观测 AI 智能体入职指南
这是一篇观测 AI 智能体团队的详细入职指南。只需要跟着步骤走，5 分钟后，你的第一位可观测智能体队友即可正式上岗！随时准备接活。
01 开始前，先做一些准备
第一，确认你是当前工作空间的 Owner 或管理员。只有这两类成员可以创建 Agent。
第二，准备一个让 Agent 长期运行的环境。最简单的是团队自己管理的一台 Linux 主机或虚拟机；你的 AI智能体同事也可以部署在 Docker 或 Kubernetes 中。
温馨提醒：稍后页面生成的安装命令中带有这位 Agent 的专属连接凭证。不要把它复制到群聊、公开文档、代码仓库或产品截图里。
准备好了，我们开始。
02 进入 Agent Teams，选择你的第一位队友
打开观测云工作台，点击右上角 Obsy AI 打开侧边栏，进入 Obsy Agent Teams。
如果这是你的第一次，页面会显示「暂无智能体」。点击右上角「新建 Agent」，
新建页面提供了三种开始方式：
- 已经知道自己需要什么，可以在顶部输入框中直接描述；
想快速开始，可以选择一个预设；
你会看到系统已经为你准备好了几位「预设员工」（仅空间拥有者和管理员可以创建 Agent）：
- 可观测领航员： 通用型选手，适合作为团队的第一入口。它能理解指标、日志、链路、RUM、Dashboard 和业务指标，帮不同角色（SRE、研发、产品、技术管理者）快速定位问题。
- 故障响应专家： 面向生产环境的一线响应 Agent，专攻告警、故障事实整理、影响面判断和恢复验证。
- 云成本顾问： 聚焦云资源成本治理，结合可观测数据与账单，识别可优化空间。
...
对于绝大多数团队，「可观测领航员」是最佳起点。它覆盖面广，边界清晰，且默认只读优先、证据优先、风险透明——不会擅自执行生产变更，也不会替代你做最终决策。
在这篇教程里，让我们点击并选择它。
03 定义身份与边界：让它知道「我是谁，我能做什么」
这是最关键的一步，也是观测云 Agent Teams 与其他 AI 工具最大的不同：你的 Agent 不是黑盒，它的性格、能力边界和权限模型，完全由你定义。
在配置页，你会看到两个标签页：身份定义与行为边界。
身份定义
身份定义用于告诉 Agent “你是谁、你服务谁、你应该怎样表达”。它会影响 Agent 的协作风格。
建议包含以下内容：
- 核心身份：Agent 的岗位或角色；
- 服务对象：主要帮助哪些团队或成员；
- 典型工作场景：适合交给它处理的任务；
- 输出习惯：回复时使用清单、结论、步骤、风险提示还是报告形式。
系统已经预填了「可观测领航员」的核心身份：
我是运行在可观测平台中的通用型智能员工。我的职责是帮助团队用自然语言理解复杂系统：把散落在指标、日志、链路追踪、事件、用户体验数据、Dashboard、发布记录和业务指标里的线索，整理成清晰、可信、可行动的判断...
你可以直接采用这段预设，也可以根据团队语境微调。比如，如果你希望它更聚焦在基础设施层面，可以在描述中强调「主机、容器、K8s 集群」；如果面向业务团队，可以多提及「业务指标、转化漏斗、用户路径」。
行为边界
行为边界用于告诉 Agent 哪些事可以直接做，哪些事必须谨慎，哪些事不能做。建议至少写清楚以下三类边界：
- 可以直接做：只读查询、整理资料、生成报告、总结风险；
- 需要确认或审批：修改配置、执行发布、删除资源、发送对外通知；
- 不允许做：绕过审批、访问未授权数据、泄露密钥、编造证据。
示例：
可以执行：
- 查询和总结已授权的数据。
- 整理问题线索、风险清单和下一步建议。
- 生成报告、测试用例或复盘草稿。
需要人工确认：
- 修改生产配置。
- 执行发布、回滚、扩缩容或删除资源。
- 对外发送正式结论或客户通知。
禁止执行：
- 访问未授权数据。
- 泄露密钥、凭证、客户隐私或内部敏感信息。
- 在证据不足时编造结论。
建议：第一次配置时，保持默认边界不变。只读优先是最安全的起点。等你和这位队友磨合完毕，再逐步开放更高权限。
配置完成后，点击「下一步」。
04 部署：让它在你的工作空间找到工位
观测云 Agent Teams 采用自托管运行模式。这意味着 Agent 的运行环境部署在你的自有基础设施内，由你的团队统一管理网络、权限与运行依赖。数据不出境，安全可控。
在「部署方式」页面，点击「确认创建」。
系统会弹出确认框，提示你：
确认后将创建 Agent，并生成自托管安装命令。相关使用将按工作空间计费规则处理。
确认后，Agent 创建成功。你会进入「安装 Agent 运行服务」页面，看到一段专属的安装命令：
curl -fsSL https://static.guance.com/obs-agent/self-host-install.sh | sudo bash -s -- \
--agent-id agent_xxxxxxxxxxxxxxx \
--agent-api-key default.xxxxxxxxxxxxxxx \
--beak-endpoint https://agent-api.guance.com
这段命令包含三个关键参数：
--agent-id：该 Agent 在全球的唯一标识--agent-api-key：接入工作空间的访问凭证--beak-endpoint：观测云 Agent 接入网关地址
复制这段命令，在目标主机或虚拟机中执行。 如果你希望在 Docker 和 Kubernetes 中安装 obs-agent ，请参阅我们的文档：https://docs.guance.com/agent-teams/obs-agent-container-install/ ，同时我们建议你开启 Agent 自观测采集，以随时监控你 Agent 的活动情况。
如果中途不小心退出流程，还未执行指令，你可以通过点击智能体头像打开 Profile，下滑重新找到安装指令。
在整个智能体安装流程中，状态会显示为“创建中...”，请尽快完成安装流程。
安装完成后，Agent 将自动连接当前工作区，状态变为「在线」。
小提示：如果你想使用本地端侧智能体如codex，claude code 等调用和操作 Guance AI Agent Teams，可以前往「个人配置 > 开发工具」，获取
obs-cli和obs-mcp的详细安装指令。
05 你的队友已经就位！
当 Agent 状态显示为「在线」，点击「打开工作台」，你会进入对话界面。
页面中央显示：
我能为你做什么？
下方输入框支持三种交互方式：
- 输入 / 选择技能： 调用当前 Agent 已启用的 Skill，帮助 Agent 更准确地理解并执行任务。
- 输入 @ 引用资源： 引用工作空间中的仪表板、服务、应用、主机和容器等资源，让 AI 更有针对性地执行任务。
- 直接提问： 像和同事说话一样描述任务或提问。
你的第一位队友已经默认掌握了几项内置技能：
- 会话笔记：将对话总结为结构化的 Studio Notebook V2 笔记
- 根因分析：基于 Owl/Guance 因果分析能力，处理 RCA 请求
- 诊断分析：调用 Owl CLI 进行可观测性诊断
- 账单分析：分析观测云账单数据
- 表格 / PDF / 文档 / 文件系统：安全地读取和处理本地文件
如果你需要扩展能力，可以前往「配置 > 技能」或「配置 > MCP 服务」，从市场安装更多技能包（如 alert_manager、dashboard、monitor、owl-diagnostics 等），或接入自定义 MCP 工具。
06 "Hello Agent "，和新员工 Say Hi ?
让我们做一个最简单的启动验证。
在对话框中输入：
你好
Agent 会回复：
你好！我是可观测领航员，一个可以帮助你理解系统健康、指标、日志、链路追踪、发布影响和业务数据的通用型技术助手。有什么想了解的，或者需要我帮你排查的问题吗？例如：
- 服务健康检查或告警初筛
- 慢调用或错误日志分析
- 发布影响关联分析
- 前端体验或业务指标异常解读
这说明 Agent 已成功接入，且具备基础认知能力。
接下来，你可以尝试一个真实的可观测任务：
@order-service 最近一小时运行状态如何？
Agent 会带上当前服务对象的上下文，自动关联指标、日志和链路数据，给出结构化的巡检报告。
07 用量与成本：一切透明可见
作为团队管理者，你可能关心这位数字员工的「工作成本」。
前往「配置 > 用量统计」，你可以看到：
- 昨天 / 本周 / 本月的积分消耗
- 使用趋势折线图
- Agent 消耗积分明细
所有调用、所有 Token、所有任务执行，都有迹可循。你可以根据用量调整 Agent 的自动化策略，或优化 Skill 的调用频率。
现在，开始愉快探索吧！
到这里，你的第一位可观测队友已经完成入职：
✅ 明确了身份与职责
✅ 划清了行为边界与安全权限
✅ 接入了自有基础设施
✅ 掌握了基础与扩展技能
✅ 通过了第一次对话测试
但这只是开始。
在下一篇文章里，我们会带你进入真实生产场景。
先去和你的可观测队友打个招呼吧。
