AIOps Agent在运维RCA场景的研发范式与数据飞轮实践.docxVIP

AIOpsAgent在运维RCA场景的研发范式与数据飞轮实践

01AIOps

01AIOps业务场景介绍

02

02UModel：构建数字孪生的世界模型

03Benchmark

03Benchmark：建立进化的基线

04AgentLoop：从运行时数据到Agent

04AgentLoop：从运行时数据到Agent可靠性飞轮

AIOps业务场景介绍

AIOps发展历史和现状

AIOps核心需求

可观测

可观测

异常检测

异常检测

故障诊断

故障诊断

自动修复

自动修复

AIOps2.0–Agentic系统化时代(2023-

AIOps1.0–算法驱动时代(2018-2023)

算法驱动时代：

?核心方案：基于统计/ML算法/CNN模型

?典型能力：时序预测/异常检测/根因分析

?致命痛点：泛化能力差（单点能力,换场

景即失效）

Agentic时代：

核心方案：Agentic方式驱动探索与推理

典型能力：异构数据自主理解、按需读取上下文

核心进化：从单点算法走向全局系统化工程

AIOps能力表和进化路径

具备规划和推理能力

具备规划和推理能力，能排查复杂问题，给出决策建议

支持对多种可观测数据的解读和