专题演讲嘉宾：张颖莹

异常处置包含异常发现、问题定界和根因定位等环节，一个高效的异常处置流程对于保障平台的稳定性起到至关重要的作用。然而平台本身的复杂度以及海量的多元异构数据给异常处置带来了巨大的挑战，大模型等 AI 技术的演进则为应对这些挑战提供了新的思路。本次演讲将从阿里云计算平台的运维场景出发，分享从异常发现到问题定界和根因定位各环节的算法选型和设计思路，包括通用的时间序列异常检测、高效的日志聚类和精准的多 Agent 根因定位框架。

演讲提纲

1. 阿里云大数据运维背景

• 阿里云大数据 & AI 平台介绍
• 异常处置面临的核心挑战

2. 通用异常发现和定界

• 通用时间序列异常检测
• 基于下钻和日志聚类的问题定界

3. 多 Agent 根因定位框架

• Agent 角色设定
• 工具箱建设
• 多 Agent 工作流编排

4. 通用异常处置平台构建

• 大模型应用部署框架
• 异常处置平台建设
• 线上应用效果

5. 总结和展望

您认为，这样的技术在实践过程中有哪些痛点？

大模型多 Agent 框架中，用工具的方式整合了算法小模型和运维业务分析工具，这些工具本身的性能和精度，对于大模型最终的推断效果起到关键作用。同时多 Agent 框架本质上实现了复杂任务的拆解，相较于单 Agent 框架会进行更多次的推理，适用于较复杂的平台

演讲亮点

• 异常发现部分的算法设计充分考虑了运维场景中关注典型异常类型，具备通用性和高性能。相关论文被顶会 SIGMOD/KDD 等接收。同时利用问题定界能力对异常发现结果进行过滤，可以实现有效的告警降噪
• 根因定位部分采用的大模型多 Agent 框架，基于平台模块进行 Agent 角色的设定，可以模拟出现实世界中不同模块专家协同定位的场景， 同时在每个 Agent 内部整合了算法小模型和运维业务分析工具，增强了结果的可靠性

听众收益

• 通过阿里云计算平台的实践经验和案例，听众可以了解在 AI 如何赋能运维场景中非常核心的异常处置流程
• 本次分享介绍的算法框架，已经被国际顶会接收，具备技术前沿性，通过分享观众可以了解框架的技术细节
• 通过未来展望，听众可以了解智能运维未来发展的趋势和需要攻破的难题