过去
多个岗位逐端接力
判断归属先猜可能在哪一端
对应人员排查取得本端证据
再次转交补上下文，继续等待
每次转交都要重新补上下文、等待取证。
从个人工具到团队能力
一个内部 Agent 的
真实落地过程
从个人电脑上的排查 Skill，到进入公司真实工作流
01
个人电脑
处理自己的线上问题
02
Codex Web
集中提供给其他同事
03
VOC · IPD · IM
接入已有工单和沟通流程
01 / AIOps 能力
AIOps: 问题分析 Agent
VOC/IPD 问题自动排查分析。
真实排查
飞书群聊 · 问题提交后自动调查
现在
一次提交，AIOps 跨端取证
问题提交只需发起一次
Agent 跨端调查服务 / 数据 / 设备 / 源码
给出结论根因或责任范围
原岗位人员可以直接完成过去依赖多个团队的前置排查。
已接入
VOC / IPDAIOps 支持范围内的工单创建后，会自动发起问题排查。
现阶段仍在持续优化：部分问题可以精确定位根因；部分问题需要人工介入并持续追问；部分结论可能暂时无用。
02 / AIOps 带来的变化
AIOps 带来了什么变化
同一个人，在原岗位上完成更多前置取证和判断。
BEFORE
没有 AIOps
技术支持
记录客户现象，线上证据依赖研发取得
测试
稳定复现，等待各端分别排查
MixPad 研发
能看端侧，云端链路和历史版本需要多人协作
服务器 / 运维
熟悉服务与基础设施，缺少完整设备和业务上下文
AFTER
有了 AIOps
技术支持
从 UID、设备和时间直接取证，先判断责任方向
测试
自己核对服务端请求和状态，先排除错误方向
MixPad 研发
对齐端侧、云端、构建记录和事发源码
服务器 / 运维
从业务对象开始跨服务、资源、数据和代码调查
只读取证边界共享的是数据入口和排查方法，不是生产变更权限。
发布、重启、扩缩容和数据修改仍走原有流程。
03 / 使用入口
三种方式，直接调用 AIOps
VOC / IPD 工作项、飞书私聊和飞书群聊，均已向 AI 与系统部同事开放。
FEISHU IM · 私聊 / 群聊
飞书 IM
私聊搜索 · 群聊 @
ORVIBO AIOps Agent
- 私聊
- 搜索 Agent，直接描述问题；继续调查时，在同一会话追问。
- 群聊
- 回复相关告警或讨论消息并 @Agent，保留现场上下文。
- 建议提供
- 环境 · 对象 / UID · 时间 · 具体现象
- 处理方式
- 同一群内任务串行；没有前置闲聊模型，简单问题也需要处理时间。
VOC / IPD · 工作项
工单页面
工单评论
@AIOps
- 直接调用
- 在评论中 @AIOps，调查结论或报告返回原工作项。
- 自动触发
- 负责人变更为指定负责人时，也会自动发起调查。
- 自动带入
- 问题描述、环境、版本、复现步骤和附件，通常无需重复提供。
04 / 实际顺序
这套能力不是按功能表一次做完的
先解决本机上的真实问题，再根据使用记录增加能力和入口。
完成第一批排查
连接集群、日志和监控；证据不够，再补数据库。
在多个问题中继续使用开放 Web
不要求安装 Skill 或配置数据入口，直接描述问题。
其他岗位开始提交问题根据失败案例补能力
缓存、源码、端侧日志和续接，都来自查不完的问题。
重新取证并修正能力接入已有流程
接入 VOC、IPD 和飞书 IM，减少上下文搬运。
沿用同一套调查能力这次的顺序先验证结果和重复使用，再决定产品形态。
05 / 最小版本
第一版，只连接三类数据
集群状态
服务、Pod、事件与运行状态
日志证据
按服务、对象和时间定位异常
监控指标
把资源变化对齐到故障窗口
输入环境 · 对象 · 时间 · 现象
→
路由判断服务与证据顺序
→
对齐放进同一条时间线
→
输出给出判断或证据缺口
第一版边界当时没有数据库，也没有源码。目标只是串起每天重复的排查动作。
06 / AIOps 的起点
AIOps 的起点：
在本机查清线上 Pod 重启原因
vihome-read-table · Pod 重启
REDIS排除
热点命令基本 < 1 ms，慢日志为 0
MYSQL HM_3命中
25 条慢 SQL，最慢 10.658 秒
FAILURE WINDOW重合
17:05:13 / 17:05:37 对齐探针超时
慢 SQL→连接与线程排队→/health 超时→Pod 重启
本机上的几个 Skill 查清了线上 Pod 重启原因，AIOps 从这次排查开始。
07 / 持续排查验证
确实能够持续自动
排查出线上问题
4 月的后续排查确认：这套方法可以重复使用。
验证 01
取得关键证据
能够定位原因、排除错误方向，或明确还缺什么。
验证 02
结论可以被采用
结果能够支持修复、回归、责任判断或下一步取证。
验证 03
后续问题继续使用
在多个真实问题中继续使用，而不是停在一次试用。
4 月多次本地排查
确认用于多个真实问题
5 月开始通过 Web 分享
开放条件满足以上三点后，才开始提供给其他同事。
08 / 分享给同事
Web 解决共享和集中维护
运行环境只在个人电脑
Skill、数据入口、上下文和运行环境，都依赖我本人。
只能由我本人使用
→Codex Web
同事直接描述问题
不需要安装 Skill、配置数据入口或维护运行环境。
统一入口、统一维护
首批使用 01评估服务 15 天业务量与资源
首批使用 02按 UID 串联版本、绑定链路和异常日志
产品形态Codex Web 适合这次的用户和权限条件，但不是唯一实现。
09 / 能力来源
新增能力都有对应的问题来源
数据库连接等待
增加：数据库只读查询
查清慢 SQL → Pod 重启服务正常，业务仍异常
增加：缓存值只读核对
核对实际业务数据日志定位，但无法解释
增加：版本、构建与源码对齐
检查事发版本代码云端看不到设备失败
增加：按对象取得端侧日志
对齐端侧与云端时间复杂问题隔天继续
增加：证据留存与调查续接
保留已确认事实与查询结果调查 → 纠错 → 修正
遗漏证据或错误结论，都会形成下一次修改。
Web 会话同时记录调查和纠错建设依据能力清单来自已发生的问题，不是预先列出的功能表。
TODO · 下一步
AIOps 需要能读取工单中提及的 iOS / Android 日志。
10 / 真实使用
现阶段已经有
真实主动使用案例
VOC / IPD 自动触发
VOC 93 · IPD 169
飞书 IM 排查请求
按去重请求计数，不按 Session 计数
持久工作项
VOC 83 · IPD 169 · IM 25
IM 统计口径IM 基本上一条请求对应一个问题；91 条请求分布在 27 个 Codex Session 中。
11 / 真实案例
6 个真实问题，以及各自得到的结果
结果包括根因、方向排除、现场方案和下一步取证。
IM根因闭合
stomp 反复重启
日志边车在 128 MiB 限制下 OOM，单副本放大影响。
VOC / IPD代码闭合
窗帘定时未执行
CurtainAction=open 在 MQTT 下发前进入错误校验分支。
技术支持责任定位
MixPad 4 无法添加 TS41
云端成功；目标构建缺少产品资源、设备类与注册。
测试排除服务端
取消房间后其他房间消失
589 毫秒证据确认服务端只删除目标房间。
MixPad 研发源码闭合
空调定时未执行
端侧准时触发；历史源码闭合到已释放 JSON 指针。
服务器研发范围收敛
线上服务与代码问题
从业务对象进入线程池、资源、缓存键和事发代码。
结果要求最终结论可以不同，但必须说明证据和不确定项。
12 / 入口继续扩展
VOC / IPD：不再搬运上下文
读取现有工单
问题描述、版本、附件与复现信息
沿用调查链路
取证、判断、结论分级与报告
回到原工作项
责任人沿着证据继续开发和回归
工作流入口变了，后面的调查逻辑没有变。
13 / 入口更靠近现场
IM：问题出现时，
直接开始调查
提问者不需要先判断该查服务、集群还是日志。
回复现场消息
保留告警或讨论上下文
补充最少信息
环境、对象、时间；设备问题再补 UID
进入同一调查链
取证、判断，必要时形成报告
IM 的价值：让 Agent 更早接住现场问题。
14 / 继续扩展
先用真实问题验证，
再选择产品形态
直接分享 Skill
适合技术环境相近的使用者
- 扩展快，保留灵活性
- 每个人维护环境、版本与权限
- 能力多时，MCP 与更新成本会上升
集中式 Agent
适合跨岗位、权限复杂的用户
- Skill 与数据入口集中更新
- 统一用户隔离、授权与审计
- Codex Web 只是其中一种实现
新的团队可以接入
线上设备日志按明确对象和时间稳定取得
线上版本 → 具体源码可靠映射到仓库、分支或提交
真实问题→本地多次使用→共享给其他同事→按使用记录补能力
先取得真实使用证据，再决定分享 Skill、建设 Agent，还是接入现有流程。
15 / 其他 · 架构
AIOps 架构
两条接入链路，共用同一套 Agent 能力。
VOC / IPD工单页面
Webhook请求转发
飞书 IM私聊 / 群聊
IM 网关消息转发
统一进入
16 / 收尾
如何用好 AI核心就是
多用。
不代表一定就
用得很好
基本就能说明
AI 用得不会太好
先多用，再从实际结果里修正方法。
