ARTICLE · 1258677
大多数 AI 运维助手只能“聊聊天”,Reslove AI 凭什么敢碰生产?
★ 点击名片，关注我们不迷路 ★
凌晨 3 点那通电话，我现在都不太想接。
不是因为懒，是因为心里太清楚接下来半小时要干什么——爬起来开电脑，登三个系统（指标在 Prometheus、日志在 Loki、链路在 Tempo），一条条翻告警，顺着依赖关系往上摸，拼出一个大概率不完整的根因。修是后面才有的事，前面 80% 的时间都花在「拼」上。
干过 SRE 的同行基本都熟悉这套流程。市面上号称能「替 on-call」的 AI 工具也不少，但大部分止步于 demo：跑一个公开数据集，生成一份漂亮的报告，然后告诉你「看，AI 已经找到根因了」。问题是真到生产环境，这些工具没有读写权限、没有上下文的连续性、也没有决策闸门，只能干看着告警响。
Resolve AI 是少数几个我愿意认真看的。原因不是它融资多（虽然 A 轮融资 1.25 亿美元、估值 10 亿美元💨），而是它把「在生产环境替人干活」这件事拆得比较细，而且已经跑通了一批大厂客户。
它是怎么拆的：三个 Agent，而不是一个全能 agent
Resolve AI 没押宝在「一个超强大模型 + 一个 prompt」这种结构上，而是把生产环境里的角色拆成三个专门的 agent，各自守一段：
On-Call Agent：告警一响，它把同一时间窗口的多条告警归并，识别噪声、评估严重程度和业务影响，把结论写回 Slack/Teams。你看到的不是 50 条孤立告警，而是「同一根因、影响订单服务、P2」这种带上下文的摘要。
Incidents Agent 是核心。告警进入调查，它会拉起多个 agent「并行假设」，各自顺着假设查日志、指标、近期部署、代码变更，然后 Verifier 把所有假设的证据反过来核一遍，只把能在生产数据里复现的那条根因推给工程师。整套过程对工程师可见（Workbench 视图）。
Background Agent是 2026 年 5 月新加的，平时不响。部署上线、配置漂移时，它自动跑预调查——把可疑点先摆出来。这个角色以前 AIOps 都不太做。
三个 agent 共享一份「知识图谱」：服务、依赖、近期部署、团队历史 postmortem。Agent 查的是这份图，人看到的也是这份图，不会出现「AI 和人对着两份数据吵架」的尴尬。
与可观测怎么接：60+ 集成，以及三种「外部用法」
SRE 工具能不能用，第一关永远是「能不能接入我现有的栈」。Resolve AI 在这块走的是广覆盖路线：
Datadog、Splunk、Grafana、New Relic、Honeycomb、Sentry、PagerDuty、ServiceNow、Snowflake、GitHub、Atlassian、Slack 都在它的集成列表里，总数 60+。
监控侧主流的几乎都接了，运维协作侧主流的也都接了——这意味着你不需要为了试用它而重做一遍监控。
更值得关注的是它的「开放性」。Resolve AI 不只是把自己当 SaaS 卖，它把自己的能力通过三种接口暴露出来：
- MCP server：让任何外部 agent（比如你自己的 Claude Code、Cursor）能直接调用 Resolve AI 的「查生产上下文」原语
- REST API：经典集成方式
- Skills：给 AI 助手插件用的封装
这个设计的意思是：你不需要把 Resolve AI 当成「唯一入口」，它可以是你基础设施里的一个生产上下文服务，被你自己的 agent 调用。这对已经在自建 agent 的团队是个关键加分项。
部署方式上，它给了三档：SaaS 多租户、单租户独享（拿自己的密钥）、Satellite 本地代理（跑在你自己的 K8s 或 ECS 里，对接那些不允许出网的内网工具）。合规覆盖 SOC 2 Type II、GDPR、HIPAA，对受监管行业够用。
它已经跑通在谁那里
客户名单是 Resolve AI 最硬的一张牌：Coinbase、DoorDash、Zscaler、Salesforce、MongoDB、MSCI、Autodesk、Blueground、DataStax、Toast、Pinecone。
这些不是「我们正在 POC」的名单，而是「公开 case study + 数字背书」。DoorDash 自报 87% 的 MTTR 缩短，Coinbase 自报 73% 的根因定位加速、war room 里少 30% 的工程师。
不过得打个预防针：这些数字全是 vendor-published，没有独立基准。如果你在评估，这些数字只能告诉你「它确实在跑、确实有产出」，不能告诉你「它在你这里也能产出这个数」。
所以，什么团队适合引入
把上面这些拢到一起，我自己的判断标准是这样：
团队规模 25+ 工程师、告警量已经到每天数百条以上 已有标准化的可观测栈（Datadog/Splunk/Prometheus 任一为主） 接受闭源 SaaS + 企业采购流程，不需要立刻看到精确报价 on-call 痛苦是真实痛点，不是「我们考虑一下 AI」的口号
满足这四条，Resolve AI 是值得认真做 POC 的对象——它的多 agent 推理 + Verifier + 人类审批这个组合，在「替人排查」这件事上是当下少见的、能跑通的结构。
最后一句不太好听的话：旗舰级的运维 AI 产品一定会出现，但 Resolve AI 现在是「已经在跑、还没到旗舰」的位置。它对 on-call 的实际价值，要你自己跑 3 周才知道。
你们团队敢让 Agent 读生产、跑预调查、推变更建议吗？先给读权限还是先给执行权限？期待与您聊聊～
近期好文：
星光璀璨！2026 AI 驱动的IT技术领导力年度颁奖盛典圆满举行
“高效运维”公众号诚邀广大技术人员投稿
投稿邮箱：jiachen@huayou-tech.com，或添加联系人微信：greatops1118。
