传统运维团队如何定位一次故障
在传统企业里，稳定性和运维团队通常要面对多个业务系统、不同技术栈和分散的数据平台。故障可能来自监控告警，也可能先由业务团队发现。收到问题后，值班工程师需要先确认影响的是哪个应用、环境和时间段，再判断告警是否相互关联、影响范围有多大。运维人员处理一次故障，往往需要在应用日志、监控指标、数据库和知识库之间反复切换，逐项收集信息、判断影响范围并寻找根因。信息分散、排查链路长，故障响应也容易受个人经验和跨团队协同效率影响。
传统的排障链路
1. 告警分诊： 从监控平台查看错误率、响应时间、资源使用等指标，确认故障开始时间、影响服务和严重程度，并排除重复告警。
2. 跨系统取证： 工程师分别进入日志、链路追踪、容器平台、CMDB、数据库和变更记录等系统查询，核对异常指标、错误日志、上下游依赖、近期发布或配置变更。各系统的查询条件和数据格式不同，往往需要人工反复切换和整理。
3. 协同判断根因： 如果问题涉及应用、JVM、数据库或基础设施，运维工程师需要联系对应领域的专家或系统负责人，交换发现并逐步验证假设。告警通常先呈现症状，真正原因可能在下游依赖、资源瓶颈或近期变更中，单看某一个面板很难得出结论。
4. 形成处置与复盘闭环： 定位后，团队整理影响范围、证据、原因和建议；涉及重启、扩容、回滚等生产变更时，按内部流程审批和执行，再观察指标是否恢复，最后补充工单或复盘记录。
这套流程依赖不同方向工程师的经验和多方协同。故障处理中找齐数据、对齐上下文、验证线索等等耗费了大量时间精力才能把最终故障结论传递给相关团队。
AIOPS 高效定位故障
AIOps 并非"用大模型替代监控"，也不是一步到位的无人值守自愈，而是在遥测采集、异常检测、事件关联、服务拓扑等确定性分析底座之上，叠加生成式推理与受控执行，帮助运维团队定位故障根因，给出处置建议和结论。
一、能力从"查看信号"走向"调查问题"。运维 Agent 正从自然语言查询日志、指标，发展到围绕一次故障关联应用、基础设施和依赖信号，形成调查结论与处置建议。
二、数据与上下文是诊断质量的前提。日志、指标、Trace、服务依赖、资源信息及变更记录越完整、关联越准确，调查覆盖度和可解释性越高。
目前 AIOPS 已经在部分企业内部先行落地。让 Agent 承担读信息收集、跨系统数据整理、辅助诊断和报告协同；同时做好数据接入、工具治理、过程追踪和权限边界，再按场景风险逐步扩大自动化执行。Agent 的首要价值，是缩短"发现问题---找到证据---形成判断---传递结论"的链路，帮助用户读取数据，对数据写操作目前阶段还需要企业员工执行。
AgentKit 搭建的 AIOPS 运维系统已经进入企业开始走进生产任务
针对这一场景，多家企业基于 AgentKit 搭建了 Agent 运维排障系统，并投入日常运维使用。运维人员通过飞书发起排障请求后，由主 Agent 识别问题并分派任务，再调用应用台账、JVM、数据库和知识库等专业 Agent，分别完成领域诊断。
运维人员在飞书群里直接提问，例如：
"生产环境某服务从 10:20 开始大量超时，帮我定位原因，先不要执行变更。"
机器人先回复"已受理"，随后持续给出进度，最后形成一份短而可执行的结论：（以下内容截取自某客户现场示例）
markdown
结论：超时主要由下游数据库连接池耗尽引起，置信度高。
证据：
1.10:20 后接口 P99 与数据库等待时间同步上升；
2. 应用日志集中出现连接获取超时；
3. 数据库活跃连接达到上限，慢 SQL 数量无明显增加。
建议：先扩充连接池不是根治方案。建议确认连接泄漏，并在审批后滚动重启异常实例。
风险与数据质量：日志、指标和数据库连接数据完整；本次仅做只读查询，未执行变更。在运维人员发起问题后，负责把分散的查询和分析步骤组织起来：
1. 接收问题、补齐上下文并路由： 运维人员在飞书群提交故障描述后，主 Agent 识别任务意图并路由到相关专家 Agent。
2. 按专业领域分工处理： 各业务子 Agent 由独立 Worker Agent 承担，Prompt、Skill 与工具按领域收敛。应用台账 Agent 协助定位应用及相关服务，JVM Agent 聚焦 Java 应用运行状态，数据库 Agent 查询数据库侧信息，知识库 Agent 检索已有运维知识。客户现有 HTTPS 等服务可通过 MCP Gateway 接入，尽量保留原有系统形态。
3. 围绕故障现象组织证据： 在该客户的日常使用中，Agent 通过既有工具查询日志、监控，并结合上下游信息进行分析；AIOps 方案还提出按接入情况将 Trace、CMDB 和变更记录纳入交叉验证。以服务超时为例，方案示例会对照接口 P99、应用日志中的连接超时、数据库连接状态等线索，而不是只复述告警。若数据不完整或工具返回异常，也应说明数据质量与诊断边界，避免将"没有查到"误当成"系统正常"。
4. 汇总成可协同的诊断结果： 主 Agent 汇总专家 Agent 的发现，形成包含问题判断、关键证据、建议措施以及风险 / 数据质量说明的诊断报告，并推送至相关飞书群聊，附上透视链接供团队查看。运维人员结合报告决定后续处置；涉及生产变更时，仍按既有审批流程由人确认和执行。
整套系统分成四个域，主流程始终是：提问或事件进入 → Agent 协同诊断 → 调用标准能力 → 从存量系统默认只读
1. 运维使用入口： 支持飞书机器人、用户运维门户、API 或告警事件。
2. AgentKit 智能运维域： SuperAgent 负责理解、分工与汇总；专业 Worker Agent 负责各自领域的诊断。
3. 标准集成与治理域： Skill 承载 SOP，MCP 承载工具，A2A 承载 Agent 之间的协作。
4. 客户存量运维与数据域： 继续使用已有日志、监控、CMDB、K8s、ITSM 和自动化平台，不要求推倒重建。
AgentKit Runtime 负责承载 Agent 服务，提供统一部署、健康检查和调用入口；生产侧再配合身份、会话隔离、超时重试、Trace、灰度与回滚，形成稳定运行底座。
这套 AIOPS 智能运维有四个关键点：
- 会追问： 缺少环境、应用或时间范围时先补齐信息。
- 有证据： 把日志、指标、Trace、CMDB 和变更记录交叉验证，不只复述告警。
- 有边界： 数据不足就明确说明；默认只读，高危操作必须人工确认。
- 可跟踪： 每次工具调用、Agent 协同、失败降级和最终结论都可以审计。
如何使用 AgentKit 自建企业内部的运维Agent
一个"大而全"的 Agent 很快会遇到提示词过长、工具选错、权限过大和难以测试的问题。更稳妥的方式是让总控与专家分工。基于 AgentKit Studio 可以快速搭建一套运维 Agent，具体分工如下：
总控只负责路由、进度和结果聚合；运维 SuperAgent 通过使用 AgentKit Harness Sidecar 能力实现准确调度、JVM、数据库分别由独立 Worker 承担。这样每个 Agent 的 Prompt、Skill、工具和评测用例都能独立演进，某一领域升级不会拖动整套系统。
企业自建过程中首期不必一次建完所有 Agent。建议先做"SuperAgent + 应用排障 Agent"，跑通真实日志与飞书闭环，再按业务价值增加 Worker。单个 Worker Agent 可以理解为五部分：
AgetKit Studio 是基于 AgentKit 完全开放的开发者与终端用户平台，最大程度优化用户使用体验和丝滑度。
- 打开产品 AgentKit Studio 产品界面，选择一个 Harness Agent 运行时模板，可以选择我们内置的、已经优化好的 AIOps 模板，点击部署后即可创建一个运维团队内部的可用的运维 Agent。同时如果 Agent 需要持久化存储同时可以创建 TOS 配置，赋予 Agent 长期记忆能力。
- 点击左侧任务边栏智能体栏目，即可看到基于 AIOPS 模板部署的运维 Agent。此外 AgentKit Studio 还支持 Codex Agent、DeepSeek Harness Agent、OpenClaw、Hermes等其他智能体。用户可以创建多个 Agent，使用时通过点击不同Agent可以创建并进入不同 Agent 开始对话/调试。
- 创建时只需填写智能体名称和用途，并选择合适的模型。这里以"JVM 故障排障智能体"为例，把业务目标写清楚后，填写名称，模型来源，就可以在右侧立即调试，边配置边验证。在 Agent 能力层面，可以直接配置 Agent 接入团队知识库数据库、搜索技能或 MCP 工具、企业的数据源可以以 MCP 的形式接入到 Agent。让智能体既懂通用运维知识，也能结合自身业务资料和系统能力处理问题。已有能力按需选择即可，不必重复开发。
- 创建完成后的 JVM 故障排障智能体，智能体不仅会回答"能做什么"，还会自然带上 AIOPS 的最佳实践，运维团队因此可以更快获得一套可落地、风险更低的排障方法。通过接入用户数据源或日志平台，通过 AgentKit 建立的运维 Agent 已经帮助企业稳定性 / 运维 / IT 等团队减少了 80% 以上（来源多个已落地大型餐饮和车企SRE团队提供的数据）的人员精力，让专业工程师聚焦更有价值的事情，AgentKit 负责责承载 Agent 服务，提供统一部署、健康检查和调用入口，形成稳定运行底座。
AgentKit 是面向企业生产级 Agent 的构建平台，通过 AgentKit Studio 可以快速可视化的搭建企业内部真实可落地的生产级 Agent，如您的企业有搭建生产级 Agent 需求，可以点击下方阅读原文联系我们，我们为您提供专业技术支持。