هوش مصنوعی جای مهندس شبکه را نمی‌گیرد، ولی کارهای تکراری و وقت‌گیر او را خیلی سریع‌تر می‌کند. نکته این است که بدانید کجا به آن تکیه کنید و کجا نه.
کاربردهای پرفایده
- خواندن لاگ: صدها خط لاگ را بدهید و بپرسید «الگوی تکراری چیست؟ کدام NAS بیشتر قطع شده؟».
- نوشتن و توضیح کانفیگ: «یک قانون فایروال بنویس که فقط از این رنج به وین‌باکس دسترسی بدهد» یا «این خط کانفیگ چه می‌کند؟».
- اسکریپت: اسکریپت‌های کوچک bash یا پایتون برای بکاپ، گزارش‌گیری یا تبدیل خروجی‌ها.
- مستندسازی: تبدیل یادداشت‌های پراکندهٔ یک کار به راهنمای مرتب برای تیم.
- پشتیبانی: پیش‌نویس پاسخ به سؤال‌های رایج مشترکان، که اپراتور بازبینی و ارسال می‌کند.
- یادگیری: توضیح مفهوم‌های جدید (مثل IPv6 یا BGP) با مثال‌هایی از شبکهٔ خودتان.
چطور بپرسید تا جواب دقیق بگیرید
- زمینه بدهید: نسخهٔ RouterOS یا توزیع لینوکس، توپولوژی و هدف.
- خروجی را مشخص کنید: «فقط دستورها را بده» یا «قدم‌به‌قدم با توضیح».
- بخواهید فرض‌هایش را بگوید: «اگر چیزی را حدس زدی، بگو».
RouterOS 7, PPPoE server on ether2, RADIUS at 198.51.100.20.
Users report disconnects every ~10 minutes. Log below (secrets removed):
...
List the likely causes in order, and for each one the command to confirm it.کجا اعتماد نکنید
- دستور روی روتر اصلی: هوش مصنوعی ممکن است با اطمینان دستوری اشتباه یا مال نسخهٔ دیگری بدهد. اول روی روتر تست یا با Safe Mode اجرا کنید.
- عددها و مشخصات: قیمت، محدودیت‌های سخت‌افزار و تاریخ‌ها را از منبع رسمی چک کنید.
- تصمیم نهایی: تحلیل را از هوش مصنوعی بگیرید، تصمیم را خودتان.
حریم خصوصی مشترکان
یک دستور ساده برای پوشاندن رمزها در خروجی میکروتیک قبل از ارسال:
sed -E 's/(secret|password|private-key|passphrase)=[^ ]+/\1=***/g' export.rsc > export-clean.rscمدل‌های محلی: وقتی داده نباید بیرون برود
اگر لاگ و کانفیگ‌ها حساس‌اند، می‌توانید یک مدل متن‌باز (مثل Llama، Qwen، Mistral یا Gemma) را روی سرور خودتان اجرا کنید تا هیچ داده‌ای از شبکه بیرون نرود. ابزارهایی مثل Ollama راه‌اندازی را ساده کرده‌اند:
curl -fsSL https://ollama.com/install.sh | sh
ollama run qwen2.5:7b- مدل‌های کوچک (۷ تا ۸ میلیارد پارامتر) روی یک سرور با ۱۶ گیگ رم اجرا می‌شوند؛ با کارت گرافیک خیلی سریع‌ترند.
- برای خلاصه کردن لاگ و کارهای تکراری کافی‌اند، ولی در استدلال پیچیده از مدل‌های بزرگ ابری ضعیف‌ترند.
- نام و نسخهٔ مدل‌ها مدام عوض می‌شود؛ فهرست به‌روز را در سایت Ollama ببینید.
کدام دستیار؟
ChatGPT، Gemini، Claude، DeepSeek و بقیه همه برای کارهای شبکه قابل استفاده‌اند و هر کدام در کاری قوی‌ترند. چند تا را روی یک مسئلهٔ واقعی خودتان امتحان کنید و ببینید کدام برای تیم‌تان بهتر جواب می‌دهد؛ دسترسی، قیمت و شرایط نگهداری داده را هم در نظر بگیرید.
قدم بعد: اسکیل
وقتی دیدید یک نوع درخواست را مدام تکرار می‌کنید (مثلاً بررسی کانفیگ با چک‌لیست خودتان)، آن را به یک اسکیل تبدیل کنید تا دستیار همیشه با همان روال کار کند. آموزش کامل آن را در مقالهٔ اسکیل در هوش مصنوعی چیست ببینید.