一句话看懂：开发者 Greg 分享了过去几个月使用 LLM（如 Claude）配置 MikroTik 网络设备的真实经验，证明 LLM 在复杂网络配置场景中能显著提升效率，但也指出需要保持谨慎和验证。这一实践揭示了 LLM 正在从编码扩展至网络运维领域，对网络工程师、设备商和 AI 应用开发者均具参考价值。
事件核心：发生了什么
Greg 在个人博客中记录了他如何使用 LLM 协助完成多个 MikroTik 网络设备的配置与迁移任务。MikroTik 以其高性价比和广泛覆盖（从 IoT 蜂窝路由器到交换机、点对点系统）著称，但同时也因其复杂的 UI 和配置流程被用户诟病。Greg 发现，通过 MikroTik 的 REST/JSON API（而非 SSH 命令行），LLM 能够更自然地控制设备，并在 CAPsMAN（统一无线管理平台）、配置备份、设备命名、NTP 同步等具体任务上表现高效。他特别推荐使用“MAC Telnet”这一 L2 层访问方式，以确保 LLM 即使在 IP 混乱时也能完成网络对话。同时，他总结了多项实践技巧，包括：每次变更前后备份完整配置、让多个 LLM 模型（如 Antigravity、Codex、Opus 和 Fable）交叉验证配置、逐一执行任务并测试，以及为恢复流程准备“恢复手册”。
为什么重要
这是自 LLM 在编程（写代码、查 bug）之后，向更底层基础设施领域——网络设备配置——的务实延伸。网络本身的深度（从 IP 地址到 MPLS、OSPF 等协议）决定了其学习门槛很高，而 MikroTik 这类性价比设备的用户群又往往不具备专业认证。Greg 的实践表明，LLM 可以作为“混沌增效器”，让半专业人士也能快速完成小型网络的新建与迁移，同时降低配置失误风险。这一案例对物联网、中小企业 IT、开源硬件社区具有直接示范意义：LLM 不仅可作为开发助手，更可成为网络运维的“查漏补缺”工具。但 Greg 也强调，LLM 仍会“幻想”（hallucinate）和偏离路径，用户必须保持紧缰绳（tight leash），并且最好让多个模型达成共识——这实际上暗示了一种新兴的“LLM 增强巡检”工作流。
对用户/开发者/创作者的影响
对于中小企业和办公网络管理员：如果你正在使用或考虑采用 MikroTik 设备，现在可以利用 LLM（特别是支持 REST API 的模型）来辅助生成和审核配置，显著缩短部署时间。对于 AI 应用开发者：这是一个新的产品方向——开发专门面向网络设备配置的 AI 代理或“网络 Copilot”，为类似 MikroTik 的设备提供命令行或 API 端点的智能问答与自动化变更执行。对于内容创作者和相关教程作者：可以制作面向 LLM + RouterOS 的实操教程，包括如何禁用不安全的服务（非安全 API、Telnet、FTP、WWW）、如何启用 CAPsMAN、如何使用 MAC Telnet 在 L2 层连接，以及如何创建恢复手册。这些内容目前公开资源尚少，存在明确的创作窗口。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，MikroTik 是否会官方推出 LLM 集成或内建 AI 助手？目前已有第三方（如 Greg 的做法）通过 REST API 对接，若官方后续优化接口友好度，可能吸引更多非专业用户。第二，潜在的自动化备份和配置商店工具——Greg 提到“尚未构建自动化备份工具”，未来可能会有社区项目或商业产品填补这一空白，尤其在家庭、小企业网络的“一键恢复”场景。第三，其他网络设备厂商（如 Ubiquiti、TP-Link 企业级系列）是否也会跟随提供更完善的 REST API，以适配 LLM 工作流？这将取决于 LLM 走向“基础设施配置助手”的渗透速度。
