「Agent 工程化」方向-稳定性数字人 从智能巡检、根因定位到受控自恢复 基于阿里云 AgentCore 的生产级 SRE Agent 实践

基于阿里云AgentCore的生产级SREAgent实践工具智能化程度不高1.上半场·工具化2.面临问题·人力投入居高不下3.AI时代·一把双刃剑4.矛盾·业务发展和稳定性投入稳定性产品矩阵·对齐业界产品之间，没有全部打通机会｜迭代快业务发展｜稳定性投入更少能力覆盖·全链路稳定性侧｜投入更多研发的今天典型场景读扛工具智能化程度不高1.上半场·工具化2.面临问题·人力投入居高不下3.AI时代·一把双刃剑4.矛盾·业务发展和稳定性投入稳定性产品矩阵·对齐业界产品之间，没有全部打通机会｜迭代快业务发展｜稳定性投入更少能力覆盖·全链路稳定性侧｜投入更多研发的今天典型场景读扛代价｜人开始退化满帮的目标：打造一个7×24小时不间断看守稳定性的「稳定性数字人」开箱即用·免运维-Runtime/Sandbox强隔离-事件触发，直接接入企业级治理·开箱即用·免运维-Runtime/Sandbox强隔离-事件触发，直接接入企业级治理·内置-网关鉴权·身份·Policy·审计-查询与动作分域，授权后执行资产复用·无限挂载-Skill/MCP/模型统一登记复用-更多Agent即插即用数据飞轮·持续进化-观测评估识别薄弱环节-样本沉淀Dataset，越用越准稳定性场景→AgentCore组件映射稳定性场景专业能力（自有沉淀）AgentCore组件（开箱即用）场景收益巡检值班根因分析专家协作知识辅助受控处置持续进化-,-03/数字员工总览总体目标：值班自动化·巡检自动化·重大风险自动发现根因分钟级·重大故障自恢复智能巡检总体目标：值班自动化·巡检自动化·重大风险自动发现根因分钟级·重大故障自恢复智能巡检·数字巡检员-值班盯盘自动化：早高峰盯盘、风险巡检-巡检：重大风险隐患自动发现，实时风险推送根因分析·数字诊断专家-红盘/巡检/进线自动触发，沿拓扑取证、逐级收窄定位-结论可解释、带证据链：重大风险1分钟可定位，准确率大于90%知识库·数字答疑专家-知识库：稳定性、应用、中间件、云基础设施以及业务知识全部汇聚其中，能够快速检索-知识问答：逐步取代值班答疑，释放人力。自恢复·数字应急专家-流控、降级、扩容、隔离四动作自动触发-动作经AgentCore网关鉴权、受控执行，全程留痕可回滚定位：快速发现·快速定位定位：值班自动化·重大风险梳理定位：快速发现·快速定位稳定性数字人定位：答疑自助·研发提效·知识沉淀定位：故障自动止血·受控执行有血有肉·懂业务·知识库×知识图谱，接口级颗粒度懂业务·根因分析有血肉，不做机械比对自主作业有血有肉·懂业务·知识库×知识图谱，接口级颗粒度懂业务·根因分析有血肉，不做机械比对自主作业·受控执行·从发现问题到修复问题，自主完成·动作经网关鉴权、全程留痕、可回滚确定性底座·可解释·判定在平台纯代码执行、判定结果经抽检复核·结论带证据链，可解释、可回溯开放扩展·无限挂载·更多Agent即插即用，Skill/MCP资产复用·经验沉淀为资产，数字人越用越聪明根因大屏AI对话Job定时入口调度1.发现问题3.修复问题4.跟进闭环构建与资产运行与协作底座根因大屏AI对话Job定时入口调度1.发现问题3.修复问题4.跟进闭环构建与资产运行与协作底座钉钉群钉钉群超级Agent——意图识别·任务编排·结果决策稳定性数字人·自主工作闭环2.自动定位数据治理与优化--:数字人的“血肉”和“第二大脑”知识库·一张懂业务和稳定性的网应用、中间件和云基础设施知识库·对象档案业务知识库·懂业务业务域全景业务知识业务映射现象对照业务语料流控降级规则应用档案告警规则什么算异常·告警等级应用、中间件和云基础设施知识库·对象档案业务知识库·懂业务业务域全景业务知识业务映射现象对照业务语料流控降级规则应用档案告警规则什么算异常·告警等级·告给谁接口清单风险治理方法稳定性属性专家经验中间件档案答疑知识云基础设施等级·ALB·网络·DNS·网关稳定性知识库·规则打法用户反馈现象定位业务域锁定应用·接口还原业务场景交给根因分析知识更全·更准识别与根因更准数据飞轮知识更全·更准识别与根因更准数据飞轮业务更愿意维护业务更愿意维护全量·自动抓取-知识自动同步入库，知识持续保鲜-不靠人肉整理，不会用错、不会过期链路·有标识、有规则-应用中间件业务域云基础设施-链路上的ALB·DNS·网关等全有标识、有规则粒度·到接口-每个接口：业务域·应用·等级·描述-描述越细，收敛定位越快沉淀·AgentCore-知识沉淀于AgentCore记忆与知识库-三层共享隔离产出一站式稳定性治理平台能力数据底座AgentCore底座长在阿里云AgentCore，风险进柳叶刀闭环产出一站式稳定性治理平台能力数据底座AgentCoreRuntime/SandboxSkill·MCP模型服务AgentLoop每10分钟重大隐患梳理定期巡检三步：判断→治理→演练验证每10分钟重大隐患梳理巡检总结卡·钉钉定时播报风险卡@值班初诊根因·证据链巡检总结卡·钉钉定时播报风险卡@值班初诊根因·证据链明细下钻明细下钻应急处置+RCASkillMCP模型服务AgentLoopMemory网关/PolicySkillMCP模型服务AgentLoopMemory网关/PolicyRuntime/Sandbox初诊报告·根因证据链风险卡@值班·应急按钮直达初诊报告·根因证据链风险卡@值班·应急按钮直达SkillMCPMemory模型服务AgentLoop网关/PolicySkillMCPMemory模型服务AgentLoop网关/PolicyRuntime/Sandbox边界效果边界效果1432先建两块地基——知识库×知识图谱；每一步取证、匹配、推导都由AgentCore撑住1432运行于AgentCore·主子协作·自动触发·手动可入逐级收窄·链路下钻业务归属根因结论业务归属根因结论:1.全量信号红盘/巡检异常/用户进线/告警——大屏实时监控·智能对话手动输入2.业务归属知识库推算：异常/进线归属哪些应用、哪些中间件，圈定业务范围3.范围收敛依据描述信息锁定接口；进线做共性分析（运营商/版本/地域/机型）1.全量信号红盘/巡检异常/用户进线/告警——大屏实时监控·智能对话手动输入2.业务归属知识库推算：异常/进线归属哪些应用、哪些中间件，圈定业务范围3.范围收敛依据描述信息锁定接口；进线做共性分析（运营商/版本/地域/机型）4.链路下钻知识图谱：应用中间件接口关联，自动追踪上下游调用链5.根因结论结合变更与指标证据，输出可解释、带证据链的根因覆盖范围地基与数据闭环①智能对话·主动巡检①智能对话·主动巡检·自助定位②根因大屏②根因大屏·会议室实时态势•背后能力：模型服务综合根因•背后能力：模型服务综合根因·MCP供数据面·会话全程可回溯•背后能力：AgentCore编排·MCP取证·模型服务诊断·轨迹可回溯异常/故障发生业务在线三阶段守护·低侵入SDK异常/故障发生业务在线三阶段守护·低侵入SDK常驻确定性目标收益--根因分析AgentRCA记录·根因大屏给出定位与建议SDK秒级感知决策中心选动作执行四动作四个自愈动作端上流量入口流量层网关知识图谱·全线贯通应用侧端上流量入口流量层网关知识图谱·全线贯通应用侧全在一张图谱能力演进·独当