云观秋毫

AI 辅助编程越来越普及，但我在真实生产修复中发现一个普遍问题：AI 很容易给出技术上正确、却违背架构意图的局部最优解。...

AI Coding工具已渗透开发者日常，但未显著缩短开发周期，仅将时间开销转移至代码验证与提示词工程。其生成的“似是而非”代码增加调试负担，还存在质量、认知负荷等问题。文章...

我们的 AI SRE 智能体 Syncause 致力于通过AI技术提升故障诊断效率。前几天，我们发布了根因分析场景的准确率测试结果。在Train Ticket微服务系统的根...

在最新的 Train Ticket 微服务系统根因分析测试中，Syncause 根因分析准确率（AC@3）达到 96.67% —— 在同类测试场景中，这一数字是目前能公开复...

行业内的项目正在探索自动化根因分析的技术路径：通过向模型输入来自分布式系统的metrics、trace由模型推断“哪个主机、哪个服务、哪条调用链”最可能是故障根源。...

在可观测性领域，我们始终在追问一个问题：当系统出故障时，为什么定位和恢复还要这么复杂、这么慢？ 我们从一开始就在做一件事——降低产品使用门槛，让你在最紧急的时刻，能用最快的...

本次 APO v1.12 版本更新带来了以下功能优化和问题修复： 更新日志 ⚠️ 兼容性提示 本次 apo-one-agent 的版本更新中对 ilogtail进行了升级...

本次 APO v1.10.0 版本更新带来了以下新功能和问题修复： 更新日志 ⚠️ 兼容性提示 本版本新增了集群标识，用于支持按集群隔离采集数据。升级后： 旧数据将归属到“...

背景 在当前AIOps领域，主流做法多集中在围绕 Trace、Log、Metrics 的机器学习建模与关联挖掘，寄希望于在复杂数据中“找出”故障根因。...

本次 APO v1.9.0 版本更新带来了以下新功能和问题修复： 更新日志 新增功能 新增告警事件筛选功能，帮助用户更高效地定位关键信息，同时优化告警详情的描述内容，使信息...

本次 APO v1.8.0 版本更新带来了以下新功能和问题修复： 更新日志 新增功能 主题切换功能：新增暗黑模式与明亮模式切换，用户可根据个人偏好调整界面风格，提升使用体验...

本次 APO v1.7.0 版本更新带来了以下新功能和问题修复： 更新日志 新增功能 （企业版）告警分析：在大模型根因分析过程中展示匹配的真实数据，增强推理的可解释性 （企...

当今云原生和微服务盛行的时代，分布式系统的复杂性与日俱增。保障系统稳定性、快速进行故障诊断成为了运维和开发团队面临的核心挑战。...

本次 APO v1.6.0 版本更新带来了以下内容。注意本次更新存在破坏性变更，请参考官网的“安装手册”-“版本升级手册”进行升级。 更新日志 ⚠️破坏性变更 使用 PV ...

APO 1.5.0版本全新推出的智能体工作流功能，让运维经验不再零散！只需将日常的运维操作和故障排查经验转化为标准化流程，就能一键复用，效率翻倍，从此告别重复劳动，把时间留...

Agentic workflow（工作流）：你的经验，Agents的灵魂 本次更新带来了专为可观测性系统设计的Agentic工作流编排功能。...

Docker通过封装程序执行类库引爆了云原生技术革命，我们相信在人工智能时代，数据结合经验知识封装而成的Agentic workflow将引爆可观测性革命。...

本次更新，APO 为大家带来了“团队”和“数据组”两个概念，让数据管理和团队协作变得更加简单和高效。现在，您可以轻松地将用户组织成不同的团队，并且为每个团队或用户设置个性化...

云观秋毫是一家在可观测性领域帮助用户落地IT故障根因分析的初创企业。产品最开始使用传统的规则引擎来实现分析规则的执行，但是存在可解释性和定制化差等问题，所以2024年我们探...

可观测性数据的关联方式及其优缺点 随着现代分布式架构和微服务的普及，可观测性（Observability）已经成为确保系统健康、排查故障、优化性能的重要组成部分。...