快手智能运维助手实践：从接住告警到自我进化的Agent架构

AI 正从工具演进为具备自主规划与执行能力的软件系统，工程重心转向构建稳定、可信、可控的 AI Native 架构。QCon 上海站聚焦 AI 系统化落地，覆盖 Agent Runtime、AI Infra、安全可观测等关键实践方向。快手 AgenticOps 研发负责人、高级技术专家吴垚已确认出席“AI Agent 可观测与持续改进工程”专题，发表题为《从接住告警到自我进化：快手智能运维助手实践》的主题分享。

运维的数据早已齐备——指标、日志、Trace、变更、CMDB 都在线上，但一个告警落地后，人仍要跨多个平台拼上下文、做初判、推处置。瓶颈不在工具覆盖度，而在事件处理链路没被系统串起来。快手没有把工具都挂到一个问答框里，而是把运维事件做成一等公民：告警、巡检、变更、应急触发后，先由确定性 pipeline 完成上下文预取，再交给 Agent 做归因推理与方案生成，并在上下文中持续更新运维事件的状态。

跑通一次只是起点。运维场景的长期难题是经验只沉淀在个别人身上、同类误判反复出现。为此，快手把改进助手本身也做成闭环：从事件处理过程中提取运维经验，在同类事件中召回复用，用线上反馈驱动迭代，并配套可回归、可回滚的验证机制。该体系已在公司多条核心业务线的大盘巡检、告警初判、应急定位场景落地。

吴垚主导了快手运维 Agent——智能运维助手从 0 到 1 的建设，并探索落地了运维 Agent 的自进化体系，让公司运维模式从人驱动转向 Agent 驱动。本次分享将讲清这套运维事件驱动的 Agent 架构，以及如何让运维 Agent 持续进化，内容包括事件驱动而非对话驱动的架构内核、Skill 与记忆的双层经验沉淀、以及运维助手评测能力等关键设计。