本文是一篇综述，系统性地探讨了大型语言模型（LLM）在智能网络运维（Agentic NetOps）和人工智能运维（AIOps）中的应用。核心研究问题是：如何将LLM安全可靠地集成到网络操作流程中，使其能够执行事件调查、根因分析、配置合成和有限自愈等任务。文章围绕自主性等级、工具范围、证据追踪和保证合同四个维度组织相关文献，其中保证合同定义了智能体可以观察、提议和执行的内容，以及任何操作前必须通过的检查。作者指出，运营可靠性主要不来自模型本身，而是依赖于围绕模型的机制，如 sandbox 回放、金丝雀试验、回滚感知评分等。文章还强调了安全、隐私和治理风险，尤其是当智能体靠近操作控制面时。最终结论是，智能 NetOps 和 AIOps 的进步依赖于将自主性视为受约束的运营控制问题，其输出必须可靠、可审计且可安全部署。本文适合网络运维工程师、安全分析师以及AI系统设计者阅读，以了解LLM在运维中的潜力与风险。