系列操作，如添加响应者、运行工作流、确认事故等，从而实现自动化运维。
+
+### 问题示例
+
+- **告警来自哪里？**
+- **相关的服务及其状态是什么？**
+- **在过去的24小时内发生了什么变化？**
+- **这个事故之前是否发生过？**
+- **这些变化中是否有任何可能是事故原因的？**
+- **将@用户名添加为响应者**
+- **运行工作流{工作流名称}**
+- **确认该事故**
+- **帮我了解最新情况**
+- **解决该事故**
+
+## 运营驱动
+
+为了确保产品类的问答准确性高，对幻觉容忍度相对低，需要搭建运营机制多重保障落地。
+
+### 冷启动运营
+
+- **LLM辅助从文档抽取FAQ**
+- **队伍进一步审核入库FAQ**
+
+### 日常检视运营
+
+- **是否需要补充更多材料数据？**
+- **是否高频问题落到FAQ通道？**
+- **哪些需要进一步结构化？**
+
+### 模型持续运营
+
+- **意图识别数据标注&模型迭代**
+- **向量相似召回数据标注&模型迭代**
+
+## 结论
+
+AI 辅助运维正在成为软件工程领域的一个重要趋势。通过生成式 AI、自然语言处理等技术，运维人员能够更高效地处理日常任务，自动化诊断和解决问题。随着技术的不断进步，我们可以期待
+AI 运维将在未来发挥更加重要的作用，为软件工程带来革命性的变化。
+
+Process finished with exit code 0

.shire/research/research.shire

@@ -0,0 +1,17 @@
+---
+variables:
+  "crawl": /gen-ai-for-ops\.md/ { capture("src/gen-ai-for-ops.md", "link") | crawl() | thread(".shire/research/summary.shire") }
+  "article": /gen-ai-for-ops\.md/ { cat }
+onStreamingEnd: { saveFile("src/gen-ai-for-ops.md") }
+---
+
+根据如下的草稿和对应的资料，编写一篇对应主题的文章。
+
+文章草稿如下：
+
+$article
+
+相关的资料如下：
+
+$crawl
+

.shire/research/summary.shire

@@ -0,0 +1,3 @@
+总结文章，罗列出文章的技术关键信息，方便我写作时作为参考：
+
+$output