• 首页
  • 文章首页
  • 从 AIOps 到 Agentic AIOps:IT 运维如何从“发现问题”走向“自主修复”

从 AIOps 到 Agentic AIOps:IT 运维如何从“发现问题”走向“自主修复”

AI

AI 摘要

传统AIOps可实现告警收敛与根因分析,但故障修复仍依赖人工,MTTR受人力响应制约。本文解读Agentic AI智能体的感知、推理、执行三层能力,介绍OpManager Nexus依托Zia智雅大模型,实现告警分析、自愈工作流、人工审批护栏的完整运维闭环,同时给出夜间值守、多园区、信创环境三大落地场景,以及Agentic AI的落地选型建议。

关键要点

  • - AIOps 解决了“看得见、看得懂”,但多数企业仍卡在“做得到”这一环,故障修复依旧依赖人工。
  • - Agentic AI 的核心增量在于赋予系统决策与执行权限,使智能体能够自主完成从筛查、溯源到处置、验证的全流程。
  • - OpManager Nexus 依托自研 Zia 智雅大模型与内置工作流引擎,将预测式AI、生成式AI与智能体执行串联为单一平台内的完整闭环。
  • - 通过限定动作边界与关键操作人工审批,自主修复可在可控、可追溯的前提下规模化落地。
  • - 对运维团队而言,实际收益体现为 MTTR 缩短、无效值守减少,以及工程师精力向架构优化等高价值工作转移。

一、AIOps 的能力边界:为什么“发现问题”不再是终点

设备规模持续扩张、监控指标成倍增长,传统运维模式首先遭遇的是信息过载。部署了 AIOps 能力的网络监控工具后,动态基线与告警关联压缩通常能把海量原始告警收敛为少量故障事件,拓扑感知也能帮助判断影响范围。这些进步是真实的,但往往止步于诊断环节。

更常见的情况是,系统在几分钟内给出根因判断,而后续修复仍需等待值班人员登录设备、核对配置并执行命令。这个从“知道哪里坏了”到“把它修好”的断点,使得 MTTR 的下限被人工响应速度锁死。尤其在告警风暴集中爆发的凌晨或节假日,该断点带来的业务损失最为直接。

因此,行业关注点自然从 AIOps 的分析层向执行层延伸,即引入具备自主行动能力的 agentic AI。

二、Agentic AI 是什么:从分析判断到自主执行

智能体的三层能力:感知、推理、执行

与仅输出结论或建议的传统AI不同,智能体具备调用工具与执行动作的能力。在运维语境下,这意味着它能够自主读取实时指标与日志、结合拓扑依赖关系进行推理、生成处置方案,并最终调用脚本或API完成操作,最后再验证业务是否恢复正常。整个链路无需人工在各工具间切换,也省去了跨团队反复确认数据的环节。

这也是 agentic AI 与上一代预测式AI的分水岭:前者回答“发生了什么、为什么发生、接下来会怎样”,后者则进一步负责“把它处理掉”。

与传统自动化脚本的本质区别

既有自动化运维体系多基于预设条件触发固定动作,规则之外的异常便无法处理。智能体的差异在于具备上下文理解与泛化能力,面对未见过的故障组合时,它能依据当前状态重组处置步骤,而非简单匹配失败后静默退出。同时,这类动作被严格限定在产品已有功能范围内,例如 ping 探测、服务重启、端口隔离或配置回滚,避免了不可控的越权行为。

三、OpManager Nexus 的落地路径:Zia 智能体如何形成闭环

zia引擎

近日,ManageEngine卓豪举办用户大会,集中发布30余款Zia智雅智能体。这批智能体深度嵌入全栈可观测性(FSO)、统一服务管理(USM)、统一终端管理与安全(UEMS)、身份与访问管理(IAM)以及安全信息与事件管理五大核心解决方案。对企业而言,这意味着无需额外采购 AI 平台或智能体工作流工具,即可在既有产品环境中直接启用相关能力,且无Token成本、不消耗积分、不按用量计费。按照规划,至 2026 年底,Zia 智雅智能体矩阵将扩充至100余款。

  • 告警关联压缩与根因分析:这是智能体发挥作用的前提。OpManager Nexus 将时间窗口关联、拓扑依赖分析与机器学习相结合,把级联告警收敛为单一故障事件,并在 RCA 配置文件中将多个监控器的性能曲线置于统一时间线比对,从而输出明确的故障传播路径。只有输入干净,智能体的后续决策才具备可靠性。
  • 自愈工作流与人工审批护栏:对于低风险且高频的处置动作(如服务重启、临时文件清理、配置备份),平台可配置为自动执行;而涉及设备重启、配置回滚等高风险操作,则默认采用“建议执行”模式。系统提供修复方案,由人工确认后触发。全流程保留完整的操作日志与执行前后状态校验,确保每一次自主修复均满足可控、可追溯与可审计的要求。
  • Ask Zia 对话式入口与智能体构建器:除预置智能体外,运维人员还可通过自然语言直接向 Ask Zia 查询设备健康状态、生成报表或触发指定操作。针对厂商未覆盖的零散需求,智能体构建器允许用户用自然语言描述意图来生成模板,其可调用的数据与可执行的动作同样受产品自身能力边界的约束。这种设计保障了免费预置功能在实际环境中具备充分的可用性。

四、三个典型场景:智能体在何处最先产生价值

  • 夜间值守与节假日无人时段。 多数企业的告警峰值出现在非工作时间,而此时恰恰是人力最薄弱的环节。将已知故障类型交由智能体自主闭环,能让值班人员从“盯屏待命”转向“例外处理”,在不增加编制的前提下提升覆盖能力。
  • 跨云与多园区环境的故障定位。 当应用、数据库与缓存分散在不同云平台或物理站点时,各套监控工具的数据往往难以关联。OpManager Nexus 通过自动资源发现与依赖关系映射建立统一的业务拓扑,智能体据此进行跨层推理,避免人工在多套控制台之间来回比对。配合平台的网络可视化能力(如 Layer2 拓扑图、业务视图及 3D 机架视图),故障位置与影响范围可以直观呈现。
  • 信创与国产化环境的统一纳管。 面向国产化替代进程,OpManager Nexus 已完成对麒麟、统信 UOS、openEuler 操作系统,人大金仓数据库,东方通中间件以及 ARM 架构的适配,并提供服务器监控与 GPU 监控能力。这使得服务器监控侧的指标采集与智能体处置动作在异构环境中保持一致,消除了 AI 能力在信创栈上的盲区。

五、 总结

AIOps 解决“看得见、看得懂”,但修复仍依赖人工,MTTR 被响应速度锁死;Agentic AI 则让智能体完成筛查、溯源、处置与验证的全流程闭环。OpManager Nexus 依托 Zia 智雅大模型与工作流引擎,将告警关联、RCA、自动化工作流和人工审批护栏串联为单一平台闭环。通过限定动作边界与高风险操作人工审批,自主修复可在可控、可追溯前提下规模化落地。最终收益体现为 MTTR 缩短、无效值守减少,以及工程师精力向高价值工作转移。

还想再确认几件事?

按您现在最关心的那一项继续。

需要一份官方报价

按设备规模给出对应的官方报价。

获取官方报价

先看产品能力

AI驱动下的网络监控管理软件。

查看 OpManager Nexus 功能

预约演示

根据您的需求提供专属演示交流。

预约 1 对 1 产品演示

常见问题(FAQs)

  1. 1.AIOps 和 agentic AI 是一回事吗?

    答:不是。AIOps 侧重用机器学习完成异常检测、告警降噪与根因分析,属于“看懂问题”的范畴;agentic AI 在此基础上增加自主决策与执行能力,能调用脚本或接口完成修复并验证结果。前者是后者的必要前提,两者构成递进关系而非相互替代。

  2. 2.使用智能体会产生额外的 Token 费用吗?

    答:不会。OpManager Nexus 内置的 Zia 智雅智能体随主产品启用,无 Token 成本、不消耗积分、不按用量计费。企业无需额外采购 AI 平台或智能体工作流工具,即可在全栈可观测性、统一服务管理等既有环境中直接使用相关能力。

  3. 3.智能体自主修复会不会误操作导致业务中断?

    答:OpManager Nexus 采取两道限制机制来控制风险。智能体能执行的动作被严格限定在产品已有功能范围内,例如重启服务、隔离端口或备份配置;涉及高风险的关键动作必须经过人工审批才能生效。此外,全流程会记录操作日志并在执行后进行状态校验,确保每一步均可追溯。

  4. 4.智能体会不会把我们的运维数据传给外部大模型?

    答:使用 OpManager Nexus 内置的 Zia 智雅大模型时,依托北京、上海的自有数据中心算力,客户数据全程留存在境内且不用于模型训练。只有当用户主动选择接入第三方大模型时,相应部分才会依照该模型的条款处理,这部分需要企业自行评估合规风险。

  5. 5.落地 Agentic AI 应该从哪个场景开始?

    答:建议优先选择发生频率高、处置步骤标准化且失败后果可控的场景,例如服务进程异常重启、磁盘临时文件清理、交换机端口隔离以及配置自动备份。跑通闭环并积累信任后,再逐步扩大智能体的授权范围。初期可通过告警压缩率、MTTR 和自动化处置占比三项指标来衡量成效。

扩展阅读

C
作者:楚洛文