了解產(chǎn)品詳情請(qǐng)戳-->嘉為藍(lán)鯨告警中心

在數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)下，企業(yè)IT架構(gòu)向云原生演進(jìn)的過(guò)程中，技術(shù)棧的碎片化與組件的微服務(wù)化使得IT技術(shù)架構(gòu)復(fù)雜性指數(shù)級(jí)攀升。運(yùn)維人員不僅需要應(yīng)對(duì)云原生、微服務(wù)等新型架構(gòu)帶來(lái)的海量告警，還需掌握多云環(huán)境協(xié)同、國(guó)產(chǎn)化替代等領(lǐng)域技術(shù)，經(jīng)常需要花費(fèi)大量時(shí)間在告警分析和告警處理中，難以釋放更多時(shí)間創(chuàng)造更多價(jià)值。

近幾年，隨著生成式AI技術(shù)的突破性發(fā)展，從ChatGPT展現(xiàn)的通用智能到DeepSeek的火爆，無(wú)疑都彰顯出大模型在企業(yè)IT運(yùn)維中的巨大潛力。通過(guò)將大模型與企業(yè)告警治理的深度應(yīng)用，構(gòu)建基于自然語(yǔ)言交互的告警分析、告警處理、根因定位等能力，助力運(yùn)維模式從“人工經(jīng)驗(yàn)驅(qū)動(dòng)”向“AI主動(dòng)治理”升級(jí)。

作為企業(yè)運(yùn)維團(tuán)隊(duì)的得力助手，小鯨觀測(cè)助手結(jié)合內(nèi)置運(yùn)維知識(shí)庫(kù)與業(yè)界領(lǐng)先的大模型技術(shù)，集成對(duì)接 DeepSeek、ChatGPT、通義千問(wèn)等大模型，不僅可以協(xié)助處理日常運(yùn)維難題，還能夠幫助團(tuán)隊(duì)在告警治理過(guò)程中減輕負(fù)擔(dān)。以下是小鯨觀測(cè)助手在企業(yè)告警全生命周期管理中覆蓋的核心業(yè)務(wù)場(chǎng)景：

場(chǎng)景一：知識(shí)智能推薦，精準(zhǔn)解決告警難題

當(dāng)告警產(chǎn)生后，小鯨觀測(cè)助手依托告警中心的輔助分析能力，解析告警對(duì)象、告警名稱、告警內(nèi)容等關(guān)鍵信息。借助大模型、內(nèi)置運(yùn)維知識(shí)庫(kù)、RAG技術(shù)，推薦告警產(chǎn)生的原因及可能的解決方案。不僅如此，它還支持混合檢索，通過(guò)靈活調(diào)整向量檢索和文本檢索的權(quán)重，提高知識(shí)推薦的準(zhǔn)確率。

場(chǎng)景二： 智能聊天問(wèn)答，即時(shí)響應(yīng)運(yùn)維需求

在日常運(yùn)維工作中，您在頁(yè)面就能隨時(shí)喚醒小鯨觀測(cè)助手，與小鯨觀測(cè)助手進(jìn)行互動(dòng)交流。當(dāng)您在故障排查過(guò)程中，遇到看不懂的錯(cuò)誤日志時(shí)，可利用“劃詞問(wèn)答功能”選中日志中的關(guān)鍵內(nèi)容向小鯨觀測(cè)助手提問(wèn)。小鯨觀測(cè)助手即時(shí)提供專業(yè)解答，大幅提升故障排查效率。

場(chǎng)景三： 智能排障引導(dǎo)，全方位協(xié)助問(wèn)題排查

若推薦的知識(shí)未能解決問(wèn)題，小鯨觀測(cè)助手還能提供“智能引導(dǎo)式排查”。不僅能夠快速識(shí)別用戶操作意圖，而且能夠利用編排好的劇本、無(wú)縫鏈接CMDB、歷史變更記錄、歷史告警記錄、指標(biāo)數(shù)據(jù)、日志數(shù)據(jù)、調(diào)用鏈數(shù)據(jù)等多維度信息，引導(dǎo)運(yùn)維人員進(jìn)行復(fù)雜問(wèn)題的排查和處理，真正做到手把手教您排查問(wèn)題。

場(chǎng)景四： 智能告警治理，輕松應(yīng)對(duì)海量告警

在面對(duì)海量告警時(shí)，運(yùn)維人員常會(huì)陷入兩難，要么不知如何開(kāi)展告警治理，要么需投入大量人力進(jìn)行告警梳理和分析。小鯨觀測(cè)助手通過(guò)對(duì)告警數(shù)據(jù)的統(tǒng)計(jì)分析，幫助找出那些高頻出現(xiàn)的告警，結(jié)合內(nèi)置運(yùn)維知識(shí)庫(kù)中的最佳實(shí)踐經(jīng)驗(yàn)，為運(yùn)維人員提供針對(duì)性的原因分析及優(yōu)化建議，讓原本棘手的告警治理工作變得輕松高效。

場(chǎng)景五：告警策略優(yōu)化，實(shí)現(xiàn)告警壓縮降噪

在告警治理過(guò)程中，面對(duì)高頻告警、誤報(bào)以及漏報(bào)等難題。小鯨觀測(cè)助手可對(duì)各類告警事件展開(kāi)分析。以磁盤 I/O 使用率告警這一高頻出現(xiàn)的告警為例，能夠快速識(shí)別出告警數(shù)量過(guò)多的問(wèn)題和產(chǎn)生原因，并依托內(nèi)置的運(yùn)維知識(shí)庫(kù)的經(jīng)驗(yàn)，給出告警閾值配置的最佳實(shí)踐以及相關(guān)優(yōu)化建議。

以上場(chǎng)景僅僅是告警治理中的一部分助力，借助大模型能力，實(shí)現(xiàn)場(chǎng)景不斷挖掘，可持續(xù)賦能整個(gè)告警全生命周期管理過(guò)程。