# "LLM for SRE" の世界探索 [[Yuuki Tsubouchi]] が 2024 年 3 月に執筆したブログ記事。クラウドインシデントの[[根本原因分析]](RCA)を軸に、LLM を SRE に応用する LLM4SRE 分野を包括的にサーベイした。本 vault の所有者が自ら書いた一次的な見解として、当時の研究地平と著者の問題意識を示す。 関連 MOC: [[LLM4SRE - MOC]](structures/) ## 核心の主張 LLM は単なる「テキスト生成器」ではなく**「推論機械」**として捉えるべきであり、熟練 SRE が障害診断で繰り返す「観察 → 仮説 → 調査 → 検証」のループを LLM が再現できる可能性がある。インシデント対応は高度に反復的な推論プロセスであり、LLM エージェントがその自動化に適する。 ## LLM 基礎技術の分類 | カテゴリ | 手法 | SRE への適用 | |---|---|---| | ファインチューニング | 指示チューニング / PEFT | ドメイン固有インシデントデータで特化 | | プロンプティング | ゼロショット / Chain-of-Thought | 既製 LLM の即時活用 | | 拡張型エージェント | RAG / ツール呼び出し | 過去インシデント検索 + 外部ツール実行 | ## 手法分類と代表論文 ### ファインチューニングベース - **Ahmed et al. (ICSE'23)**: Microsoft の 40,000+ インシデントレコードで RCA と緩和推奨をファインチューニング。LLM4SRE の出発点として位置づけられる。 - wiki: [[@2023__ICSE__Recommending Root-Cause and Mitigation Steps for Cloud Incidents using Large Language Models]] ### RAG ベース - **Oasis**: 複数インシデントへの影響評価と要約に RAG を適用。 - wiki: [[@2023__arXiv__Assess and Summarize - Improve Outage Understanding with Large Language Models]] ### エージェントベース - **RCACopilot**: アラートハンドラと LLM 推論の統合による自律診断。 - wiki: [[@2024__EuroSys__Automatic Root Cause Analysis via Large Language Models for Cloud Incidents]] - **RCAgent** (Alibaba): プライバシー保護のためにオープンソース LLM を採用した RCA エージェント。 - wiki: [[@2024__CIKM__RCAgent - Cloud Root Cause Analysis by Autonomous Agents with Tool-Augmented Large Language Models]] - **D-Bot**: データベース固有の診断にマルチエージェント協調を適用。7 専門エージェント + UCT 木探索。 - wiki: [[@2024__PVLDB__D-Bot - Database Diagnosis System using Large Language Models]] - **Panda** (AWS): データベースのパフォーマンスデバッグ向け LLM エージェント。 - wiki: [[@2024__CIDR__Panda - Performance Debugging for Databases using LLM Agents]] ## 将来課題(2024 年時点の著者見解) 1. **スナップショット / ダイジェスト戦略**: インシデントデータのノイズ削減——どのテレメトリシグナルを保持・圧縮するか。後の [[Hindsight]]/[[Tracezip]]/[[Mint]] の問題意識と接続する。 2. **プロセスデータ管理と Runbook 統合**: 人間向け手順書を AI 向けに再構造化する課題。後の [[TSG自動化]](FLASH/LLexus/StepFly)と接続する。 3. **説明可能性**: LLM がなぜその根本原因を特定したかを人間が検証できる仕組みが必要。 4. **人間-AI 協調**: どのタスクを AI に委ね、どこで人間が介入するかの設計。[[SRE AI Autonomy Levels]] と接続する。 5. **従来型 AIOps との補完性**: 機械学習ベース手法と LLM の役割分担。 ## 意義と位置づけ 本記事は 2024 年 3 月時点の LLM4SRE の「地図」として機能する。本 wiki が 2025–2026 年に取り込んだ多数の論文(FLASH・LLexus・StepFly・Flow-of-Action・OpenRCA・AlertGuardian 等)は、本記事が予見した問題軸(TSG 自動化・説明可能性・人間-AI 協調)の延長線上にある。 > [!key-insight] 本 vault 所有者の一次観察 > vault 所有者 [[Yuuki Tsubouchi]] が 2024 年 3 月に書いた記事であり、当時の著者の問題意識をそのまま反映する。後続の ingest 論文との時系列的対比が可能。 ## 出典 - URL: https://blog.yuuk.io/entry/2024/the-world-of-llm4sre - 著者: [[Yuuki Tsubouchi]] (y_uuki) - 媒体: ゆううきブログ (blog.yuuk.io) - 公開日: 2024-03-21 - 取得日: 2026-06-05