4.3-辛全琦-DBdoctor：SQL诊断优化智能体，一分钟解决数据库问题.pdfVIP

DBdoctorSQL诊断优化智能体，

一分钟解决数据库问题

海信聚好看辛全琦

020304

大模型现状技术突破产品化客户案例

SorePointStrengthsUsageScenarioCustomerCase

大模型现状

大模型给出的排查计划有误大模型需要的指标数据拿不到大模型给出的解决方案不敢用

问题分析

缺乏精准的诊断优化引导模型缺乏细粒度的指标数据采集能力缺乏模型结果的校验修正措施缺乏更智能的操作引导方式

指标数据经验知识提示词约束

定时采样约束

校验这么多功能如何使用?这么多问题先处理哪个?

10秒的慢日志

现象现象现象现象

1.大模型给出错误的诊断流程1.大模型要求的数据获取不到1.强依赖基模能力1.学习曲线陡峭，使用门槛高

2.优化结论浮于表面无法真正落地2.即使把数据给到大模型，结果依然不准确2.回答丰富但结果不可信2.诊断定位效率低，根因难寻

原因原因原因原因

1.传统的经验知识，结构化程度低1.缺乏更深层的监控数据1.缺乏对结果正确性的校验1.界面复杂，概念抽象，操作不直观

2.缺少优化手段知识沉淀2.缺乏监控数据的使用引导2.缺乏基于校验结果的Observation2.各功能的信息碎片化，缺乏串联引导

DBdoctor做法

传