企業應該如何配置 Guance Agent Teams？

推薦按崗位和場景配置，例如 SRE Agent 負責穩定性與故障處理，Security Agent 負責風險檢測與響應，FinOps Agent 負責雲資源成本分析，Test Agent 負責質量保障與迴歸驗證。每個 Agent 都可以配置獨立的權限邊界、知識庫、工具範圍和工作上下文。

Guance Agent Teams 的記憶如何管理？

Guance Agent Teams 支持會話上下文和長期知識沉澱。會話上下文用於連續分析同一次告警、故障或變更；長期知識用於沉澱歷史事故、處置方案、Runbook 和最佳實踐，並通過權限策略、數據脱敏和審計記錄控制敏感信息訪問範圍。

Guance Agent Teams 如何計費？

Guance Agent Teams 按每個 Agent 包月訂閲，價格為￥999 / 月 / Agent。每個 Agent 訂閲贈送約 40,000 Credits / 月，約可支持 500 個複雜任務；超出部分按實際 Credits 消耗計費。Copilot 高級問答與 Agent Teams 任務執行共用同一個 Credits 池。

Guance Agent Teams 會替代 SRE 或 DevOps 團隊嗎？

Guance Agent Teams 更適合接管重複、密集、耗時的排查工作，例如告警初篩、日誌檢索、指標關聯、Trace 分析、相似事故檢索和覆盤報告生成。業務判斷、風險取捨、重大變更審批和跨團隊協調仍由工程師負責。

Guance Agent Teams 如何控制生產操作風險？

Agent 默認以只讀和最小權限運行。管理員可以配置工具白名單、Skill 審批、動作分級、訪問範圍、數據脱敏策略和高風險操作審批流，並保留完整操作記錄和證據鏈。

可以自定義企業自己的可觀測 Agent 嗎？

可以。企業可以基於團隊流程、工具鏈、權限策略和知識庫配置自己的 Guance Agent，例如值班分析 Agent、發佈守護 Agent、成本優化 Agent 或管理彙總 Agent。

Guance Agent Teams 能否 7×24 小時持續工作？

可以。Agent 適合承擔持續巡檢、告警初篩、變更觀察、異常歸因和週期性報告等長期任務。企業可以按場景設定觸發條件、執行頻率和預算邊界。

Guance Agent Teams 能接入現有 DevOps 工具鏈嗎？

可以。通過 MCP Server、OWL CLI、OpenAPI 和 A2A 協作，Agent 可以接入 Kubernetes、Terraform、CI/CD、工單、Slack、飛書、釘釘以及企業已有自動化平台。

如果 AI Agent 判斷錯誤，如何追溯和糾正？

Guance Agent Teams 會保留分析依據、工具調用、參數、結果、審批記錄和執行反饋。團隊可以基於證據鏈定位問題來源，並將修正後的 Runbook 或知識規則沉澱回系統。

Guance Agent Teams 如何上線？

推薦從值班告警分析、核心鏈路故障定位、發佈變更觀察、雲資源成本優化或日報週報生成等明確場景開始。完成角色選擇、工具接入、權限配置和審批策略後，再逐步擴展到更多服務和團隊。

為什麼是 Agent Team，而不是普通 AI 助手？

普通 AI 助手主要回答問題；Agent Team 強調角色分工、工具調用、流程協作和結果交付。不同 Agent 可以分別承擔告警分析、Trace 關聯、發佈變更比對、安全排查和成本優化等任務。

Guance Agent Teams 的操作是否可審計？

可審計。Agent 的工具調用、Skill 使用、參數輸入、數據採樣、推理過程、審批結果和執行動作都可以形成證據鏈，便於安全審計、故障覆盤和合規檢查。

Guance Agent Teams 與通用 Agent 框架有什麼區別？

通用 Agent 框架更適合構建個人助手、自託管工具鏈或定製化自動化項目。Guance Agent Teams 面向企業可觀測場景，內置指標、日誌、鏈路、RUM、拓撲、告警和變更上下文，並強調權限白名單、審批流、審計留痕、數據治理和團隊級治理能力。

哪些團隊不適合直接使用 Guance Agent Teams？

如果團隊只是希望做 AI 展示，而沒有明確的告警分析、故障定位、發佈守護、成本優化或安全響應場景，短期價值會比較有限。Guance Agent Teams 更適合已經具備基礎可觀測數據、服務目錄、告警策略和運維流程的團隊。

Agent Teams

Q: Guance Agent Teams 如何計費？

Guance Agent Teams 按每個 Agent 包月訂閲，價格為 ￥999 / 月 / Agent。每個 Agent 訂閲贈送約 40,000 Credits / 月，約可支持 500 個複雜任務；超出部分按實際 Credits 消耗計費。Copilot 高級問答與 Agent Teams 任務執行共用同一個 Credits 池。

你的專屬 AI 團隊

7x24 小時為你解決問題

從數據到決策，從分析到執行，Agent Teams 讓 AI Agent 真正連接你的生產環境，成為你團隊的強力同事

免費試用瞭解更多

待分配 frontend-proxy 5xx 與 SLO 異常 持續 32m

入口服務 5xx 突增，SLO 與 Trace 同窗口告警，等待接管。

值班SRE 值班羣 最新操作觸發新故障 處理人未分配

處理中 checkout-api CrashLoopBackOff 持續 18m

Pod 重啓 12 次，最近一次退出碼 1，日誌指向 Redis 連接配置異常。

值班應用值班 處理人Yuki

待分配 payment-service 延遲升高 持續 42m

P95 延遲高於基線 2.8 倍，尚未觸發 SLO 嚴重告警。

值班SRE 值班羣 處理人未分配

重要 06/30 12:55:00（32 分鐘前） frontend-proxy 5xx 與 SLO 異常

持續 32m

待分配處理人：未分配

故障詳情協作記錄操作記錄

當前上下文 等待 AI 繼承告警上下文

當前故障已帶入 service、resource、namespace、timeRange 和事件 ID。

事件 4 條未恢復

Trace P99 9534ms

SLO 0.5258%

讀取故障上下文 query_incident

狀態流轉 待分配 → 處理中 → 已解決

異常信號：故障中心已生成待分配故障

打造屬於你的 AI 團隊，讓複雜問題迎刃而解

創建團隊專屬 Agent

根據團隊角色和業務場景，快速創建專屬 Agent。配置知識、工具和權限，讓 Agent 更懂你的業務。

運維專家

性能分析師

SRE 助手

自定義 Agent

部署到你的生產環境
可以真正執行任務的 Agent

安全連接到你的生產環境，提供系統監控和工具，執行排查、分析、變更等真實任務，閉環解決問題。

連接到觀測雲
可以協助你進一步探索問題

深度集成觀測雲，訪問指標、日誌、鏈路等數據，引導你進一步分析根因，提供可行建議。

指標CPU · Memory · Load

主機信息order-service · healthy

事件近 1h · 無異常

Developer

@order-service 這台服務最近一小時運行情況如何，是否存在異常？

Coding Agent

正在關聯指標、事件和主機信息...

當前狀態確認

CPU5.39%

Memory46.17%

Load0.46

Disk73.6%

判定：
所有指標均在健康範圍內，
未發現異常告警。

構建 Channel 將 Agent 連接到你熟悉的工作平台成為你的同事

無縫集成 Slack、飛書、釘釘、企業微信等平台，在你熟悉的環境中與 Agent 協作。

Slack

飛書

釘釘

企業微信

更多平台

與 Coding Agent 協作
幫助研發工程師快速分析定位修復線上問題

與 Coding Agent 深度協作，自動分析問題，定位代碼，生成修復方案，加速線上問題閉環。

const service = OrderQueryService.getDetails(orderId);trace.query("orders").where({ status: "paid" }); SELECT * FROM orders WHERE user_id = ? LIMIT 50;span.setAttribute("db.duration", 1240); if (cache.miss) await repository.findOrderItems();metric.histogram("order.p95.latency").record(1800); await Promise.all([fetchPayment(), fetchShipment()]);logger.warn("slow sql detected", queryHash); OrderQueryService.getDetails -> queryOrderSkuListdb.statement: SELECT sku_id, price, count FROM order_item apm.linkTrace(traceId, serviceName, endpoint);slowSql.count = slowSql.count + 1; pipeline.scan(productionTraffic, errorLogs);duration.breakdown.database = 0.67; rootCause.rank(["database", "cache", "network"]);agent.context.attach(observabilitySnapshot); const p95 = quantile(latencySamples, 0.95);return composeOrderDetails(order, items, user); ordersRepository.findById(orderId, { traceId });db.pool.waiting = connectionPool.pendingCount; trace.child("mysql.query").setStatus("slow");cache.hitRate("order.details").below(0.42); SELECT order_id,total,status FROM order_summary;agent.read(span.events).filter(e => e.error); service.map("checkout").edge("mysql-primary");slowSql.topK(3).groupBy("statement_hash"); if (latency.p95 > 1500) raiseFinding("P95");profiling.cpu.attach("OrderQueryService"); queryPlan.rows_examined = 184205;indexAdvisor.suggest(["idx_order_user_time"]); timeline.mark("db", 0, 1206).mark("app", 1206, 1800);log.pattern("timeout").count(328); span.link(logs, metrics, traces, profiles);rootCause = "database query fan-out"; agent.summary.write(performanceFindings);patch.plan("add composite index").estimateImpact(); observe.prod("order-service").window("15m");notify.channel("incident-room").preview();

Production Traffic1.24M Requests

P95 Latency1.8s

Database Time67%

Error Logs328 Events

Developer

分析 OrderQueryService 在線上的實際運行情況

Coding Agent

正在關聯生產環境觀測數據...

已完成生產環境分析

訂單服務 P95 延遲達到 1.8s，
數據庫查詢佔總耗時 67%，
發現 3 條高頻慢 SQL。

主要性能瓶頸位於
OrderQueryService.getDetails()

支持自動化
讓 Agent 7x24 小時不停歇工作

通過自動化規則和任務調度，Agent 可持續監控、自動處理、生成報告，保障系統穩定運行。

觸發條件（告警/定時/事件）

自動分析

執行任務

通知反饋

完成閉環

立即構建你的 Agent 團隊

讓 AI Agent 真正落地，成為你團隊的超級同事

免費試用預約演示

Agent Teams

狀態變更為

打造屬於你的 AI 團隊，讓複雜問題迎刃而解

創建團隊專屬 Agent

部署到你的生產環境可以真正執行任務的 Agent

連接到觀測雲可以協助你進一步探索問題