CloudDetail/apo

解决的问题

APO（AutoPilot Observability）解决了传统可观测性工具中存在的数据过载和手动分析问题。它用自动化的 AI 驱动诊断工作流取代了手动排查，帮助团队快速定位系统故障的根本原因，并减轻告警处理的工作负担。

工作原理

APO 结合使用 LLM 和专用的「LLM 原生数据平面」来处理可观测性数据。它不将原始的海量数据直接输入模型，而是将多样的日志、指标和追踪数据转换为与 API 为中心的服务图相关联的「异常事件」。这使得 AI 代理能够执行跨域数据关联，并执行低代码编排工作流以进行诊断。

适用人群

专为需要监控复杂技术栈并自动化告警与事件排查的 DevOps 和 SRE 团队设计。

主要亮点

• 代理工作流：低代码编排，用于设计个性化的 AI 代理和自动化故障排查工作流。
• LLM 原生数据平面：专用数据平面，将可观测性数据转换为 LLM 优化的格式，防止拓扑蔓延和幻觉问题。
• 零接触探针：利用 OneAgent 技术自动为多语言 OpenTelemetry 代理注入探针。
• 结果可验证性：提供可视化数据图表，并通过 eBPF Polaris 指标进行交叉验证，确保 AI 推荐结果可解释且可验证。
• 全栈覆盖：统一的可观测性视图，涵盖日志、追踪、指标和事件。