观测云正式发布企业级可观测智能体 AI Agent Teams

一条告警进入值班群，显示 checkout-api 错误率升高。

接下来，值班工程师打开仪表板确认趋势，去日志里翻找异常，再从 Trace 追到下游服务。有人核对发布记录，有人评估业务影响，还有人把散落在几个页面里的截图发到群里。二十分钟后，团队排除了三种可能，但这些判断仍然留在不同人的浏览器、终端和聊天记录里，没有汇聚成一个结论。

可观测平台已经解决了"让信号相遇"的问题，但在 AI 时代，这还远远不够。

今天，我们正式发布企业级可观测智能体团队——Guance AI Agent Teams。

现在，任何人都能通过几次点击，雇佣一支 7×24 小时 on-call 的 AI 工程师团队，你只需要发布指令，它就可以 7×24 持续工作。观测云智能体团队从告警、仪表板或具体问题出发，调用并深度分析指标、日志、链路、事件、应用性能、用户体验、基础设施等 PB 级系统数据。当统一目录和笔记知识库通过查询工具或 Skill 接入任务后，Agent 还能结合系统的业务关系与历史经验继续调查。它也可以进入飞书、钉钉等协作渠道，与人类工程师并肩判断，在明确的权限边界内推进任务。

简单来说，它大幅减轻工程师负担，把"看见问题"之后的大量工作接过来，让系统更快回归正常。

当软件开始以新的速度产生

每个时代都有一种改变生产方式的新材料。钢铁让城市超越砖石，半导体让计算走进几乎所有行业。现在，AI 带来了一种新的供给：可以持续工作的智能体工程师。

最先发生变化的是软件开发。一个想法可以很快变成代码，过去需要数周的内部工具，现在可能一天上线。

但只要应用开始连接数据库、调用外部服务、处理用户请求，它就进入了真实的生产世界。流量会变化，依赖会超时，生成时看似合理的代码会遇到从未出现过的输入。软件生产越快，需要被理解和维护的在线系统就越多。

更多 AI Agent 正在进入这个世界，进入企业的日常生产。它们读取数据、调用工具、参与业务流程、执行操作。系统里的行动者不再只有人。企业不仅要知道服务是否健康，还要知道 Agent 调用了什么工具、为什么做出某个判断、采取了什么行动、结果是否符合预期。

这让可观测性有了新的位置。

过去，它帮助人类理解系统。现在，它还要作为人与 AI 智能体共同消费的统一事实来源，为 AI 提供精准决策所需的可信上下文数据和知识拓扑，同时观测企业生产环境里智能体每分每秒的行为变化（Agent Behaviour Analysis）。

一边让 AI 看懂生产系统，一边让企业看懂 AI。

这就是我们构建 Guance AI Agent Teams 的发心。

释放 Agent Teams 的完整能力，观测云已就绪。

请先接入数据

无论你在用什么智能体，100% 会先丢给它网页、PDF 或其他资料——你知道，不给足够信息，它无法解决问题。观测云 AI Agent Teams 也一样。我们现已支持集成 650+ 主流技术栈与云服务，安全合规、高性价比的海量数据留存和治理，所以无论你想用什么企业级 AI 智能体，请先接入并管理你的所有数据。

真实运行数据，是 Agent 的事实层。但只有事实还不够。

让业务意图重塑零散数据

你的系统里，"资产表"在 APM 里一张，云厂商控制台里一张，CMDB 里可能还有三张。它们彼此不互通，字段不一致，连同一个服务都可能写成 order-service、order_service 和 OrderSvc。

没有语义，智能体面对海量零散、毫无关联的数据信号也无从下手。

这是我们持续探索 Observability-Driven Development（观测驱动开发）的原因。

设计一个功能时，我们需要先回答：它为什么存在？是不是关键路径？目标 SLO 是什么？依赖哪些系统？失败会影响谁？修复后，用什么信号确认它真的恢复？

Context Schema 是我们正在探索的一种表达方式。它不替代真实运行数据，却给 Agent 一组重要的判断前提。

有了这些信息，AI 智能体看到的就不再只是"某个接口变慢"，而是"一个影响下单的关键步骤正在偏离目标"。

于是我们有了统一目录（Unified Catalog），它要让工程师和智能体用同一套坐标理解系统：这里有什么服务、主机、数据库、队列和云资源，归哪个团队负责，彼此如何依赖，属于哪一个业务系统。

Unified Catalog 汇集自动发现、DataKit、云资产以及团队维护的实体信息。依赖关系进入依赖视图，归属关系进入层级视图；Owner、联系方式、相关链接和已配置的观测入口，让每个实体不再只是一个名字。

举个例子，当 Agent 获得目录中 order-service 对 Redis 和库存服务的依赖关系，它就不必从所有信号里盲目搜索；当团队和联系方式被维护清楚，分析结果也有了明确的交接对象。

传统架构图画完很快过期。Unified Catalog 更像一张随采集结果、关系数据和团队维护持续更新的业务地图。

人负责说清什么重要，AI 才有机会把注意力用在正确的地方。

请持续沉淀你的可观测系统知识库

你刚花一小时解决了一个 Redis 故障。三个月前，一模一样的问题。上次排障记录？在某个同事的本地 Markdown 里，文件名大概是 redis-issue-202603-final-v2-really-final.md。你 @ 他，他没回，所以重新排查了一遍。

这就是知识的流失。现在不只人会重复排查，Agent 也会在缺少记忆时"重新学习"同一个问题。

观测云笔记承担的是可观测数据基础设施里的知识层。

它的业务标签不是一个宽泛的 #redis，而是精确关联到 service、host、dashboard、database 等业务对象。一篇绑定 service: frontend-proxy 的排障记录，会成为这个服务可被后续检索的历史经验。

图表块保留查询逻辑和展示配置。复盘时，团队看到的不只是一句"当时是 Redis 的问题"，还能知道沿着什么查询路径得出结论；在相关数据仍可查询时，也能重新复核同一组条件。

笔记可以先作为个人排查的中间产物，确认后共享给工作空间。它能区分人工与 AI 创建来源，并在多人编辑发生版本冲突时给出提示。

人类工程师把经过验证的处置经验写进笔记；Obsy AI Copilot 可以把已形成结论的分析整理成结构化笔记，交给人确认和编辑；当笔记检索能力被接入 Agent 任务，这些内容就可以按业务对象和标签成为下一次调查的长期上下文。

笔记保存"过去发生过什么"，Skill 固化"这类问题应该怎样处理"，任务洞察记录"这一件任务已经查到了哪里"。它们承担不同层次的记忆，却共同解决同一个问题：让有价值的经验不再停留在某个人的浏览器和聊天记录里。

观测云笔记知识库让团队和 Agent 的下一次判断，不必再从一张白纸开始。我们对观测 AI 智能体的设定，就是不断自我进化。

现在，接入你的海量实时观测数据保证了数据齐全，统一目录进一步治理，回答了"这些数据在系统里是谁、与谁有关、归谁负责、为什么重要、怎样才算恢复"，笔记与 Skill 则解决了"团队过去如何处理、这类问题应该怎样推进"。

上下文俱备，只欠智能体。

一切就绪！认识你的两个智能体同事

在观测云里，Obsy AI Copilot 和 Guance AI Agent Teams 负责同一条工作链路的不同阶段。

当人正在观测云页面查看仪表板、日志、Trace、RUM 或告警时，Copilot 会带上当前对象、查询语句、筛选条件和时间范围，直接从眼前的现场开始分析。用户不用先复制一堆数据，再到另一个空白聊天框里重新解释。

但 Copilot 无法 7×24 为你工作。如果一个问题需要持续调查、跨团队协作，Guance AI Agent Teams 会把它作为一个有目标、有过程、有状态的任务持续推进。它按需加载管理员审批过的 Skill，通过 Owl CLI 或 MCP 查询接入的真实数据和已定义的语义，持续安全地推进并解决问题，然后给出复盘报告。

无论是 Copilot 还是 Guance AI Agent Teams，智能体的行动边界必须最先考虑。只读和最小权限是起点；被策略识别为 Dangerous 的调用进入审批；被标记为 Panic 的调用由 Runtime 直接拒绝；非 Root、最小权限和环境隔离构成最终安全边界。最终任何执行都必须回到生产信号，持续验证结果。

Copilot 像坐在你旁边的副驾驶，知道你此刻在看什么，并帮你解决问题。Guance AI Agent Teams 更像一支接过任务的工程团队，你只需要发布指令，它就可以 7×24 持续工作——关键决策等待你的批准，与人和智能体协作，调用需要的工具，直到问题解决，然后定时 review 之前的改动。

当观测 AI 智能体团队进入生产，自己也必须被观测

观测云 Agent 监测把 Session、Trace、Span、模型调用、工具执行、Skill 调用、Token 和风险信号放回同一个分析视角。团队可以判断到底是模型慢、工具慢、检索慢，还是某一步反复重试；也能知道哪些任务频繁触发高风险动作或审批。

无论你用的是 Codex、Hermes、OpenClaw 还是我们的智能体，都已经全面支持。

当一次判断不够准确时，团队也可以沿着这条运行链路追问：是数据缺失，实体关系没有维护，历史经验已经过期，Skill 需要调整，还是模型与工具在某一步失败。智能体可以带着修正后的目录、知识和方法，再进入下一次任务。

这样我们可以从观测 Agent，理解 Agent，最后到改进 Agent。

可观测性的终点，是对系统的理解

观测云 AI 智能体团队的所有逻辑已经完整闭环：

ODD 提前定义业务意图 → Unified Catalog 组织实体、关系和责任 → 指标、日志、Trace、RUM 与事件记录真实运行 → Copilot 带入当前页面上下文，辅助人类解决问题 → Agent Teams 建立任务、调用 Skill 和工具，在后台 7×24 安全推进需求解决 → 必要时请求审批并执行受控动作 → 用生产信号验证结果 → 经人确认把经验沉淀为笔记或方法 → Agent 监测持续记录质量、成本和风险

团队再根据这些监测结果调整 Skill、工具和权限，把经过验证的新结论补回笔记、统一目录。下一次任务因此拥有更好的上下文，和更强的智能体。

观测云帮助企业把分散的系统信号转化为可信上下文，帮助人和 AI 智能体在复杂业务系统中共同理解、分析和行动。我们以 AI 为能力，以人为尺度，以品味构建可靠技术，致力于让数据成为 AI 时代人和智能体的共同语言。

今天，Guance AI Agent Teams 正式发布。欢迎访问观测云官网体验。