2026年AI创新实践论坛上海站-阿里云

挑战·CHALLENGESALIYUN·AGENT挑战·CHALLENGESAgent时代,企业面临四大新挑战从LLM应用到Agent应用,传统APM/LLMOPS工具集体失灵质量退化难感知降,工单客诉被动响应,故障质量退化难感知降,工单客诉被动响应,故障成本暴涨难归因Token消耗暴涨却无法精细归因,缺乏Finops治理,模变更风险难拦截prompt/skill/模型变更缺乏自动化质量门禁,60%+变更故障本可拦截却被放过计与回放,危险操作无法事后追溯,难以满足金融、政企合Token失控x3Token失控x3-5变更故障60%+MTTR>2h范式升级·PARADIGMALIYUN·AGENTLOOP范式升级·PARADIGMAgentLLM:智能体开发范式升级维度维度LLM应用o1观测应用层调用链+简单指标o2审计日志留存即可o3评估LLM-as-aJudge·文本输出打分o4实验prompt+LLM仿真调用调优prompt改写端到端Trajectory全栈观测+Agentontology拓扑多步执行轨迹审计+证据回放合规留痕Agent-as-司-Judge·基于完整轨迹深度评估Agent真实调用+端到端效果验证prompt/skill/模型多维调优+经验库自进化结论:面向Agent而非LLM的范式升级,AgentLOOP助力企业构建智能体全生命周期数据进化飞轮。定位·POSITIONING产品定位AgentLOOP是面向企业级智能体的一站式自进化平台,围绕r观测&审计评估&实验持续优化」构建智能体数据进化飞轮--面向Agent而非LLM设计从观测到调优,每个能力原生为Agent多步执行而生企业级生产场景闭环端到端场景闭环而非Deno面向真实业务上线核心能力Agentic化评估器调优器等自身即Agent,可扩展skill/Tool原生支持CLI/skill/MCP生态接入+chatul对话式交互ALIYUN·AGENTLOOP核心价值·VALUE价值主张:持续进化智能体质量、性能、成本与安全MTTRMTTR50%故障定位时间缩短一半端到端全链路轨迹智能诊断+2030%Agent推理质量提升数据集评估实验持续优化更省更安全更省推理成本精细优化推理成本精细优化行为审计异常检测ALIYUN·AGENTLOOP产品全景·OVERVIEW全生命周期数据飞轮01观测&审计端到端无侵入采集深度洞察02评估&实验03持续优化Agent调优+上下文工程→效果进化Agent越用越聪明数据骨架·TRAJECTORYALIYUN·数据骨架·TRAJECTORYTrajectory轨迹:飞轮的数据骨架无侵入采集自研探针+阿里云产品集成+开源客户端一键上报零代码接入零代码接入观测分析Agentontology拓扑+Trace/指标/日志行为审计多步轨迹审计链+证据回更安全更安全评估实验+数据集+CI/CD门禁持续优化Agent调优+记忆/经验--ALIYUN·AGENTLOOP场景一·OBSERVE场景一:全栈观测→更快更省端到端全链路轨迹+智能诊断+成本洞察端到端无侵入采集自研探针阿里云产品集成+端到端无侵入采集自研探针阿里云产品集成+开源客户端一键上报,零代码全量采集Trace、指标与日志Agentontology拓扑>Model拓扑关系,全栈建模而非扁平调用链端到端智能诊断故障根因MTTR-50%;精准定位Token浪费,推理成本直降40%+零侵入·零侵入·全量MTTR-50%·Token-40%拓扑自动发现场景二·AUDITALIYUN·AGENTLOOP场景二·AUDIT场景二:行为审计与合规更安全合规证据回放多步轨迹审计链异常行为检测与预警合规证据回放多步轨迹审计链移、越权操作等异常行为模式,分钟级异常告警与风险预警支持单次移、越权操作等异常行为模式,分钟级异常告警与风险预警支持单次session全量回放与审计报告导出,满足金融、政企监管留痕要求分钟级预警满足监管100%分钟级预警满足监管100%留痕场景三·EVALUATEALIYUN·AGENTLOOP场景三·EVALUATE场景三:评估与实验更好Agent-as-a-Judge真实评估+数据集持续构建+Agent实验+CI/CD自动化门禁持续评估持续评估数据集构建线上流量实时采样评估,质量下降自动告警;评估结果自动沉淀为高质量数据集,持续构建评估基准质量+20-30%Agent实验+CI/CD门禁基于数据集的多版本A/B实验验证;估流水线,不过门禁不上线0%+变更风险拦截Agent-as-a-Judge评估器基于完整Trajectory轨迹的深度评估,人类一致率90%+,远超传统LLM-Judge65-80%一致率90%+PARADIGM·SHIFTALIYUN·AGENTLOOPPARADIGM·SHIFT评估范式跃迁:LLM-as司JudgevsAgentas---AgentJudge维度维度架构形态单次少次LLM调用多步Agent:规划工具推理+评分评估对象单轮文本输出完整Trajectory+中间状态+工具调用与人类一致率65-80%(MT-Bench)85-95%(DevAI90%)成本策略1x(基线)·全量适用采样评估·关键路径+CI/CD门禁按需触发可解释性评分理由(可能幻觉)完整推理轨迹多步证据回放典型场景RAG忠实度/全量回归关键决策Agent/多步业务Agent/CI/CD门禁推荐AgentAgent-Judge=评估Agent的正确范式基于完整Trajectory多步推理评估,与人类专家一致率90%+,真实还原智能体决策质量;采样策略智能平衡成本与效果ALIYUN·AGENTLOOP场景四·OPTIMI乙E场景四:持续优化与自进化→更好从评估结果到优化落地,让Agent自主进化promptprompt/skill/模型多维调优基于评估结果自动生成优化建议,支持prompt改写、skill参数调整、模型切换的多维调优经验库自动提取成功模式,构建可复用经验片段,动态注入Agent上下文经验库自动提取成功模式,构建可复用经验片段,动态注入Agent上下文技能自进化闭环观测评估技能自进化闭环观测评估优化再观测,聪明ALIYUN·AGENTLOOP数据资产·DATAASSET数据资产持续构建:飞轮越转越快一次采集,观测审计评估优化四路复用--数据价值指数增长数据集自动积累注、入库,评估数据集随业务运行持续增长,无需人工标注数据集自动积累注、入库,评估数据集随业务运行持续增长,无需人工标注评估样本库扩容线上真实案例持续补充评估Benchmark,覆盖边界场景越来越全面,评估越来越精准验片段回流经验库,驱动下一轮Agent能力提升正向飞轮个ALIYUN·AGENTLOOP场景五·OPTIMI乙E场景五:Al中转站效果评估实时评估模型效果,及时发现模型降智,提前规避风险不同模型执行相同的业务问题数据集,通过质量等多种维度评估模型效果。相同模型不同渠道效果相同模型不同渠道效果假模型判断)厂、第三方中转站各渠道针对同一模型的输出效果进行评估,判断水平是否一致。实时检测各渠道,尤其是Al中转站提供的模型质量,评估同一模型不同时间的表现,避免出现模型被后台切换的情况,影响业务。LangfuseLLM可观测工具开源/saasLangfuseLLM可观测工具开源/saas·MIT·应用层LLM追踪LLM可观测:SDK埋点+Trace调用链追踪LLM评估:LLM-Judge+人工标注+在线打分playground:prompt调试+多模型对比测试实验管理:数据集+prompt版本+A/B实验行为审计:无审计链无异常检测Agent自进化:无Agent调优无经验库无数据飞轮AgentLOOP企业级Agent自进化平台l全栈观测:端到端无侵入采集+Agentontology拓扑+智能诊断l行为审计:全链路轨迹审计异常检测预警合规留痕l评估实验:Agent-as-a-Judge真实评估+数据集+Agent实验+CI/CD门禁l持续优化:Agent调优+上下文工程+经验库自进化l企业级:阿里云权限体系高性能高可靠免运维Agent范式:全生命周期自进化--AgentLangfuse面向LLM应用提供可观测、LLM评估、LLM实验等LLM--AgentCAPABILITYMATRIXLangfuseAgentLOOP:六维能力矩阵LLM范式VSAgent范式--六大核心维度全面对比维度Langfuse开源开源LLM可观测..SDK埋点+Trace调用链....端到端无侵入+Agentontology拓扑+智能诊断行为审计不支持.●...全链路审计+异常检测预警+合规留痕评估实验LLM-Judge+playground+数据集+LLM实验.....Agent-as-a-Judge+数据集+Agent实验+CI/CD门禁持续优化prompt版本管理(无Agent调优)....Agent调优+上下文工程+经验库自进化数据飞轮数据集手动导入,无pipeline自动化....企业级..Team/Enterprise基础计划.....阿里云权限体系+RAM+高性能+高可靠+免运维6/6客户价值·RolALIYUN·AGENTLOOP客户价值·Rol客户价值:可量化的业务Rol客户实测,数据说话+15%端到端完成率40%+-Token推理成本节省+15%端到端完成率40%+-Token推理成本节省Agent推理质量提升持续优化评估实验持续优化持续优化48h->5min合规审计响应时间60%+变更故障提前拦截48h->5min合规审计响应时间60%+变更故障提前拦截故障定位MTTR缩短评估实验行为审计评估实验行为审计用户画像·PERSONASALIYUN·AGENTLOOP用户画像·PERSONAS核心关注系统性能、成本控制、安全合规全栈观测·行为审计·核心关注系统性能、成本控制、安全合规全栈观测·行为审计·成本治理核心价值更快·更省·更安全典型角色Agent输出质量与任务成功率评估实验·持续优化·经验库核心价值更好质量+20-30%,成功率+15%典型角色Al算法工程师、Agent产品经理ALIYUN·AGENTLOOP上手路径上手路径:5nin接入,1hour评估,1day首轮优化从开通Agentspace到经验库自进化,端到端可落地11minSTEP01创建Agentspace选择地域名称,MSE、SLS55minSTEP02数据接入无侵入接入,无需动上报1010min企STEP03评估器构建业务专属Agent-Judge1010min目STEP04数据集构建上Trace自动构建数据集2020minSTEP05Agent实验+数据集多版本A/B对比验证STEP06效果优化Agent调优+经验库提取注入,越用越聪明无侵入数据接入day完成首轮效果优化ALIYUN·AGENTLOOP产品计费AgentLOOP产品计费说明每月免费额度每月免费额度链路/日志写入ALIYUN·AGENTLOOP费用预估链路/日志写入1000人团队·每人100次/日链路/日志写入100人团队·每人100次/日链路/日志写入10人团队·每人100次/日CTA·NEXTSTEPSALIYUN·AGENTCTA·NEXTSTEPSLET'SBUILDAGENTFUTUREAgent越用越聪明文档中心o2https:l//zh/pro文档中心o2https:l//zh/product/3033820.html商务咨询阿里云销售/SA/PDSA团队术支持/doclplayground/agentloopdemo.html快速入门·API参考·最佳实践快速入门·API参考·最佳实践AgentTeams·企业级多Agent协作与治理平台从协作到统一管理与治理，一站式AgentHarness落地方案行业趋势与企业挑战?协作不透明Agent间通信黑盒，人类无法有效监督和介入X安全合规缺失Agent直持凭证，密钥泄露风险高，操作无法审计$成本不可控?协作不透明Agent间通信黑盒，人类无法有效监督和介入X安全合规缺失Agent直持凭证，密钥泄露风险高，操作无法审计$成本不可控Token消耗无监控，Agent算力资源浪费严重!!Agent散落无治理各部门Agent来源杂、框架多，缺乏统一管控视角2024-20252025-20262026-2027单Agent试用部门级多Agent试点企业级大规模部署Matrix协议·分布式协作网络，跨实例任务分派·Agent即插即用MatrixRoom全量审计轨迹，Human-in-the-Loop·SLS观测大盘AI网关统一凭证管理，ConsumerToken身份·per-consumerACLManager-TeamTL-Worker架构分层，引擎热插拔·OpenClaw/QwenPaw/ClaudeCode可替换UNIFIEDPLATFORMFORMANAGEMENT·COLLABORATION·GOVERNANCEAgentTeams·多Agent协作·治理·管理统一底座支持托管QwenPaw，纳管OpenClaw、ClaudeCode等各类Agent与CLIAgentTeams·多Agent协作·治理·管理统一底座零信任·凭证隔离Multi-HumanAgent托管QwenPaw纳管OpenClaw个人超级助手一人公司OPC企业数字员工B2B2CAgent业务Agent社交WorkerAgentMulti-AgentAgentTeams·不是工具·而是多Agent协作管理底座不是替代开发工具，而是让企业敢把多Agent放上生产AgentTeamsClaudeCode·CMA定位企业级多Agent协作·治理·管理统一底座多Agent编排库/SDKAgent实现任意Agent与CLl纳管·跨Agent实现Qwenpaw/openclaw/claudecode/自研绑定自身框架协作模型MatrixIM全透明·A2A+A2H·跨主机进程内函数调用编排安全治理零信任Al网关·凭证隔离·Al资产统一管理基本靠自行实现可观测Room留痕·SLS日志&全链路·AgentLOOP下钻基本靠自行实现部署弹性ACSSandboxHPA·单session单实例自运维基本靠自行实现模型类型四道防线·重塑多Agent协同的信任边界RuntimeIsolationSecureCommunicationRuntimeIsolationSecureCommunicationTrustedSupplyChainIdentity&AccessCOLLABORATIVEARCHITECTURE基于Manager·TeamTL·Worker架构的协同底座(WorkerAgent)(WorkerAgent)(WorkerAgent)(WorkerAgent)(WorkerAgent)(WorkerAgent)(WorkerAgent)(WorkerAgent)(WorkerAgent)(WorkerAgent)AgentAgent(WorkerAgent)(WorkerAgent)团队管理·AgentTeams的人机协同组织模型LAYER1·TEAMCOMPOSITION（团队组成）EXAMPLE1一对一任务沟通AdminTLAgentEXAMPLE2专项任务执行EXAMPLE1一对一任务沟通AdminTLAgentEXAMPLE2专项任务执行人与人直接交互Agent与Agent任务分配人与人直接交互TeamRoom/TaskRoom任务委托三种交互方式·全场景覆盖Agent协作AgentTeams原生客户端AgentTeams原生客户端Agent服务化接口!AgentTeamsAgentTeams·统一底座·灵活接入·一致体验AgentTeams无缝托管和纳管各类Agent·CLIQWENPAW·OPENCLAW·CLAUDECODE!!多Agent协作·治理·管理!多Agent协作·治理·管理)协同后续支持纳管更多后续支持纳管更多AgentCodex·HermesAgent·自定义Agent·其他CLI集成ACSSandbox·安全隔离·弹性伸缩·按需计费资源·网络·存储三重隔离Session亲和·SandboxHPA深休眠·按需计费SandboxHPA：按波峰波谷自动扩缩SandboxHPA：按波峰波谷自动扩缩ACSSandboxSessionA↑秒级新建拉起WorkerAgentSessionB扛并发、压时延：WorkerAgent三种伸缩方式压时延压时延·进程内TeamATeamBTeamC扩并发·TeamATeamBTeamC扩并发·TEAM级AgentAgentAgent扩并发·SESSION级并发靠加Sandbox/加Team副本横向扩时延靠把Subagent收进同一进程压到最低统一管理Models·MCP·Skill·Agent模板AI资产4FULL-STACKOBSERVABILITYAgentTeams全栈可观测·端到端追踪每一次Agent调用链路上下文/Trace链路上下文/Trace链路上下文/Trace集成AgentLoop·数据驱动的Agent持续进化飞轮数字员工协作成功·失败案例AgentTeams·应用场景PANORAMICVIEWOFAGENTTEAMSAgentTeams落地全景用户身份透传至Agent·操作可归属到人钉钉/飞书/企业微信AgentIdentity签发工作负载身份企业用户/员工企业IdP/SSO用户体系QwenPawQwenPawQwenPawQwenPawQwenPaw企业提效·员工应用场景AgentTeam用法AgentTeam用法02·服务化用法01·对话式AgentAgentTeam企业提效·员工应用场景示例运营AINative数据运营AINative数据分析系统PDSAAINative工作台SRSREAINative诊断系统B2B2C·B2C·SCENARIOBLUEPRINTS把能力封装为对外Agent服务：三个落地场景同一套AgentTeams：SaaS厂商把能力封装为多租户Agent服务B2B2CB2B2C·CRMSaaS厂商不再卖API/席位：把CRM能力封装为按租户生成的WorkerAgent，对外服B2C·运动健身App训练/饮食/恢复多个Agent组队，陪用户走完个性化健身全程。私人健身团队—Team·TL调度训练计划·周期编排客户·商机·工单客户·商机·工单·数据分析能力封装·统一管控按租户下发按租户生成·租户A·B·C…对外输出下游企业+其C端用户动作指导·姿态纠正营养饮食·餐食搭配恢复睡眠·负荷管理激励陪练·习惯养成B2C·选车/用车平台一句话提问，一支多Agent团队协作完成从选车到用车的全流程。选车·用车智囊团—Team·TL调度选车顾问·需求匹配选型比价砍价·实时行情试驾预约·到店安排用车保养·周期提醒二手估值·残值评估用Agent重构业务流程：模块/功能/流程的三级映射TeamWorkerAgentSubagent·同进程业务视角AgentTeams实现WorkerAgent1WorkerAgent2WorkerAgent3WorkerAgent·业务功能①内部业务流程=Subagent链（同一进程）Subagent1Subagent2Subagent3Subagent4端到端RT·同进程0网络跳数，时延可控全域智能运维采台云原生应用采台可观测团队AI技术促进运维模式演进统一数据存储完整实时的数据基础。运维语义建模基于服务、资源、应用、业务等运维对象进行实体与语义建模，支持跨域实体关联与拓扑理解。海量数据分析能力实时数据分析能力成熟，可支持海量观测数据的顺时并发分析、全局扫描与快速过滤。模型能力提升大模型具备复杂意图理解、工具使用、自主规划、长程执行等能力，基于目标的自主规划和运维具备可行性。 规则驱动·被动响应 规则驱动·被动响应阈值规则告警与监控人工巡检与人工排障固定脚本手工执行 数据驱动· 数据驱动·辅助决策单一数据智能告警异常检测与关联分析规则驱动的恢复建议 智能体自主规划与执行7×24持续闭环守护AgenticOps建设的核心挑战从单点问答走向可靠自治，需要同时解决数据、认知、成本和效果闭环问题系统上下文难理解系统上下文难理解跨域数据难统一推理与执行成本难控制推理与执行成本难控制效、推理成本、工具调用和结果质量之间取得平衡。效果迭代难闭环缺少评估、反馈、灰度和复盘机制时，Agent诊断效STAROps的解决方案以统一数据、运维数字孪生、AI分析算子和评估飞轮，支撑可靠、可控、可进化的AgenticOps核心方案/基于可观测的统一数据平台数据接入数据接入Web/移动端AI应用服务端应用云服务基础设施可观测数据全栈·实时·无侵入链路：数万亿调用/天事件：Web/移动端AI应用服务端应用云服务基础设施可观测数据全栈·实时·无侵入链路：数万亿调用/天事件：数十亿条/天容器：数百万个/天终端：数亿个/天数据加工与查询每日EB级存储规模，综合成本较开源自建下海量数据检索全文检索/自动索引/向量索引数据存储全球可用高弹性全地域覆盖，跨域跨库视图数据过滤数据脱敏定时调度任务状态失败告警数据加工数据规整数据流转查询加速同城冗余高可靠冷热多级存储热存/低频/归档自动切换多种分析能力标准SQL/PromQL/图数据富化统一运维图模型，让AI理解系统上下文并完成推理与执行语义一致性语义一致性统一日志、指标、链路、拓扑、变更、配置等多源数据的语义与格式，为故障诊断、影响分析和容量评估提供一致数据基础。时空关联基于统一拓扑图谱关联时间序列、告警事件和资源关系，还原故障全貌，识别因果关系、传播路径和影响范围。内置云产品、应用监控、前端监控、K8s、中间件等标准建模能力，并支持自定义扩展，沉淀企业专属运维数字孪生。Agent友好以图模型组织实体、关系、运维知识和工具能力，支持Agent渐进式获取上下文，在大规模拓扑中持续推理与行动。检索功能丰富关键词检索高性能读写百万每秒写入分布式计算引擎谓词下推Agent友好检索功能丰富关键词检索高性能读写百万每秒写入分布式计算引擎谓词下推Agent友好面向对象语义自动能力发现渐进式披露开箱即用实体抽取语义建模关系提取知识关联应用消息/数据库/大模型调用用、企业运维SOP/知识库核心方案/AI分析算子和查询针对不同的可观测数据，提供多种对应的高效算子，将计算下推至底层引擎，降低算力消耗海量数据查询分析可观测AI分析算子支持数亿次用户分析任务，综合降低可观测AI分析算子支持数亿次用户分析任务，综合降低Token消耗90%+异常检测时序预测时序聚类维度下探瓶颈分析差异分析剖析解读异常分析维度下钻拓扑构造拓扑分析异常检测时序预测时序聚类维度下探计算下推通用算子注：相关工作发表在KDD、ASPLOS、ICLR等多个顶会核心方案/智能体持续迭代优化通过仿真环境、真实反馈、全面评估、多版本管理，实现智能体快速自进化全链路评估体系全链路评估体系线上指标、离线评估、数据集自动化的质量门禁与效果归因Agent能力持续优化持续优化Prompt、Skills、Tool、模型策略、编排策略多版本A/B测试多版本并行、灰度放量经验提取持续学习线上实时环境重建实时仿真环境流量回放环境沙箱风险验证回归评测高保真仿真环境基于故障注入、流量回放和真实微服务拓扑，构建接近生产复杂度的Benchmark环境，覆盖30到1000+不同规模应用、百级故障类型和千级高质量案例，为Agent优化提供稳定验统一评估驱动统一Benchmark标准下度量，围绕根因实体、故障类型和推理过程进行综合评估，确保优化效果可量化、可比较、可追溯。线上反馈闭环将离线演练、回归测试和线上请求中的低分案例持续回流Benchmark，并沉淀为可复用轮STAROpsAgent迭代。全域智能运维平台STAROps开箱即用智能运维开箱即用智能运维降低运维信息获取成本降低运维信息获取成本沉淀企业运维能力沉淀企业运维能力被动响应到智能自治被动响应到智能自治应用守护的异步任务数字员工数字员工MCP和运维知识告警诊断和根因定位数据查询/日志模式/告警聚合/根因推理数据查询/日志模式/告警聚合/根因推理恢复建议/任务规划/工具调用/HIL确认指标/日志/链路/事件/拓扑/变更经验沉淀经验沉淀Runbook/历史故障/专家经验/Skills运维世界模型运维世界模型告警、拓扑和变更关系AI友好工具链连接查询、诊断、脚本、云产品OpenAPI和企业工具模型和智能体支撑推理、长程执行、动态调度和人机协同动态数据感知构建实时运维上下文STAROps：阿里云智能运维统一入口整合全域可观测数据、调查定位、自主运维能力，并协同阿里云各领域Agent，形成端到端智能运维闭环客户场景和诉求自然语言查数告警根因分析应用健康巡检变更影响分析性能瓶颈诊断跨产品故障定位容量与风险预警阿里云智能运维统一入口STAROpsSTAROps控制台OpenAPIUI被集成Skill/CLI意图/问题理解动态数据感知全域上下文组装问题/任务拆解意图路由统一结论分析执行确认和验证客户场景和诉求自然语言查数告警根因分析应用健康巡检变更影响分析性能瓶颈诊断跨产品故障定位容量与风险预警阿里云智能运维统一入口STAROpsSTAROps控制台OpenAPIUI被集成Skill/CLI意图/问题理解动态数据感知全域上下文组装问题/任务拆解意图路由统一结论分析执行确认和验证全域数据和建模、AI分析算子、运维经验统一数据和建模AI分析算子运维经验阿里云各产品领域智能体（AI助手）计算容器存储网络安全数据库大数据视频云STAROps三大核心功能让智能体持续替你盯住系统可把重复巡检和被动排查变成持续让智能体持续替你盯住系统可把重复巡检和被动排查变成持续把经验变成可复用的智能运维能力定义配置职责、权限、工具、技规范工作。沉淀专家经验和团队制、可扩展的智能运维能力。让运维数据一问即懂通过自然语言完成资源查询、指快速理解系统状态、定位异常原核心功能/智能助手跨域数据查询跨域数据查询扑和变更信息，减少系统切换和命令行操作。可视化分析呈现自动生成可视化图表、拓扑关系和诊断链路，智能诊断推理围绕告警或异常自动收集证据，分析影响范围、关联服务、异常指标和可能根因。按需调用查询工具、诊断工具、SQL/命令执行和云产品API，并返回执行过程与结果。核心功能/长期任务风险识别与HIL确认在发现高风险问题或需要执行关键动作时，触发人工确认，保障可控执行。核心功能/数字员工角色与职责配置角色与职责配置SREAgent的工作范围。权限与工具配置智能体角色权限、可调用工具、云产品接入企业自有工具、脚本、服务和流程，将内部能力转化为Agent可调用技能。知识与经验沉淀通过技能Skill沉淀Runbook、历史故障、专家经验和团队规范，更持续贴合企业场景。多种集成方案，灵活融入现有工作流OpenAPI接入OpenAPI接入、运维系统和自动化流程。将页面嵌入和事件调查等能力集成到现有平可在熟悉的工作台内完成智能分析、可视化查看和连续交互。志分析和诊断协作。将跨系统操支持Skill/CLI/Plugin方式集成，让STAROps能快速接入AI工具或自建智能体中一键安装STAROps。在智能体或AI工具中安装STAROps的Skill/CLI/Plugin配置凭证手动选择STAROps技能，或识别到运维诊断类意图即触发调用1安装STAROps安全合规保障以权限、确认、审计和加密机制，保障Agent在企业生产环境中安全可控运行Human-in-the-Loop确认Human-in-the-Loop确认保障生产系统的安全性、稳定性与可控性。精细化权限控制端到端数据加密全链路采用端到端数据加密全链路采用HTTPS/TLS加密传输，观测数据支持KMS完整性与合规要求。Agent行为审计完整记录对话历史、任务过程、工具调用、CLI命令和数可复盘的审计证据。与自建/通用智能体方案对比面向生产运维场景，STAROps在数据、上下文、工具、安全和持续演进上提供开箱即用的完整能力企业自建Agent通用智能体/大模型方案数据基础志、链路、事件、拓扑、变更需自行打通多数据源，建设周期长依赖外部导入或临时上传，数据连续性弱运维上下文基于运维图模型理解服务、资源、告警、变更和影响关系需自建语义模型和知识工程缺少生产系统上下文，容易停留在文本分析场景能力预置查数、日志分析、告警诊断、容器巡检、根因定位等能力场景需逐个开发和调优更适合通用问答，运维场景深度不足执行能力连接诊断工具、云产品OpenAPI、Skill/需自研工具编排、权限和审批链路多数以建议为主，生产执行能力弱长期任务支持巡检、告警聚合、日志洞察、应用守护等持续任务需自建任务调度和状态管理通常偏单次对话，难支撑长周期运维安全合规RAM权限、HIL确认、行为审计、数据加密等企业级保障需自行建设安全与审计体系缺少面向生产运维的细粒度管控效果迭代证持续优化需持续投入算法、评测和运营资源效果依赖模型本身，难形成场景闭环落地成本开箱即用，快速融入现有云上运维流程初期投入高，长期维护成本高接入快，但深度落地和稳定运行成本高吉利汽车基于STAROps构建全域智能运维体系吉利汽车用户数据中心承载的系统规模与复杂度持续攀升，率先面对传统运维模式见顶的挑战，主动选择以AI重建运维逻辑。•运维链路重构•运维链路重构：传统"监控—报警—工单"链路，正被"可观测数据—统一建模—智能体诊断—自动治愈"的新链路替•角色重塑：运维团队从被动响应的"工单处理者"转向主动经营的"平台运营者"，将更多精力投入架构规划、流程设•信任建立与场景落地：一线团队从担心AI“胡说八道”到“真香”，现在甚至希望把监控报警全接入AgenticOps根因定位、自动执行应急恢复策略；其中测试环境联调已成为当前挖掘出的高性价比场景——联调出现问题直接抛给智能体，显著降低团队间沟通协同成本。客户挑战伴随业务快速发展与极氪并入吉利、核心应用统一技术栈，系统规模与复杂度呈指数级增长，运维复杂度被拉升到新量•拓扑黑盒、数据各自为政：数百个系统分布在多云、跨机房、跨业务线环境中，拓扑全是黑盒；各系统的日志、链路、指标各自为政，数据串不起来（如跨机房/跨云部署日志不在一起难以串联、系统间数据库账号混用难以定位责任服•报警风暴、根因难定位：线上故障发生时，监控屏瞬间涌出几百条告警，知道出了问题却找不到源头，靠人层层排查哪个系统先报错，平均恢复动辄一两个小时。•黄金SLA难以达成：在新的系统复杂度下，传统应对方案很难支撑"1分钟发现、5分钟定位、30分钟恢复"的黄金SLA，而这对车企面向用户的实时业务是不可接受的。客户证言客户证言•统一可观测数据底座：基于阿里云云监控2.0，将散落各处的指标、日志、链路、事件、变更等异构数据统一存储、统一分析、统一查看，为所有智能化能力提供完整、实时的数据基础。“智能运维的终极目标，不是消灭故障，因为故障永远会发生，它的目标是消灭‘运维焦虑’。当工程师能安心睡觉、业务方不再被凌晨叫醒、团队的精力从‘猜故障’转向‘创价值’，这才是技术真正传递的温度。”——宋鸣吉利汽车用户数据中心数据质量部长•基于UModel的运维数字孪生：通过Umodel自动为云上资源建模并跨域关“智能运维的终极目标，不是消灭故障，因为故障永远会发生，它的目标是消灭‘运维焦虑’。当工程师能安心睡觉、业务方不再被凌晨叫醒、团队的精力从‘猜故障’转向‘创价值’，这才是技术真正传递的温度。”——宋鸣吉利汽车用户数据中心数据质量部长•智能诊断与告警降噪：围绕告警/异常自动收集证据，分析影响范围、关联服务与可能根因，一秒过滤大量无用报错信息、快速给出排查思路，把传统"监控—报警—工单"升级为"智能体诊断"，破解报警风暴下根因难定位的难题。•经验沉淀为专属智能运维能力：吉利将治愈模块做成标准命令供模型直接调用，配合STAROps的Skill/数字员工机制沉淀Runbook、应急恢复策略与团队规范，让运维经验固化为可复用、可扩展的能力——企业侧构建资产、产品侧提只需三步，开启智能运维之旅数据解读：从数据到可读结论数据解读：从数据到可读结论前提条件•已开通云监控（CMS2.0）或日志服务（SLS）•拥有当前工作空间的数据可读权限•拥有STAROps的相关功能读写权限即时查数：降低信息获取成本把控制台查询、命令行检索变成自然语言问答•查询xx应用近24小时的QPS、错误率和•哪些RDS实例是高可用类型？当前规格和运打开STAROps控制台智能诊断：定位故障根因和影响范围告警、事件、拓扑、变更的进行关联分析智能诊断：定位故障根因和影响范围告警、事件、拓扑、变更的进行关联分析•xx应用接口变慢，影响范围和可能根因是长期任务：从单次分析到持续守护覆盖巡检、聚合分析和持续洞察节点水位和异常Pod。自然语言对话即刻得到分析结果长期任务完成定时巡检、告警分析等自定义专属SREAgent企业专属技能和MCP服务，配置企业专属SRE智能体/z简单易用的智能云网络，加速客户AI创新阿里云云网络2026/07AI没有让带宽消失入口决策入口决策哪个模型、哪个Agent？路径决策①③②①③②权限决策一个Agent被允许访问哪些模型、工具和数据？谁能持续做出并证明这三个决策，谁就在控制业务运行路径AgenticAI正在重塑全球算力格局三组权威数据：AIAgent正从实验走向规模化部署，企业应用进入加速期全球AI基础设施支出IDC预测·2029年企业软件AgenticAI内置率三分之一企业软件将内置AgenticAI，成为标配Gartner预测·2028年4040%企业AIAgent采用率近半数企业将在业务流中Gartner预测·2026年范式跃迁：算力从「被动服务」转向「主动外联」AIAgent同时扮演Server（接收请求）和Client（主动调用外部Tools/MCP/互联网）双重角色，驱动对云网络能力的全面重新审视。更持续、更双向、增速远超人类流量——正是基础设施布局窗口自动化自动化AI请求增速（vs人类流量）人类请求不足9%Fastly·2025用户驱动Agentic爬取全年增长增速陡峭、绝对占比尚小CloudflareRadar·2025年度报告AI推理连接持续时长（vs普通Web）Cisco现网研究·2025抓取抓取/回访（Referral）比例——极度失衡约80%AI爬取用于模型训练，消耗内容不带来分发价值AnthropicAI消耗更多内容却几乎不带回访问，源站保护与出向成本成为真问题（据Cloudflare网络观测，对数尺度示意·2025）自动化流量占比，十年首超人类自动化流量占比，十年首超人类ImpervaBadBotReport·2025含义不是「CDN失效」——边缘的价值不是变小了，是换了位置连接容量、出向稳定性、源站保护、调用链可观测需要重新设计——边缘价值从静态缓存，迁移到动态加速、边缘安全和智能路由控制对象之变：从IP/端口，升级为Agent、模型和安全边界的提问方式变了，网络的回答方式也必须变AgentAgent时代的网络控制还要持续回答三个新问题：·哪个Agent可调用哪个工具？·携带什么身份？·能否访问某类数据？对象：Agent、模型、工具、数据——动态、程序化生成传统网络控制安全组只回答一个问题：对象：主机与服务，静态、可枚举协议标准正在形成、但未定局——正是布局窗口期网络是Agent治理不可绕过的插入点，但不是完整控制面业界对标：头部厂商已在Agent网络与治理层落子三条路线并行推进：私网出向织物·协议与Token治理·边缘身份与机器支付厂商产品/机制核心模式状态M2M/SigV4），单ARN执行角色防越权调用GA（直挂VPCGA/Foundry集成Preview边缘身份与变现：AI流量可观测与请求级限速；AIGatewayGA/对工具调用实施身份、配额、策略与审计演进中对我们的启示入口（ALB）、出口（EPG/NAT）、全球路径（GA）三个插入点齐备的云网络，有条件把三条路线合并为一张「流量决策层」。AIAgent规模化部署，对云网络提出五大核心挑战五大挑战本质上是「三个决策问题」在工程上的展开11快速启停沙箱秒级拉起与释放，网络资源同步快速分配与回收22数十万至百万级并发沙箱，IP、ENI等网络资源面临超大规模挑战33安全管控（决策②：Agent被允许访问什么）沙箱公网连通需隔离与管控，Egress统一管理、细粒度限速、流量溯源与安全审计缺一不可44全球化服务（决策①③：进哪个模型/切哪条路）全球LLM与Tools调用，跨境延迟直接影响Agent任务执行效率55从可视化运维转向API/CLI/Terraform/Skill程序化调用，支撑Agent自动化、规模化操作覆盖「训练&推理&Agent」全链路：数据获取·模型训练·Agent-RL强化学习·在线推理·Agent-Serving企业AI服务面向Agent面向Agent的主要产品布局Skill技能市场·TF基础设施模板·MD托管部署端到端解决方案交付，降低部署门槛，加速价值实现智能网络产品NIS网络智能服务·CEN云企业网AI驱动的网络智能管理，实现自动化运维与优化应用网络产品SLB负载均衡·GA全球加速·PrivateLink私网连接·EPG出向代理AI应用网络连接与加速，保障高可用、低延迟的服务访问数据传输服务EIP·公网带宽·跨域带宽为AI提供高质量、大吞吐、高性价比的数据传输服务两大核心场景Agent两大核心场景Agent-RL：超大规模·高弹高密·安全隔离Agent-Serving：超大规模·安全隔离·精细化限速VPC·NAT·EC/ECR·VPN·TR超大规模、弹性隔离、安全可靠的AI虚拟网络底座Agent/Sandbox集群→VPC高密接入→弹性NAT集群→高信誉IP池→外部互联网VPC原生高密快插网络单VPC100万Sandbox·ENI拉起到生效<100ms单NAT支撑20万+Sandbox并发访问高信誉公网地址外部调用的稳定性前瞻：IP信誉是当下解法，密码学身份Agent云上网络分层架构GA扩展版—全球化模型入口服务扩展与跨域加速：模型代理·多地域调度·异构GA扩展版—全球化模型入口服务扩展与跨域加速：模型代理·多地域调度·异构AI模型服务代理成为统一模型服务入口多级fallback容灾调度兼顾成本与稳定性跨地域长传优化针对AIWorkload，长传时延更稳定、吞吐更大Token级配额管控插件扩展GPU感知调度ALB扩展版—智能流量入口面向传统应用与AI应用的一体化智能流量入口，基于内容的路由p身份鉴权流量治理与认证对标：Token级限速与AzureAPIMllm-token-limit同CloudflareAIGateway目前仅请求级限速——可作为差异化点ALB扩展版动态转发：面向AI/Serverless的动态流量入口声明允许访问的声明允许访问的IpRange+PortR替代海量后端逐个注册；命中才转发，未命中默认拒绝，避免演变