聚焦研发运维 AI Agent｜蓝鲸社区活动·上海站圆满举办

9月12日，蓝鲸社区活动·上海站在模速空间圆满举办，来自华东区域的社区伙伴齐聚上海交流。感谢每一位来到现场的社区伙伴，也感谢大家一直以来对蓝鲸社区的关注与支持。

本次活动以“从自动化到智能体”为大主题，围绕“企业研发运维AI Agent落地实践”展开，来自腾讯IEG、嘉为蓝鲸、国联民生证券、基调听云的技术专家围绕SRE、AgenticOps、金融行业实践、可观测性治理及运维现场智能执行等议题展开分享，探讨AI Agent在研发运维领域的一线实践与思考。

活动在腾讯蓝鲸 SRE 总监杨军的开场致辞中拉开帷幕。

杨军回顾了蓝鲸从腾讯内部诞生，从支撑游戏业务大规模服务器自动化运维，到逐步形成覆盖配置管理、监控告警、故障自愈、CI/CD、AI Agent、AI辅助运维等能力的十余年发展历程。他指出，大模型正在为研发运维带来新的可能，运维也正从自动化进一步走向智能体协同Agent自主决策，并期待通过此次上海站活动，与华东地区的行业伙伴共同交流AI运维的新实践。

01 硬核分享 从理论到实践的深度碰撞

1）LLM Agent驱动SRE生产力跃迁的实践与度量

演讲嘉宾：王文兴（腾讯 IEG）

王文兴系统分享了腾讯 IEG 在 SRE Agent 方面的实践路径，将落地方式划分为L1 预设流程 AI 化、L2 A2A 自主编排、L3 SRE 数字分身三类。他特别强调，三条路径并非线性递进，而是可以并行建设、动态转化：高频稳定的 L2 场景可以进一步沉淀为 L1，L3 中成熟的操作能力也可以逐步固化为标准技能。

在实践层面，他分享了 Game CI 与 Game CD 中的多个真实场景。在 CI 阶段，Agent 结合业务源码、部署配置及测试结果，对 K8s 资源配置进行分析和优化；在正式环境发布前，Agent 自动聚合监控、日志、Crash 等多源数据完成风险评估，让原本约 60 分钟的人工评估，转变为 3–5 分钟的报告阅读与确认。测试环境则引入更接近“数字分身”的服务模式，承接日志获取、版本发布、状态查询等高频琐碎任务，减少 SRE 时间碎片化。

在价值度量方面，他提出“AI 工时”核算思路，以 ReAct 过程中模型推理与工具执行为基础，并结合执行时长折算、收益上限、用户采纳率及安全合规等约束，让 Agent 创造的价值能够进一步被量化，并为后续 ROI 评估提供依据。

2）企业 Agentic Ops 落地场景分享

演讲嘉宾：张敏（嘉为蓝鲸）

张敏从IT服务管理和一体化运维场景的企业实践出发，分享了 Agentic Ops 如何真正进入既有运维体系。他提出一个核心思路：AI Agent 不能只停留在对话入口，而应嵌入真实业务流程，成为流程中的“AI 员工”。

在 ITSM 场景中，嘉为蓝鲸将工单信息审核、智能提单、智能分派、辅助诊断、自动化执行等 AI 节点嵌入原有服务流程，并通过工单、知识和语料的持续沉淀形成数据循环，推动服务左移和处理效率提升。

在一体化运维场景中，则结合日常运维的操作工时、发生频率和可节省时间等因素，建设了查询、发布、告警分析、智能巡检、标准操作、监控运营等多类智能体场景。实践中也逐步形成一个重要认识：智能体建设与运维基建治理需要双向促进——Agent 能力越深入，越会暴露 MCP、数据和基础设施治理中的短板，而这些基建的完善又会反过来提升 Agent 的效果。

张敏强调，Agent 落地应从既有业务流程中的真实问题出发，先找到真正需要解决的问题，再判断 AI 应该如何介入，而不是为了使用 AI 而创造场景。

3）标准化、自动化与 SRE Agent 的协同实践

演讲嘉宾：赵茂祥（国联民生证券）

赵茂祥从金融行业 SRE 的真实实践出发，分享了从标准化、自动化到 Agent 的协同演进路径。他认为，标准化让知识可沉淀、可查询、可复用，自动化让操作可重复、可审计，而 Agent 则在这些工程能力之上理解目标、获取事实、处理不确定性。

因此，Agent 并不是取代已有的自动化体系，而是建立在标准化和自动化底座之上的进一步延伸。

在运行机制上，他提出让 Agent 从“对话驱动”走向“事实驱动”：先理解用户目标、补全上下文、定位对象，再不断获取日志、状态等运行事实，并据此决定下一步行动。核心原则是基于事实、不做臆断——模型可以提出假设，但不能定义事实，所有事实都需要验证。

对于 Agent 无法完成的问题，也不是简单返回“处理失败”，而是将已经确认的事实、排除项、不确定项及建议形成“证据包”，再转交给 SRE 继续处理。排障场景的核心是收敛不确定性，而交付场景则是围绕明确目标构建确定性。

同时，他还分享了权限收敛、风险分级、执行留痕、停止机制等工程治理思路，并提出 Agent 的价值度量不必一开始追求“大而全”，而应先让用户真正使用，再基于活跃度、请求类型和实际效果持续挖掘高价值场景。

4）从“能用”到“可控”：企业级 AI Agent 的可观测性与治理实践

演讲嘉宾：王雅志（基调听云）

当 AI Agent 从问答工具走进生产业务，企业关注的问题也从“回答得对不对”，进一步变成“运行是否稳定、结果是否可信、变化是否可验证”。

王雅志将这些挑战总结为运行盲区、结果盲区和进化盲区三类问题：Agent 到底慢在哪里、错在哪里？模型调用成功是否意味着业务成功？一次优化之后，效果究竟提升了还是发生了退化？

围绕这些问题，他提出覆盖 Agent、用户、AI 应用与编排、模型、基础设施、安全的六层可观测体系，并通过 User、Session、Trace、Observation 等对象，将一次请求从用户入口到最终业务结果的运行证据关联起来，从而支撑问题回溯、责任边界定位和效果评估。

在此基础上，他进一步提出 SPEC 治理框架，从安全、性能、效果、成本四个维度衡量 Agent 的生产运行状态。其核心观点是：模型调用成功，并不等于业务成功。只有将生产现场记录、结果评估、优化和回归验证连接成闭环，才能真正判断一次 Agent 优化是否有效。

他还结合银行智能服务、保险核保理赔以及大型集团统一治理等场景，分享了不同业务对稳定性、结果验证和统一标准的差异化要求。

5）让运维现场成为 LLM Agent 的执行入口

演讲嘉宾：罗扬（腾讯蓝鲸BKLite PMC成员）

罗扬从一个现实问题切入：在企业本地算力有限、模型能力受限的情况下，如何提高 Agent 故障排查的成功率和可信度？

传统做法往往只把单点告警交给 Agent，再让它不断调用工具恢复现场上下文。但对人来说，看到告警的同时，往往已经能够看到日志、堆栈、关联对象和仪表盘等大量现场信息。如果这些已经存在的上下文没有同步给 Agent，Agent 就不得不重新“探索”一遍，也增加了错误和幻觉累积的可能。

因此，他提出：把运维现场本身作为 Agent 的执行入口。将监控大屏、日志页面、专业仪表盘等页面上下文直接提供给 Agent，让它一开始就能“看到人看到的内容”，再结合 Skills、Tools、知识与运维平台能力继续向下排查，从而减少上下文恢复的步骤与时间，也降低故障排查对模型能力的过度依赖。

在实践过程中，他还分享了“运维档案（Memory）”的探索：将经由 Agent 的操作、故障排查和变更过程持续沉淀，形成包含历史问题、操作记录和资源上下文的运维记忆。相比只描述当前配置状态的 CMDB，这类运维档案能够保留更丰富的历史运行信息，并在下一次类似问题出现时为 Agent 提供参考。

02 圆满收官 从一次相聚到持续连接

技术的价值在于落地，社区的力量在于连接。

蓝鲸社区首次上海线下活动至此圆满落幕。感谢每一位嘉宾的精彩分享，也感谢每一位到场伙伴的参与和交流，让这场特别的上海之约更有意义。

未来，蓝鲸社区将继续走向更多城市，连接更多技术同行者，分享更多一线实践，让交流持续发生，让经验不断沉淀。

下一站北京，继续同行。