课程简介

智能体接管运维，对企业意义重大。可极致提效与成本重构、打破经验壁垒和知识固化、提升业务稳定性和连续性、驱动组织进化。也是主动治理规模化的确定性走向。

面对大数据集群 CPU 核数达数百万核级、由数百个集群组成,承载 Spark 、 Flink 、ClickHouse 、 Doris 等多种数据生产、分析引擎。在这样的规模与复杂度下，一次故障往往横跨多系统多组件，定位难度依赖少数资深专家的跨系统协作：问题隐蔽、链路冗长 、经验难以复制。大模型让 AIOps 进入自主运维阶段，但多数实践仍停留在"诊断"侧：能给出根因，却难以自主行动，诊断与执行的割裂让恢复效率难破人工天花板。

本次分享围绕"从根因到行动"构建闭环：由报警、故障被动触发，或预测性检查主动识别灰色故障，触发根因分析；基于根因结论驱动 Agent 闭环执行，执行经验持续沉淀、反哺自我进化。其中贯穿四个关键：预测性检查实现主动干预； 根因分析须可解释、可行动、可预防，方能推理出可信动作并杜绝复发； 闭环执行坚持人在环路上的审批与检验； 经验沉淀驱动能力持续进化。为与会者带来系统阐述这一诊断执行一体化闭环的设计理念与工程路径。

课程收益

目标：

1、为正在推进 AIOps 落地的团队,提供一条从"AI 辅助诊断"迈向"Agent 自主闭环" 的可行路径 。

2、帮助同行看清当前 AIOps 普遍卡在"诊断到执行最后一公里" 的关键症结,理解如何在大规模、高复杂度的基础设施上,让运维 Agent 真正闭环地解决问题,而非停留在"能诊断" 的演示阶段。

成功要点：

1、根因分析的质量是闭环的前提:执行动作能否可信地推理出来, 取决于根因结论是否做到可解释、可行动、可预防——把标准定在这里, 才能让下游执行既准确又能杜绝复发；

2、闭环执行必须有安全边界:坚持"人在环路上" 的审批与检验机制,是 Agent 敢于自主行动、又不失控的关键,渐进放权比一步到位更可靠；

3、从被动到主动的诊断前置: 引入预测性检查主动识别灰色故障, 把干预时机提前,是突破"被动救火" 的核心杠杆；

4、让系统具备自我进化能力:通过每次处置的经验沉淀反哺能力迭 代,是运维体系对抗知识断层、持续增值的根本。

启示：

通过获得"诊断 → 决策 → 执行"一体化闭环的整体设计思路与方法论，可掌握根因分析"可解释、可行动、可预防"三大标准,及其对下游自主执 行的支撑作用，利于理解"人在环路上" 的协作机制设计,在效率与安全之间取得平衡，以此来借鉴预测性诊断的前置思路,推动运维从被动响应转向主动干预，帮助与会者看到 AI 对 SRE 组织形态的深层重塑:从"亲手操作" 向"监督治理"转变。

受众人群

运维工程师，软件研发开发者，DevOps负责人，SRE负责人，工程效能负责人，架构师，资深研发工程师以及其他对运维感兴趣的从业者。

课程周期

    0.5天（3H） 

课程大纲