从部署上线到运维优化——STAROps 与 ROS Agent 的资源运维自动化实践
STAROps 数字员工提供统一运维对话入口,ROS Agent 负责资源规划、模板生成与校验、费用评估和授权后执行。两者从部署上线、数据接入到告警恢复串成一条链路,运维从多控制台切换变成说清需求、关键节点确认。

STAROps 数字员工提供统一运维对话入口,ROS Agent 负责资源规划、模板生成与校验、费用评估和授权后执行。两者从部署上线、数据接入到告警恢复串成一条链路,运维从多控制台切换变成说清需求、关键节点确认。

本文介绍了车企如何利用阿里云 SLS 的 mask 函数,对车联网及智能座舱日志中的敏感信息进行脱敏处理,以兼顾隐私合规与业务可用性。

用标准轨迹连接执行、评估与迭代改进,为 Agent 自进化持续积累数据。

本文介绍阿里云智能体审计平台(AgentLoop)帮助企业发现人工智能应用平台Dify 的风险:追踪模型与工具调用,识别信息泄露、恶意指令和越权操作,并通过自定义规则持续审计、定位原因、推动整改。

SLS 推出 8个 Agent Skills,覆盖日志全生命周期。用户用自然语言描述目标,Agent 即可自动完成采集、索引、查询、告警与可视化等任务,大幅减少手动配置。配合 CLI 日均超 110 万次请求验证,SLS 正成为 AI First、Agent Native 的可观测平台,让数据与工具被 Agent 自然调用,释放智能运维潜力。

阿里云发布全域智能运维平台 STAROps 全新能力,构建 Agentic Ops 闭环,通过构建统一的运维上下文、跨域诊断与根因定位以及持续闭环处置让 AI 从“给出答案”进阶为“关闭问题”。推动运维从被动响应转向 Agent 自主守护、人做关键决策的新模式。

文章以 React 电商应用故障为例,展示如何借助 RUM 与 STAROps 完成前端问题闭环:通过 JS 堆栈、React 组件堆栈和 SourceMap,定位折扣空值导致的 toFixed 报错及受影响页面;修复后再用加购、支付事件验证业务恢复,并通过 Mission 持续监控后续版本的错误与性能。

AgenticOps 进生产需跨越采集、理解、验证三道墙。阿里云开源 LoongSuite/OBI 实现全栈标准化采集,UModel 构建可信赖调查上下文,BRiSE 打造可复现评测基准。三者构成社区共建的工程底座,让 Agent 在真实环境中事实可采、故障可读、能力可验,推动智能运维从 Demo 走向稳定生产。

云监控 2.0 全新升级 Agentic Observability,实现“让 Agent 看懂系统”与“看懂 Agent ”双向闭环。通过全栈多云接入、数据治理 Pipeline、UModel 统一语义及 Skill/CLI/MCP 三大入口,为Agent 供给可信事实;同时打通 AI 五层全栈观测,让 Agent 轨迹、成本与质量可解释、可下钻。以统一底座构建人机可信地基,加速 Agent 自进化。

SLS 推出自动发现字段索引,新字段写入即建索引,无需手动配置或重建。统一 text 类型兼容动态数据,SQL 自动数值转换。完美适配 AI Agent 运行时动态查询需求,实现日志分析开箱即用,告别索引维护瓶颈。
