背景
我是一个开发工程师，这几年主要在公司内做AI算法优化。前几年我也承担过公司运维岗的一些工作，个人也有几台配置不高的服务器，对运维工作，不能说像高级运维专家那样精通，但对Linux/Docker也算是半个行家。
去年阿里云刚推出Copilot时，我也参与了测评工作。当时，很佩服阿里云能率先将大模型运用到运维行业，唯一的遗憾就是，当时的copilot只支持Alibaba Cloud Linux。
才刚进入2025年，再次看到了Copolit的测评邀请，不仅将操作系统支持扩充到Alinux、CentOS、Ubuntu、Anolis OS，而且推出了更多功能。测评之后，很是惊艳，以下记录一下整个测评过程。
测评过程
先上结论，给不想看冗长文字的同学看：
1. Copilot不仅支持官方声称的四大操作系统，事实上也支持Debian和腾*云的OpenCloudOS.
（Debian和OpenCloudOS我都实测过）
2.Copilot处理复杂任务的能力大幅增强，具备了完整思维链推理能力。
（待会在测评中能够明显看出）
3.Copilot适合绝大多数的中高级运维工程师，能够大幅减轻工作量。
4.对于运维小白，因为Copilot是基于终端命令行的，所以上手可能仍然会有一定难度。
总结：2025年如果你还在做运维，强烈推荐你使用Copilot.
一、Copilot安装
我一共在3台服务器上装了Copilot,CPU都是X86架构，操作系统各不相同，但是安装过程都很流畅，这里以Anolis为例做记录。curl -#S https://mirrors.aliyun.com/os-copilot/os-copilot-all-in-one-latest.sh | bash
安装之后通过修改.bashrc来持久性的设置环境变量。问一些简单问题，可以看到Copilot时基于千问大模型的
二、测试Agent模式
按照官方示例对比以下两个命令的区别：
2.1 首先是非Agent模式，命令如下：
co 当前系统健康度
在非Agent模式下，Copilot不具备执行能力，更多的是通过对话给一些操作建议。
紧接着，问题出来了：
在接下来的对话中，根据Copilot的提示，我选择命令1，Copilot却提示命令错误，而该命令事实上是可以正确执行的（如上图所示）
我记得在去年的测试中也发现了同样的问题，今年仍然没有优化。既然非Agent模式下，Copilot执行指令能力有限，在交互上应该放弃引导用户。
2.2 然后是agent模式，命令如下：
co -t 当前系统健康度
从上图可以看到，agent模式的神奇之处在于Copilot直接执行了相关的命令，并给出了CPU、内存、磁盘、网络等运行信息。Agent直接执行命令，这是一项巨大进步，能够给运维带来很多便利性。但是另一方面，使用者也可能担心Copilot权限过大，存在安全隐患，建议阿里云官方在宣传该产品时进行安全规则和隐私声明，强调保护使用者的系统安全和隐私信息。
2.3 再尝试一下自由问答（非官方提供的示例）
用Copilot解释大模型中的Transformer算法及其技术原理，回答截图：
上图中的回答，总体令人满意。不过有一个有意思的小细节，可以关注我在上图中红框圈出的地方，copilot给了latex数学公式，但是因为终端无法渲染,所以阅读不太方便。
然后再用agent模式尝试写个代码，命令如下：
co -t 请帮我写一个pytorch的transformer算子，并保存在当前目录下
很出彩的是，copilot真的生成了代码文件。我很好奇生成的代码的质量如何，于是打开文件查看一下：
如上图，写出的代码还是不错的，是一个transformer的简单实现，虽然只包含了编码层，但是已经很不错了（毕竟我给的指令也不明确）。
总结：Copilot推出的Agent模式，是迈向智能运维的一个重要里程碑。运维工程师，真的要走向智能体辅助运维了
三、测试复杂任务理解
自定义个一个复杂任务，写入到文件中，然后让Copilot理解并执行。我定义的复杂任务如下：
这个任务字数虽然不多，但是是存在一些坑的。比如发送短信，明显是需要阿里云SDK或者cli工具，但是本机并未安装，还有一些密钥类信息，我是瞎编的。我们测试看看copilot的完成度如何。
从上图Copilot的输出可以看出，Copilot理解并分步骤完成了相关任务。这个能力，已经相当于一个初级运维工程师了。
接下来我们检验一下Copilot是否真的创建了定时任务，以及脚本质量写的如何，请看下图：
除了脚本文件需要做小的修改之外，其余都完成的很棒。脚本小问题也不能怪copilot,毕竟我给的指令也不是足够明确。
总结：Copilot理解复杂任务的能力非常棒，结合agent智能体，可以大幅度减轻运维工程师的工作量。
四、测试管道符号|
管道符号|是终端里常使用的符号，copilot中也可以使用管道符号，让人非常惊喜。我测试了一下，管道符号的使用，达到了预期，也符合运维工程师的操作习惯。
在测试agent模式时，我让copilot生成了一个transformer算法的文件，正好使用管道符号打开并解释一下，命令如下：
cat transformer_model.py | co 解释这些参数的意义
从图中可以看到，copilot解释了每个参数的意义。而我的使用场景：先让agent生成脚本，然后再让copilot解释含义；也是一种比较常见的实用场景。
总结：管道符号不算什么新功能，但是copilot中引入了管道符号，是便利性的一大提升。
最后
Copilot的这次升级，真的让人欣喜。相比于去年的那次测评，这次升级后，可以说是一个真正具有实用价值和应用场景的产品了。我已经在自己的几台个人服务器上安装了copilot，估计以后会成为copilot重度使用者。
最后一句话总结：2025年如果你还需要做运维，强烈推荐你使用Copilot！
附上Copilot文档链接，愿你在未来的运维之路上升级打怪，一帆风顺。
https://help.aliyun.com/zh/alinux/user-guide/instructions-for-os-copilot
