Agentic Observability: Automated Alert Triage for Adobe E-Commerce
本文提出了一种部署在 Adobe 电商基础设施中的智能体观测框架，该框架采用 ReAct 范式自主执行告警分诊，通过动态日志分析和上下文感知型行动规划，在保持诊断准确性的同时，实现了平均洞察时间（MTTI）降低 90% 的成果。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，一个规模宏大、高速运转的电子商务商店（就像 Adobe 所运营的那样）就像一座巨大的、繁忙的城市。这座城市由数以千计微小的、相互连接的建筑（微服务）组成，它们不断进行通信以处理订单、管理订阅并展示产品。
在这座城市里，问题随时都在发生。水管可能爆裂，交通灯可能故障，或者电力可能会闪烁。在过去，当警报响起时，一名人类“消防员”（工程师）必须：
- 奔向警报现场。
- 拿取地图（日志）。
- 跑去五个不同的建筑检查它们的状态。
- 打电话给图书馆，查询该特定建筑的操作手册。
- 最后，弄清楚哪里坏了以及如何修复。
这个过程耗时很长（大约 18 到 33 分钟），而且消防员经常感到应接不暇，因为他们要同时处理太多的地图和工具。
新的解决方案：“超级侦探”团队
这篇论文介绍了一种被称为智能体可观测性（Agentic Observability）的新系统。请不要将其仅仅视为一个机器人，而是一个专门的侦探团队，他们在警报响起的一瞬间就会立即行动。他们不会等待人类指示去做什么；他们会立即投入战斗。
这个团队是如何构成的，我们可以使用一个简单的类比：
- “侦察兵”（Splunk Agent）： 一旦警报响起，这个智能体就会奔向现场。它从出错的具体位置抓取特定的“犯罪现场照片”（日志）。它会过滤掉噪音，并找到真正重要的线索（错误信息）。
- “侦探”（Tools Agent）： 这是行动的大脑。它观察侦察兵发现的线索。它会思考：“我们是不是刚改了水管？还是电网出问题了？”它会查阅城市的蓝图（运行手册/runbooks）和近期变更的历史（代码部署），以弄清楚为什么会发生这种情况。然后，它会制定一个分步修复计划。
- “质量控制官”（Reflection Agent）： 在团队向人类老板提交报告之前，这个智能体会对工作进行复核。它会自问：“我们漏掉了什么吗？这个解释合理吗？这个修复方案安全吗？”如果团队不是 100% 确定，它们会在尝试几次后停止，并告诉人类：“这是我们目前最好的猜测，但我们需要您的帮助。”
它是如何在现实中运作的
论文在测试这个团队时，针对了一个特定的问题：内容校验错误（Content Validation Errors）。想象这样一个场景：网站上的某个产品描述出现了拼写错误或格式损坏。在旧系统中，人类必须手动搜索数千行文本，以找到那个错别字，确定它是哪种语言版本，然后进行修复。每处理一个错误大约需要 13 分钟。
有了这个 AI 团队：
- 警报响起。
- 侦察兵瞬间提取出显示损坏文本的具体日志。
- 侦探弄清楚到底是哪个产品以及哪个语言版本损坏了，并找到错误的准确行号。
- 质量控制官检查发现的结果。
- 团队向人类工程师发送一条消息：“错误出现在法语版的‘夏季促销’横幅中，第 42 行。这是修复方案。”
人类工程师只需点击“应用”即可完成修复。整个过程 AI 团队仅用了约 1.8 分钟。
结果
论文声称，由于以下三个主要原因，这一新系统改变了游戏规则：
- 速度： 它将寻找问题的时间（平均调查时间/Mean Time to Insight）缩短了 90%。不再需要等待 18 分钟，答案在大约 2 分钟内就会送达。
- 准确性： 该 AI 团队在寻找正确原因方面的表现与专家级人类工程师不相上下（准确率约为 88%），但速度更快且更加一致。
- 减轻人类负担： 它自动化了人类原本需要手动执行的 65% 到 75% 的步骤。这意味着工程师可以将精力从寻找线索转向真正的修复城市。
局限性
论文坦诚地说明了其局限性。这个“超级侦探”团队的表现取决于它所能获取的信息。
- 如果“电话线路”（API）因为同时响起的警报过多而拥堵，团队的速度可能会变慢。
- 团队需要人类来教导它新建筑的规则（运行手册）。它无法凭空创造规则，只能遵循已被赋予的规则。
- 对于危险的操作（比如关闭主电源开关），仍然需要人类给出最终的“批准”，以确保安全。
总结
简而言之，这篇论文描述了一个将响应式监控（等待人类去弄清楚出了什么问题）转变为主动式推理（一个能在警报响起时立即调查、推理并提出修复方案的 AI 团队）的系统。它将人类的角色从“侦探”转变为“监督者”，从而使企业能够更快地从故障中恢复。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。