基調(diào)聽云協(xié)辦的“智能觀測進化論”第二期沙龍精彩回顧
2025年3月7日，由中國信通院穩(wěn)定性保障實驗室主辦、基調(diào)聽云協(xié)辦的“智能觀測進化論”系列沙龍第二期圓滿召開。本期沙龍邀請眾多業(yè)界大咖齊聚一堂，就AI Agent和大模型在可觀測領(lǐng)域的應(yīng)用潛力與實踐路徑展開深入探討，分享了前沿學(xué)術(shù)研究進展和最佳實踐經(jīng)驗，吸引了上千名業(yè)內(nèi)人士的熱情參與。下面，就讓我們一起來回顧會議精彩內(nèi)容！
01智觀全局，智能體技術(shù)在運維和可觀測領(lǐng)域的實踐探討
中國信通院云大所云計算部工程師劉坤擔(dān)任沙龍主持人，他首先介紹了系列沙龍的召開背景，大模型、智能體等技術(shù)在加速可觀測性技術(shù)向更加智能的形態(tài)演進，然后分享了QwQ-32B模型和現(xiàn)象級產(chǎn)品Manus的發(fā)布，引出了本場沙龍的圓桌討論話題，激發(fā)了與會者對于沙龍內(nèi)容的期待與思考。
字節(jié)跳動服務(wù)端可觀測平臺算法負責(zé)人 董善東 發(fā)表了《Agentic AI 在可觀測領(lǐng)域的應(yīng)用潛力與實踐路徑探討》主題演講。他首先分享了Agentic AI對于可觀測、SRE帶來的潛力思考，構(gòu)建SRE Agent數(shù)字分身， 實現(xiàn)對多個場景的串聯(lián)、 協(xié)作， 助力SRE解決“日?，嵤隆保缓蠼榻B了Agentic AI的概念、特點和MCP通信協(xié)議，分析了業(yè)界使用Agents在可觀測和SRE方向的應(yīng)用，提出了multi-agents到Agentic AI的關(guān)鍵點是反思和學(xué)習(xí)，描繪了SRE場景下的 Agentic AI 大圖，最后進行總結(jié)展望。
咪咕視訊科技有限公司技術(shù)總監(jiān) 朱孫偉 發(fā)表了《智能體技術(shù)賦能可觀測平臺場景分析》主題演講。他首先分享了結(jié)合RAG+大語言模型快速構(gòu)建專業(yè)運維輔助決策體系，并結(jié)合歷史數(shù)據(jù)實現(xiàn)專業(yè)問題解答和決策輔助的應(yīng)用路線，然后介紹了基于自然語義理解，大模型輔助實現(xiàn)異常數(shù)據(jù)的智能化清洗、分析、提取訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集的實踐經(jīng)驗，以及通過圖像識別、自然語義理解等技術(shù)構(gòu)建新一代交互方式，最后展望了AGI模式下“數(shù)據(jù)感知-智能決策-行動執(zhí)行”的智能體完整能力。
移動云運維架構(gòu)師 李蔚發(fā)表了《基于大模型AI技術(shù)的高階智能運維發(fā)展與規(guī)劃》主題演講。他首先介紹了DS等模型運維應(yīng)用與邊界，對DeepSeek等大模型在運維領(lǐng)域的應(yīng)用案例進行分析，盤點出當(dāng)前大模型技術(shù)的能力邊界，然后分享了基于大模型的智能運維影響因素，最后介紹了移動云在智能運維領(lǐng)域的發(fā)展與規(guī)劃，包括運維業(yè)務(wù)架構(gòu)、智能運維研發(fā)協(xié)作和大模型技術(shù)加持下的故障自動駕駛設(shè)計。
02圓桌對話，面向?qū)嵺`痛點碰撞觀點
在圓桌環(huán)節(jié)，基調(diào)聽云AI負責(zé)人韋遠奎與各位與會嘉賓現(xiàn)場一起連線對話，同頻探討 AI 大模型和可觀測性技術(shù)的發(fā)展脈絡(luò)與趨勢，嘉賓們針對大模型對于運維的將本增效、人類專家與AI系統(tǒng)的有效協(xié)作、AI Agent決策的可解釋性、通用Agent對于領(lǐng)域Agent的影響等議題，進行了熱烈的探討與交流。
【觀點總結(jié)】
1）運維大模型的基建不像原來基于規(guī)則和數(shù)據(jù)的基建那么完善，在做基建的過程中，本身就要耗這種大量的成本。
2）大模型在運維領(lǐng)域有其適合發(fā)揮能力的優(yōu)勢項目，也有超過其能力邊界的一些劣勢項目，現(xiàn)階段多在優(yōu)勢項目去發(fā)力，才能提高效率。
3）大模型在運維領(lǐng)域的落地效果與模型本身的準確率息息相關(guān)，如果模型準確率沒有突破，在實踐過程中會產(chǎn)生很多新問題。
4）隨著技術(shù)的發(fā)展進步，大模型的能力會越來越強，企業(yè)會逐漸完善內(nèi)部基建，智能化一定是未來的趨勢，因此需要從現(xiàn)在開始就進行實踐探索。
【觀點總結(jié)】
1）控制AI的隨機性，如使用知識庫、模型微調(diào)等方法。
2）對關(guān)鍵運維操作分級分類，涉及高風(fēng)險和影響面大的關(guān)鍵動作節(jié)點，人類要介入審核。
3）三是進行多輪校驗，對于模型生成的決策要設(shè)置多輪審核機制。
4）目前的人機協(xié)同范式，還應(yīng)遵循模型做生成工作，人類完成審核工作。
5）要增加模型的可解釋性，讓人更能夠理解他是怎么樣決策的。
6）加強模型反思，通過反思讓模型對自己的輸出結(jié)果進行評估和改進。
【觀點總結(jié)】
1、將CoT輸出，顯示大模型的推理步驟。
2、對大模型決策路徑的關(guān)鍵環(huán)節(jié)做結(jié)構(gòu)化處理。
3、使用可觀測性技術(shù)對大模型和Agent進行觀測，特別是包含大模型的完整調(diào)用鏈路。
4、使用流程編排對大模型的思維鏈做限制，以人腦的思維鏈輔助大模型的自主決策過程。
5、使用RPA機制和小模型輔助大模型得出相應(yīng)結(jié)論。
【觀點總結(jié)】
1、垂直領(lǐng)域的數(shù)據(jù)是私有的，這是通用Agent所不具備的，領(lǐng)域Agent對特定領(lǐng)域的問題的效果優(yōu)于通用Agent。
2、從專業(yè)性的深度、合規(guī)和安全方面考慮，Agent要嵌入公司內(nèi)部的專業(yè)工作流，領(lǐng)域Agent更具備優(yōu)勢。
3、通用Agent對于算力的消耗大于領(lǐng)域Agent，考慮成本和效率，現(xiàn)階段企業(yè)仍然會選擇領(lǐng)域Agent。
