摘要：2025年7月23日，由中國通信標準化協(xié)會主辦的 “2025可信云大會” 在京舉行，《運維智能體（SRE AGENT）能力要求》標準正式發(fā)布，杭州乘云數(shù)字作為運維智能體及可觀測領域領導者，重點參與了本次報告的編寫。
2025年12月23日，由中國通信標準化協(xié)會主辦、中國信通院承辦的 “2025可信云大會-軟件工程智能化分論壇” 在北京中關村國家自主創(chuàng)新示范區(qū)會議中心舉行，《運維智能體（SRE AGENT）能力要求》正式發(fā)布。杭州乘云數(shù)字作為可觀測性領域領導者，重點參與了本次報告的編寫。該標準參與編寫單位包括：中國信息通信研究院、移動云、華為云、螞蟻、農業(yè)銀行、杭州乘云數(shù)字、小米、神州靈云、農商銀行、中電普華、百度、恒為科技、福建移動、宜通衡睿、銀信、長三角數(shù)鏈。本標準文件由云計算開源產業(yè)聯(lián)盟提出并歸口。
報告介紹
隨著AI技術、運維自動化能力的不斷發(fā)展，基于智能體的運維能力作為一種高效、自主的新型運維工具，能夠實現(xiàn)更智能的資源調度、自動化運維和精準的故障預測，從而降低運營成本并提高系統(tǒng)穩(wěn)定性。
本標準規(guī)范了在開展運維智能體建設或度量時，如何指導運維場景應用、協(xié)同能力構建、智能體能力建設和基智能體底座建設。
本標準規(guī)范了在開展運維智能體建設或度量時，如何指導運維場景應用、協(xié)同能力構建、智能體能力建設和基智能體底座建設。
本標準同時適用于服務商提供的運維智能體服務和運維智能體軟件產品，即面向公共用戶提供的運維智能體服務和私有環(huán)境下的軟件產品或解決方案;依據(jù)交付形式的差異，本標準針對不同的使用場景其技術指標要求略有不同。
圖1 運維智能體（SRE Agent）技術分級能力要求框架圖
該架構以?場景需求為牽引??，通過協(xié)同層打通系統(tǒng)壁壘，以智能體層的感知-決策-行動閉環(huán)為核心能力載體，最終由底座提供工程化支撐。四層能力環(huán)環(huán)相扣，既明確了技術能力邊界，又強調實際落地場景的適配性，為企業(yè)構建智能運維體系提供清晰的模塊化建設路徑。
- 運維場景層（頂層）?
覆蓋智能體服務的核心業(yè)務場景，包含：
? ?流程管理??：自動化運維流程執(zhí)行
? ?變更管理??：系統(tǒng)變更的智能化控制
? ?故障管理??：異常檢測、根因定位與自愈
? ?風險管理??：預判性監(jiān)控與容錯控制
? ?運維管理??：資源調度與配置優(yōu)化
定位：直接對接企業(yè)實際運維需求，定義智能體價值出口。 - 協(xié)同能力層（承上啟下）?
支撐智能體在復雜環(huán)境中的協(xié)作能力：
? ?多智能體協(xié)同??：集群任務分配與聯(lián)動作業(yè)
? ?跨系統(tǒng)協(xié)同??：對接CMDB、監(jiān)控系統(tǒng)等第三方平臺
? ?智能體安全??：數(shù)據(jù)加密、權限控制與行為審計
定位：破除系統(tǒng)孤島，確保人-機-系統(tǒng)安全交互。 - 智能體層（核心技術層，橫向三模塊）?
? ?感知能力??：
- ?運維數(shù)據(jù)??（指標/日志/鏈路）
- ?環(huán)境數(shù)據(jù)??（硬件狀態(tài)/網絡拓撲）
- ?交互數(shù)據(jù)??（用戶指令/反饋）
（注：多源數(shù)據(jù)融合感知）
? ?控制能力??：
- ?信息理解??：數(shù)據(jù)語義解析與特征提取
- ?記憶能力??：知識圖譜構建與經驗存儲
- ?計劃能力??：任務拆解與決策路徑生成
? ?行動能力??：
- 自動執(zhí)行修復、擴縮容等物理操作
- 支持工單生成、告警通知等人機協(xié)同 - 智能體底座（基礎設施）?
? ?模型接入??：兼容AI大模型與專業(yè)算法引擎
? ?軟件質量??：高可用架構與性能保障
? ?自維護??：智能體自監(jiān)控、自升級與故障隔離
作為?國內首個聚焦SRE Agent的專項能力標準??，該報告具有三大核心價值：
- 統(tǒng)一規(guī)則：? 為產品開發(fā)與評估提供清晰依據(jù)，規(guī)范市場秩序。
- 賦能企業(yè)：? 指導企業(yè)高效選型和建設SRE Agent能力，提升運維智能化水平。
- 引領發(fā)展：? 樹立行業(yè)技術標桿，加速智能運維技術成熟與應用創(chuàng)新。
篇章預覽：
| 5.3.2故障定位 描述:故障定位是指故障發(fā)生以后能夠采取多種手段找到問題原因。一般故障定位能力分為現(xiàn)象定位、對象定位、原因定位三種。智能體應該與企業(yè)當前故障定位能力結合，在故障處理過程中通過大模型能力快速判斷、整合，從而提升故障定位效率。 1級：應具備故障現(xiàn)象定位能力，通過現(xiàn)象關聯(lián)分析，實現(xiàn)故障初步定位及影響范圍識別。 2級： a) 智能體應具備故障對象定位能力。以及部分故障原因定位能力。 b) 智能體應具備結合多源數(shù)據(jù)進行多維度根因分析的能力。 3級：智能體應具備精準分析故障原因與趨勢，輸出處置預測報告的能力 |
乘云數(shù)字運維智能體介紹
乘云數(shù)字，作為數(shù)字化可觀測性領域的領軍企業(yè)，持續(xù)專注于可觀測性、現(xiàn)代AIOps、數(shù)字化經營等先進產品與技術的研究與應用，深入自主研發(fā)，聚焦解決國內企業(yè)全面上云帶來的數(shù)字化運維、數(shù)字化經營的全新挑戰(zhàn)。
憑借在領域的技術創(chuàng)新與行業(yè)領跑實力，乘云數(shù)字被評選為 “國家高新技術企業(yè)”、“浙江省專精特新企業(yè)”、“浙江省科技型企業(yè)”，并連續(xù)獲得多輪融資。
乘云數(shù)字運維智能體引擎，結合預測性、因果關系和生成式 AI，能夠實現(xiàn)分鐘級的根因定位，利用大模型生成精準的處建建議，并可在問題對客戶造成影響之前進行預測。
憑借在領域的技術創(chuàng)新與行業(yè)領跑實力，乘云數(shù)字被評選為 “國家高新技術企業(yè)”、“浙江省專精特新企業(yè)”、“浙江省科技型企業(yè)”，并連續(xù)獲得多輪融資。
乘云數(shù)字運維智能體引擎，結合預測性、因果關系和生成式 AI，能夠實現(xiàn)分鐘級的根因定位，利用大模型生成精準的處建建議，并可在問題對客戶造成影響之前進行預測。
預測AI ：融合機器學習與多模態(tài)數(shù)據(jù)分析，實時處理指標、日志、追蹤等運維數(shù)據(jù)，構建動態(tài)基線，提前預警潛在故障（如資源瓶頸、性能衰退），并定位根因、提供修復建議。通過仿真推演與智能決策，優(yōu)化資源規(guī)劃與發(fā)布策略，降低故障率，推動運維從“被動響應”邁向“主動預防”的價值驅動模式。
因果AI ：分析指標、日志、追蹤等數(shù)據(jù)間的因果關系，精準定位故障根因（如配置錯誤、依賴故障），區(qū)分直接與間接誘因，減少誤報。通過回溯故障傳播路徑、量化影響并推薦修復方案，助力運維從“經驗猜測”轉向“因果可解釋”的精準決策，提升故障處理效率與系統(tǒng)穩(wěn)定性。
生成式AI ：結合大語言模型（LLM）與知識圖譜，實現(xiàn)基于自然語言的查詢分析、報告生成、數(shù)據(jù)可視化等能力。通過沉淀歷史經驗和專家知識，推動運維自動化與知識高效復用，提升故障處理與系統(tǒng)優(yōu)化效率。
具體實現(xiàn)效果可參考閱讀以下內容：
databuff與dynatrace 的智能體故障定位能力對比 https://databuff.com/resourceDetail/blog101
評論