背景: 线上故障根因定位

现状: 变更 / 日志 / 链路 / 容量 /DB 多系统割裂, 人工串行排查,MTTR 高、强依赖专家, 传统告警只能"发现", 不能"定位"; 规则化脚本难以覆盖复杂故障；

目标: 从"人找根因"到"Agent 自动给结论", 压缩应急响应时间

方案: 多智能体应急排查系统诊断 → 处置 → 复盘与预防 → 持续进化

演讲提纲

1. 多 Agent 协同排查：从多源信息到故障诊断
   • 基于 oxygent 框架的 Multi-Agent 编排:main_agent → app_agent →(dispatch → analysis)
   • “6+1”领域专家 Agent：变更、日志、链路、维度、容量、数据库，以及按需触发的业务监控 Agent
2. 主动式应急：从被动问答到主动协同
   • 基于 Hermes 框架，结合现场上下文、知识与 Skills，主动推进信息采集、人员协同、处置跟进和恢复收口
   • 根据现场进展判断何时介入、找谁协同、何时保持静默，实现人机“协同智能”
3. 故障复盘与风险前置：从应急处置到研发预防
   • 故障复盘 AI 化：汇聚现场沟通与排查记录，辅助还原故障时间线、梳理根因证据和生成改进建议
   • 风险代码举一反三：探索将历史故障中的风险代码模式复用于 AI 代码评审（AICR），识别相似隐患
   • 技术方案风险预审：探索将故障经验用于技术方案评审（TRD），在设计阶段识别风险、提出改进建议
4. 经验沉淀与持续进化：让每次应急成为下一次的经验
   • Skills自进化：从执行轨迹与现场反馈中识别流程缺陷，持续改进排查步骤、工具使用和协同规则
   • 知识自进化：蒸馏故障根因、处置方法与风险模式，形成可复用的故障知识

听众收益

• 了解多 Agent 协同排查与主动式应急的架构设计
• 学习领域Skills 演进、知识沉淀的方法